اولین کارگاه آموزشی «از ایده پژوهشی تا مقاله علمی با هوش مصنوعی»
هوش مصنوعی و پژوهشهای چشمپزشکی؛ آیا زمان تحول فرا رسیده یا هنوز زود است
دکتر سحر عباسی، مدرس کارگاه آموزشی «از ایده پژوهشی تا مقاله علمی با استفاده از هوش مصنوعی» و رئیس بخش هوش تجاری داروسازی تهران شیمی، در گفتوگو با روابط عمومی بیمارستان فارابی، بر ضرورت راستیآزمایی خروجیهای هوش مصنوعی، دقت در استفاده از پاسخهای تئوری و توجه به کیفیت نسخههای مختلف این ابزارها تأکید کرد. این کارگاه ویژه گروه چشمپزشکی دانشگاه علوم پزشکی تهران و بیمارستان فارابی برگزار شد.
به گزارش روابط عمومی بیمارستان فارابی دانشگاه علوم پزشکی تهران، ورود هوش مصنوعی به پژوهشهای پزشکی و دانشگاهی، فرایند جستوجوی منابع، ایدهپردازی، طراحی الگوریتم و نگارش علمی را سریعتر کرده است، اما همین شتاب میتواند زمینه خطا را هم بیشتر کند. در رشتههایی مانند چشمپزشکی که دقت علمی و قابلیت اجرای نتایج اهمیت مستقیم دارد، اتکا به پاسخهای آماده بدون بررسی دوباره، میتواند مسیر پژوهش را از ابتدا دچار اشکال کند. نکتهای که دکتر سحر عباسی، رئیس بخش هوش تجاری داروسازی تهران شیمی بر آن تأکید دارد، این است که مسئله اصلی فقط دسترسی به ابزار هوش مصنوعی نیست؛ بلکه کیفیت استفاده، نحوه پرسشنویسی (پرامپت) و بررسی دوباره خروجیهاست که تعیین میکند این ابزار به پژوهش کمک میکند یا باعث انحراف در نتیجه میشود.
در حاشیه کنفرانس هفتگی بیمارستان فارابی، دکتر عباسی، مدرس کارگاه آموزشی «از ایده پژوهشی تا مقاله علمی با استفاده از هوش مصنوعی» در گفتوگو با روابط عمومی این بیمارستان، درباره مهمترین ملاحظات استفاده از هوش مصنوعی در فضاهای علمی و پژوهشی توضیح داد. این کارگاه آموزشی که اولین جلسه آن برگزار شد، ویژه گروه چشمپزشکی دانشگاه علوم پزشکی تهران و بیمارستان فارابی بود و بر استفاده آگاهانه از ابزارهای هوش مصنوعی در مسیر ایدهپردازی پژوهشی تا نگارش مقاله علمی تمرکز داشت.
خطر «توهم هوش مصنوعی» در پژوهش
دکتر عباسی با اشاره به پدیده «توهم هوش مصنوعی» گفت: «در استفاده از هوش مصنوعی باید حواسمان به توهم هوش مصنوعی باشد؛ چون ممکن است یکسری منابع را با هم ادغام کند و در خروجی، تفسیر ظاهراً درستی بدهد، اما اگر مفاهیم را دقیق و جزءبهجزء بررسی کنیم، ممکن است متوجه شویم که پاسخ دچار خطاست.»
او تأکید کرد که در چنین شرایطی، نقش کاربر تنها گرفتن پاسخ از ابزار نیست و باید بررسی دوباره محتوا را هم جدی بگیرد. به گفته او، راستیآزمایی یکی از پایههای اصلی استفاده درست از هوش مصنوعی در محیطهای علمی است.
راستیآزمایی فقط محدود به بخش عملی نیست
دکتر عباسی با اشاره به اهمیت بررسی دوباره پاسخهای هوش مصنوعی گفت: «بحثهای تئوری را هم باید کامل چک کرد؛ چون معمولاً خیلیها برای پیدا کردن الگوریتم از هوش مصنوعی کمک میگیرند و ابزاری که استفاده میکنند، الگوریتمی پیشنهاد میدهد که روی کاغذ خوب است، اما در عمل قابل اجرا نیست.»
او افزود که در پژوهشهای تخصصی، بهویژه در حوزههای پزشکی، نباید صرفاً به ظاهر منسجم پاسخ اعتماد کرد و لازم است مفاهیم، منابع و قابلیت اجرای پیشنهادها با دقت بررسی شود.
تفاوت نسخههای رایگان و حرفه ای هوش مصنوعی
یکی دیگر از محورهای این گفتوگو، تفاوت کیفیت میان نسخههای رایگان و نسخههای حرفهای ابزارهای هوش مصنوعی بود. دکتر عباسی با اشاره به این موضوع گفت: «کیفیت جواب نسخههای پرو با نسخههای رایگان متفاوت است. این تفاوت در پلتفرمهای مختلف دیده میشود و به اهمیت موضوع هم بستگی دارد.»
او ادامه داد: «اگر سؤال عمومی باشد، ممکن است همان اکانت رایگان هم پاسخ قابل قبولی بدهد، اما وقتی موضوع تخصصی است و کاربر به یک نتیجه دقیق نیاز دارد، تفاوت کیفیت پاسخها بیشتر خودش را نشان میدهد.»
زبان مهم است، اما پرامپت دقیق مهمتر است
دکتر عباسی در بخش دیگری از این گفتوگو، به پرسشی درباره تفاوت میان طرح سؤال به زبان فارسی یا انگلیسی پاسخ داد. او با اشاره به تجربه کاربران در پرامپتنویسی گفت: «وقتی میخواهید پرامپت بنویسید، باید نقش و وظیفه را برای مدل مشخص کنید و یک مثال هم به آن بدهید. در این صورت، فرق زیادی ندارد که سؤال به فارسی مطرح شود یا انگلیسی.»
او در ادامه گفت: «مشکل از جایی شروع میشود که ما یک موضوع کلی و مبهم در ذهن داریم، همان را هم خیلی کلی مطرح میکنیم و انتظار داریم هوش مصنوعی دقیقاً همان چیزی را که در ذهن ماست، بفهمد. در این حالت، طبیعی است که خروجی دقیق نباشد.»
هوش مصنوعی، ابزار کمکی است نه مرجع نهایی
آنچه از صحبتهای دکتر عباسی برمیآید، این است که هوش مصنوعی در پژوهش پزشکی میتواند یک ابزار کمکی مؤثر باشد، اما نمیتواند جای ارزیابی علمی، قضاوت تخصصی و بررسی منابع اصلی را بگیرد. در واقع، هرچه موضوع تخصصیتر باشد، مسئولیت کاربر در بررسی پاسخها هم بیشتر میشود.
این گفتوگو بر یک نکته روشن تأکید دارد؛ استفاده از هوش مصنوعی در پژوهش زمانی مفید است که با پرامپت نویسی دقیق، انتخاب آگاهانه ابزار و راستیآزمایی جدی همراه باشد. در غیر این صورت، پاسخهایی که در ظاهر منظم و قابل قبول به نظر میرسند، ممکن است در لایههای مفهومی یا اجرایی دچار خطا باشند. برای پژوهشگران حوزه چشمپزشکی و دیگر رشتههای پزشکی، این نگاه میتواند به استفاده مسئولانهتر و دقیقتر از هوش مصنوعی در فرایند تولید علم کمک کند.
برای مشاهده فیلم این کارگاه آموزشی اینجا کلیک کنید.
ارسال نظر