Sciencemag.cz
Related Articles
Velké jazykové modely (LLM, z angl. large language models) postupně mění výzkum v oboru přírodních věd způsobem, který se již zdaleka neomezuje jen na zvýšení produktivity. Stávají se novou normou ještě dříve, než se vědci shodli na tom, kde by měly ležet hranice jejich využití.
Nová studie (https://doi.org/10.1002/fee.70059), kterou vypracoval mezinárodní tým vědců, popisuje tento jev jako „plíživou normalizaci“ (z angl. creeping normality) využívání generativní umělé inteligence (AI), tedy proces, v němž jsou zásadní změny všeobecně přijímány, protože k nim dochází postupně, prostřednictvím malých, nenápadných kroků. „Ačkoli se generativní AI rychle stala součástí každodenních pracovních postupů mnoha výzkumníků, jejím dlouhodobým dopadům na téměř všechny aspekty vědy byla věnována poměrně malá pozornost,“ říká Ivan Jarić, výzkumník z Biologického centra Akademie věd ČR a hlavní autor studie. „Rutinní spoléhání se na tyto nástroje by mohlo zásadně přetvořit samotné základy vědecké praxe a kultury,“ dodává.
Článek vymezuje několik oblastí, kde se takové změny již začínají projevovat. Jednou z nich je vědecká spolupráce. Zatímco dříve se vědci se žádostí o podporu, například při brainstormingu nápadů, řešení problémů v analýzách a hledání odborné zpětné vazby, obraceli na kolegy a neformální odborné sítě, nyní v podobných situacích stále častěji využívají LLM. Očekává se, že rostoucí závislost na LLM povede ke snížení motivace vyhledávat odborné znalosti z jiných výzkumných oborů či regionů, nebo týkající se konkrétní taxonomické skupiny či metodologie, což může oslabit mezioborové interakce, omezit kontakt s různorodými pohledy a vědu tak učinit více izolovanou a méně inovativní.
Využití umělé inteligence může také zásadně změnit způsob, jakým vědci vyhledávají informace a generují nové myšlenky. „Vzhledem k tomu, že LLM stále více nahrazují vyhledávače, encyklopedie, a dokonce i rešerše odborné literatury, budou výzkumníci stále více závislí na zpětné vazbě generované umělou inteligencí, která se omezuje pouze na otázky, které člověka napadnou,“ vysvětluje Susan Canavan z Univerzity v Galway, další autorka studie. „To by mohlo neúmyslně prohloubit konfirmační zkreslení, vytvářet intelektuální ‚ozvěnové komory‘ a přispět k homogenizaci vědeckého jazyka, přístupů i kreativního myšlení.“
Kromě kognitivní stránky se článek zabývá také důsledky pro vědeckou přípravu a volbu kariérní dráhy. Ačkoli použití LLM odstraňuje řadu překážek, jimž čelí výzkumníci na počátku kariéry nebo ti méně zběhlí v programování či statistice, může zároveň vytvářet nové typy nerovností a ty stávající posilovat. Zintenzivní také úbytek klíčových kompetencí, přičemž některé základní dovednosti v oblasti přírodních věd, jako je vyhledávání a syntéza literatury, čtení přírodovědných textů a získávání znalostí, taxonomické posuzování, programování a odstraňování chyb a statistické uvažování, budou delegovány na LLM. Autoři naznačují, že by to mohlo ovlivnit i rozhodování o přijímání zaměstnanců a kariérní příležitosti. Jelikož různé typy práce budou stále více svěřovány velkým jazykovým modelům, může se snížit potřeba a motivace k otevírání nových pozic pro doktorandy a postdoktorandy.
„Nechceme se stavět pro nebo proti využívání umělé inteligence, ale vyzvat vědeckou komunitu v oblasti přírodních věd, aby stanovila jasné hranice pro její vhodné využití,“ navrhuje Michael Bertram ze Švédské zemědělské univerzity a Stockholmské univerzity, další autor studie. „Velké jazykové modely (LLM) by měly být například široce využívány pro rutinní úkoly, jako je korektura, jazyková úprava a anotace pracovních postupů, a pokud jsou podloženy náležitou lidskou kontrolou, také pro pokročilé úkoly, jako je syntéza literatury a extrakce dat. Využití umělé inteligence by však nemělo být žádoucí v činnostech vyžadujících nezávislý vědecký úsudek, včetně stanovování priorit výzkumu, vzájemného hodnocení, rozhodnutí o financování a etických úvah.“
Autoři docházejí k závěru, že generativní umělá inteligence již vědu mění. Naléhavou otázkou není, zda se umělá inteligence stane součástí vědeckého výzkumu, či nikoli, ale kde se vědecká komunita rozhodne vytyčit hranici. Včasné stanovení těchto hranic bude podle nich zásadní pro zachování klíčových hodnot v přírodních vědách, jako je kreativita, rozmanitost, odpovědnost a lidský úsudek.
Podrobnější informace najdete v článku publikovaném v časopise Frontiers in Ecology and the Environment: Jarić, I., Pipek, P., Canavan, S., Firth, J.A. and Bertram, M.G. (2026). The creeping normality of AI in the life sciences. Frontiers in Ecology and the Environment https://doi.org/10.1002/fee.70059
