ກ່ຽວກັບຜູ້ຂຽນໄດ້:
ຖາມຜູ້ວາງນະໂຍບາຍວິທະຍາສາດ ຫຼື ຜູ້ໃຫ້ທຶນການຄົ້ນຄວ້າເກືອບທຸກຄົນວ່າເຂົາເຈົ້າຄິດແນວໃດກ່ຽວກັບປັນຍາປະດິດ, ແລະ ທ່ານຈະໄດ້ຮັບຄຳຕອບທີ່ຄຸ້ນເຄີຍ. AI ກຳລັງປ່ຽນແປງວິທີການເຮັດວຽກຂອງນັກວິທະຍາສາດ. ມັນກຳລັງເລັ່ງການທົບທວນວັນນະຄະດີ, ປະມວນຜົນຊຸດຂໍ້ມູນໃນລະດັບທີ່ບໍ່ເຄີຍມີມາກ່ອນ, ຊ່ວຍເຫຼືອໃນການຂຽນ ແລະ ການທົບທວນບົດຂຽນ. ມັນເປັນເຄື່ອງມືຜະລິດຕະພາບທີ່ໂດດເດັ່ນ ແລະ ເປັນສິ່ງທີ່ຂາດບໍ່ໄດ້ເພີ່ມຂຶ້ນເລື້ອຍໆ.
ອັນນີ້ບໍ່ຜິດ. ແຕ່ມັນອາດຈະບໍ່ຄົບຖ້ວນ.
ຄວາມກັງວົນກ່ຽວກັບ AI ໃນຖານະເຄື່ອງມືສຳລັບນັກວິທະຍາສາດ (ສິ່ງທີ່ພວກເຮົາອາດຈະເອີ້ນວ່າ 'ມຸມມອງທີ່ຄັບແຄບ' ຂອງ AI ໃນວິທະຍາສາດ) ກຳລັງກີດຂວາງຊຸດຄຳຖາມພື້ນຖານຫຼາຍກວ່າຢ່າງງຽບໆ. ຄຳຖາມທີ່ຊຸມຊົນຂອງອົງການຈັດຕັ້ງ ແລະ ສະຖາບັນທີ່ຮັບຜິດຊອບໃນການຄຸ້ມຄອງ, ສະໜອງທຶນ, ແລະ ປະສານງານວິທະຍາສາດທົ່ວໂລກ (ສິ່ງທີ່ຂ້ອຍຈະເອີ້ນວ່າວິທະຍາສາດທີ່ມີການຈັດຕັ້ງ) ຍັງບໍ່ທັນໄດ້ເລີ່ມຖາມເທື່ອ.
ການສົນທະນາທີ່ໂດດເດັ່ນກ່ຽວກັບ AI ໃນວິທະຍາສາດໂດຍພື້ນຖານແລ້ວແມ່ນການສົນທະນາກ່ຽວກັບການເລັ່ງ. AI ສາມາດເຮັດໄດ້ຫຼາຍກວ່າ ແລະ ໄວຂຶ້ນ. ມັນສາມາດຊອກຫາຮູບແບບໃນຂໍ້ມູນທີ່ມະນຸດອາດຈະພາດໄປ. ມັນສາມາດຮ່າງ, ແປ, ແລະ ສະຫຼຸບໄດ້. ສິ່ງເຫຼົ່ານີ້ແມ່ນຜົນປະໂຫຍດທີ່ແທ້ຈິງ ແລະ ຊຸມຊົນວິທະຍາສາດແມ່ນຖືກຕ້ອງທີ່ຈະເອົາໃຈໃສ່ກັບພວກມັນ.
ແຕ່ການກຳນົດຂອບເຂດນີ້ຖືວ່າ AI ເປັນສິ່ງທີ່ນັກວິທະຍາສາດ ການນໍາໃຊ້, ເປັນເຄື່ອງມືທີ່ຊັບຊ້ອນ, ບໍ່ຄືກັບກ້ອງຈຸລະທັດ ຫຼື ເຄື່ອງຊີເຄີນເຊີ, ພຽງແຕ່ມີຄວາມຫຼາກຫຼາຍກວ່າ. ແລະ ເມື່ອເຄື່ອງມືເປັນກອບ, ຄຳຖາມບາງຢ່າງກໍ່ຈະຍາກທີ່ຈະຖາມ.
ຈະເກີດຫຍັງຂຶ້ນເມື່ອ AI ບໍ່ພຽງແຕ່ຊ່ວຍໃນຂະບວນການຄົ້ນຄວ້າເທົ່ານັ້ນ, ແຕ່ຍັງຊ່ວຍໃນ... ດຳ ເນີນການ ມັນ? ຈະເກີດຫຍັງຂຶ້ນເມື່ອ AI ບໍ່ພຽງແຕ່ປະມວນຜົນຂໍ້ມູນເທົ່ານັ້ນ ແຕ່ຍັງສ້າງສົມມຸດຕິຖານ, ອອກແບບການທົດລອງ, ແລະຕີຄວາມຜົນໄດ້ຮັບດ້ວຍຕົນເອງຫຼາຍຫຼືໜ້ອຍ? ນີ້ບໍ່ແມ່ນສະຖານະການວິທະຍາສາດທີ່ຫ່າງໄກ. ມີ ຕົວຢ່າງທີ່ເຜີຍແຜ່ແລ້ວ ຂອງລະບົບ AI ທີ່ສ້າງສົມມຸດຕິຖານທາງວິທະຍາສາດໃໝ່ໆດ້ວຍການປ້ອນຂໍ້ມູນຂອງມະນຸດໜ້ອຍທີ່ສຸດ, ແລະນັກພັດທະນາ AI ຊັ້ນນຳຂອງໂລກໄດ້ອະທິບາຍການຄົ້ນຄວ້າ AI ທີ່ເປັນເອກະລາດຢ່າງເຕັມທີ່ວ່າເປັນເລື່ອງຂອງເວລາຫຼາຍປີ, ບໍ່ແມ່ນຫຼາຍທົດສະວັດ.
ການຄິດຢ່າງຈະແຈ້ງກ່ຽວກັບສິ່ງທີ່ມີຄວາມສ່ຽງ, ມັນຊ່ວຍໃຫ້ສາມາດຈຳແນກລະຫວ່າງສອງສະຖານະການທີ່ກວ້າງຂວາງ.
ໃນຄັ້ງທຳອິດ - ວິທະຍາສາດທີ່ນຳພາໂດຍມະນຸດ - AI ແຜ່ລາມໄປທົ່ວທຸກຂັ້ນຕອນຂອງຂະບວນການຄົ້ນຄວ້າ ແຕ່ນັກວິທະຍາສາດມະນຸດຍັງຄົງເປັນຜູ້ຄວບຄຸມ. ມະນຸດຍັງຕັດສິນໃຈວ່າຈະສືບສວນຫຍັງ. ພວກເຂົາຍັງກຳນົດວາລະການຄົ້ນຄວ້າ, ສ້າງຄຳຖາມ, ແລະ ກຳນົດບ່ອນທີ່ການສອບຖາມຈະຊີ້ໄປ. ເຖິງແມ່ນວ່າການຄົ້ນຄວ້າຕົວຈິງສ່ວນໃຫຍ່ແມ່ນດຳເນີນໂດຍ AI, ແຕ່ກໍມີມືຂອງມະນຸດຢູ່ເທິງພວງມາໄລ, ຕັດສິນໃຈວ່າຈະຂັບເຄື່ອນໄປໃສ. ນີ້ແມ່ນຫຼາຍຫຼືໜ້ອຍບ່ອນທີ່ພວກເຮົາຢູ່ໃນມື້ນີ້, ເຖິງແມ່ນວ່າລະດັບການມີສ່ວນຮ່ວມຂອງ AI ຈະເພີ່ມຂຶ້ນຢ່າງໄວວາກໍຕາມ.
ໃນຄັ້ງທີສອງ - ວິທະຍາສາດທີ່ນຳພາໂດຍ AI - AI ບໍ່ພຽງແຕ່ດຳເນີນການຄົ້ນຄວ້າເທົ່ານັ້ນ ແຕ່ຍັງຕັດສິນໃຈວ່າຈະຄົ້ນຄວ້າຫຍັງອີກດ້ວຍ. ວາລະການຄົ້ນຄວ້າເອງບໍ່ໄດ້ຖືກກຳນົດໂດຍມະນຸດພຽງຜູ້ດຽວອີກຕໍ່ໄປ. ລະບົບ AI ເພີ່ມຂຶ້ນເລື້ອຍໆ ກຳນົດຄຳຖາມທີ່ຖືກຖາມ, ສົມມຸດຕິຖານໃດຖືກສ້າງຂຶ້ນ, ແລະການທົດລອງໃດທີ່ໄດ້ຮັບຄວາມສຳຄັນ, ກ້າວໄປໄກກວ່າການປະຕິບັດໄປສູ່ການກຳນົດວາລະ. ຄວາມກ້າວໜ້າໃນອະນາຄົດ ເຊັ່ນ: ການລວມເອົາ AI ທາງກາຍະພາບ ແລະ ລະບົບຫ້ອງທົດລອງຫຸ່ນຍົນ ອາດຈະເຮັດໃຫ້ການປ່ຽນແປງນີ້ເລິກເຊິ່ງຂຶ້ນຕື່ມອີກ, ຊ່ວຍໃຫ້ຕົວແບບສາມາດເຂົ້າຮ່ວມໂດຍກົງໃນການທົດລອງ, ບໍ່ພຽງແຕ່ການວິເຄາະເທົ່ານັ້ນ. ສິ່ງທີ່ສິ່ງນີ້ຈະເປັນແບບນັ້ນໃນການປະຕິບັດຍັງບໍ່ແນ່ນອນຢ່າງແທ້ຈິງ. ແຕ່ມັນໄດ້ຖືກແນະນຳແລ້ວວ່າ ວິທະຍາສາດທີ່ນຳພາໂດຍ AI ອາດຈະແຕກຕ່າງຈາກສິ່ງທີ່ພວກເຮົາຮັບຮູ້ຫຼາຍ, ອາດຈະປ່ຽນແປງບໍ່ພຽງແຕ່ຈັງຫວະຂອງວິທະຍາສາດເທົ່ານັ້ນ ແຕ່ຍັງປ່ຽນແປງເຫດຜົນທີ່ເປັນພື້ນຖານຂອງມັນ: ວົງຈອນຂອງຄວາມຢາກຮູ້ຢາກເຫັນຂອງມະນຸດ, ການຄາດເດົາ ແລະ ການອອກແບບການທົດລອງທີ່ໄດ້ກຳນົດການຜະລິດຄວາມຮູ້ມາເປັນເວລາຫຼາຍສັດຕະວັດແລ້ວ.
ຊ່ອງຫວ່າງລະຫວ່າງສອງສະຖານະການນີ້ແມ່ນບ່ອນທີ່ຄຳຖາມທີ່ໜ້າສົນໃຈຢູ່.
ເມື່ອລະບົບ AI ສາມາດດຳເນີນການຄົ້ນຄວ້າດ້ວຍຕົນເອງ, ຄຳຖາມພື້ນຖານຈຳນວນໜຶ່ງຈະເກີດຂຶ້ນທີ່ເກີນກວ່າຄຳແນະນຳດ້ານຈັນຍາບັນ ຫຼື ນະໂຍບາຍການເປີດເຜີຍຂໍ້ມູນ. ໃນນັ້ນມີດັ່ງນີ້:
AI ສາມາດສ້າງຄວາມຮູ້ໃໝ່ໄດ້ແທ້ບໍ? ຮູບແບບປະຈຸບັນສ່ວນໃຫຍ່ໄດ້ຮັບການຝຶກອົບຮົມກ່ຽວກັບຄວາມຮູ້ຂອງມະນຸດທີ່ມີຢູ່ຢ່າງຫຼວງຫຼາຍ. ພວກມັນສາມາດອະນຸມານຄວາມເຂົ້າໃຈທີ່ແປກໃໝ່ຢ່າງແທ້ຈິງກ່ຽວກັບລັກສະນະຂອງຈັກກະວານໄດ້ບໍ ຫຼື ພວກມັນເປັນລະບົບທີ່ຊັບຊ້ອນທີ່ສຸດສຳລັບການລວມສິ່ງທີ່ຮູ້ແລ້ວຄືນໃໝ່?
ຈະເກີດຫຍັງຂຶ້ນກັບວິທະຍາສາດທີ່ເປັນສະຖາບັນ? ຖ້າການຄົ້ນຄວ້າສາມາດດຳເນີນການໄດ້ຢ່າງເຄິ່ງອັດຕະໂນມັດໂດຍ AI, ນັ້ນໝາຍຄວາມວ່າທຸກຄົນສາມາດ 'ເປັນ' ນັກວິທະຍາສາດໄດ້ຢ່າງມີປະສິດທິພາບບໍ? ມະຫາວິທະຍາໄລ ແລະ ສະຖາບັນຄົ້ນຄວ້າ, ດັ່ງທີ່ພວກເຮົາຮູ້, ຈະຍັງຄົງເປັນສະຖານທີ່ຫຼັກຂອງການຜະລິດຄວາມຮູ້ບໍ? ແລະ ຖ້າເປັນດັ່ງນັ້ນ, ບົດບາດຂອງນັກວິທະຍາສາດຈະປ່ຽນໄປສູ່ການກວດສອບຄວາມຖືກຕ້ອງຫຼາຍຂຶ້ນ, ເຊັ່ນ: ການກວດສອບຄວາມຈິງ, ການສຳເນົາຂໍ້ມູນ, ແລະ ການກວດສອບຄວາມຖືກຕ້ອງຂອງຜົນໄດ້ຮັບທີ່ຜະລິດໂດຍ AI, ແທນທີ່ຈະເປັນການຄົ້ນພົບບໍ?
ພວກເຮົາຈະສ້າງຄວາມໄວ້ວາງໃຈໃນຄວາມຮູ້ທີ່ຜະລິດໂດຍ AI ໄດ້ແນວໃດ? ຊຸມຊົນວິທະຍາສາດໄດ້ພັດທະນາຊຸດມາດຕະຖານ ແລະ ກົນໄກຕ່າງໆເປັນເວລາຫຼາຍສັດຕະວັດແລ້ວ ສຳລັບການກວດສອບຄວາມຮູ້ - ການທົບທວນຄືນໂດຍຜູ້ຊ່ຽວຊານ, ການສຳເນົາຂໍ້ມູນ, ຂໍ້ມູນເປີດ, ແລະອື່ນໆ. ສິ່ງເຫຼົ່ານີ້ຖືກອອກແບບມາສຳລັບວິທະຍາສາດທີ່ຜະລິດໂດຍມະນຸດ. ພວກມັນອາດຈະບໍ່ເຊື່ອມໂຍງເຂົ້າກັບວິທະຍາສາດທີ່ຜະລິດໂດຍ AI ໄດ້ຢ່າງຈະແຈ້ງ.
ວິທະຍາສາດເປີດກຳລັງສ້າງຄວາມເຂັ້ມແຂງໃຫ້ແກ່ວິທະຍາສາດພາກເອກະຊົນໂດຍບໍ່ໄດ້ຕັ້ງໃຈບໍ? ການປ່ຽນໄປສູ່ການເຂົ້າເຖິງແບບເປີດ ແລະ ຂໍ້ມູນແບບເປີດ ໂດຍທົ່ວໄປແລ້ວຖືວ່າເປັນສິ່ງທີ່ດີ. ແຕ່ການມີຄວາມຮູ້ທາງວິທະຍາສາດທີ່ເພີ່ມຂຶ້ນໃນຂົງເຂດສາທາລະນະຍັງໝາຍຄວາມວ່າມັນສາມາດເກັບກ່ຽວໄດ້ຢ່າງເສລີໂດຍບໍລິສັດເຕັກໂນໂລຢີການຄ້າເພື່ອຝຶກອົບຮົມ ແລະ ປັບປຸງຮູບແບບ AI ຂອງເຂົາເຈົ້າ. ສິ່ງນີ້ສ້າງຄວາມເຄັ່ງຕຶງທີ່ອາດເກີດຂຶ້ນລະຫວ່າງອຸດົມການຂອງວິທະຍາສາດໃນຖານະເປັນສິນຄ້າສາທາລະນະທົ່ວໂລກ ແລະ ຄວາມສ່ຽງຂອງລະບົບການສ້າງຄວາມຮູ້ໃໝ່ທີ່ມີຄວາມຮັບຜິດຊອບຕໍ່ຊຸມຊົນວິທະຍາສາດທົ່ວໂລກໜ້ອຍລົງເລື້ອຍໆ.
ຄວາມເປັນຈິງທີ່ບໍ່ສະບາຍໃຈແມ່ນວ່າອົງການຈັດຕັ້ງ ແລະ ສະຖາບັນຕ່າງໆທີ່ຮັບຜິດຊອບໃນການຄຸ້ມຄອງວິທະຍາສາດເບິ່ງຄືວ່າບໍ່ໄດ້ຢູ່ໃນການສົນທະນານີ້. ລະບົບຫຼາຍຝ່າຍແມ່ນສຸມໃສ່ຈັນຍາບັນ ແລະ ການຄຸ້ມຄອງ AI, ເຊິ່ງເຂົ້າໃຈໄດ້. ຜູ້ໃຫ້ທຶນການຄົ້ນຄວ້າສ່ວນບຸກຄົນ ແລະ ມະຫາວິທະຍາໄລຕ່າງໆແມ່ນສຸມໃສ່ການປັບປຸງນະໂຍບາຍຂອງເຂົາເຈົ້າສຳລັບການນຳໃຊ້ເຄື່ອງມື AI ຢ່າງມີຄວາມຮັບຜິດຊອບ. ເຫຼົ່ານີ້ແມ່ນການຕອບສະໜອງທີ່ຈຳເປັນຕໍ່ຄວາມກົດດັນໃນທັນທີ.
ແຕ່ຄຳຖາມທີ່ໃຫຍ່ກວ່າກ່ຽວກັບລັກສະນະໃນອະນາຄົດຂອງວິທະຍາສາດ, ບົດບາດໃນອະນາຄົດຂອງນັກຄົ້ນຄວ້າມະນຸດ, ອະນາຄົດຂອງການຜະລິດຄວາມຮູ້ໃນຖານະເປັນຜົນປະໂຫຍດສາທາລະນະ ສ່ວນຫຼາຍແມ່ນບໍ່ໄດ້ຮັບການຖາມໃນລະດັບສະຖາບັນ. ໂຄງການ Science Systems Futures ໂດຍສະພາວິທະຍາສາດສາກົນແມ່ນໂຄງການໜຶ່ງທີ່ພະຍາຍາມກວດສອບບາງໂຄງການ, ສຳຫຼວດວິທີທີ່ເຕັກໂນໂລຢີທີ່ພົ້ນເດັ່ນຂຶ້ນມາກຳລັງປັບປຸງລະບົບວິທະຍາສາດໃນທົ່ວພາກໃຕ້ຂອງໂລກ. ແຕ່ການສົນທະນາເຫຼົ່ານີ້ຍັງຫາຍາກເກີນໄປ.
ໃນຂະນະດຽວກັນ, AI ກຳລັງຖືກນຳໃຊ້ຢ່າງໄວວາໂດຍນັກຄົ້ນຄວ້າໃນພື້ນທີ່, ເຊິ່ງມັກຈະກ້າວໄປຂ້າງໜ້າກວ່າຄຳແນະນຳຂອງສະຖາບັນໃດໆ. ສິ່ງນີ້ເປີດເຜີຍເຖິງຄວາມບໍ່ເຊື່ອມຕໍ່ທີ່ແທ້ຈິງ: ຫົວໜ້າວິທະຍາສາດທີ່ມີການຈັດຕັ້ງຍັງຄົງເຂົ້າໃຈເຖິງສິ່ງທີ່ AI ແມ່ນຫຍັງ ແລະ ມັນອາດຈະປ່ຽນແປງສິ່ງຕ່າງໆໄດ້ແນວໃດ, ໃນຂະນະທີ່ມືທັງສອງກຳລັງຢູ່ໃນຂັ້ນຕອນການຫັນປ່ຽນຢ່າງເລິກເຊິ່ງແລ້ວ.
ເວົ້າງ່າຍໆ, ພວກເຮົານອນຫຼັບຢູ່ພວງມາໄລບໍ?
ການໂຕ້ຖຽງຢູ່ທີ່ນີ້ບໍ່ແມ່ນວ່າພວກເຮົາສາມາດ ຫຼື ຄວນເຮັດໃຫ້ການຮັບຮອງເອົາ AI ໃນວິທະຍາສາດຊ້າລົງ. ແລະ ມັນບໍ່ແມ່ນຄຳແນະນຳຂອງຄວາມສິ້ນຫວັງ. ມັນເປັນການຮຽກຮ້ອງໃຫ້ວິທະຍາສາດທີ່ມີການຈັດຕັ້ງເບິ່ງຈາກທັນທີ ແລະ ມີມຸມມອງທີ່ຍາວກວ່າ - ເພື່ອຖາມບໍ່ພຽງແຕ່ 'ພວກເຮົາໃຊ້ AI ຢ່າງມີຄວາມຮັບຜິດຊອບແນວໃດໃນມື້ນີ້?' ແຕ່ 'ພວກເຮົາຕ້ອງການລະບົບວິທະຍາສາດແບບໃດໃນສິບ ຫຼື ຊາວປີ, ແລະ ມັນຕ້ອງໃຊ້ຫຍັງແດ່ເພື່ອໄປຮອດຈຸດນັ້ນ?'
ນັ້ນໝາຍເຖິງການສ້າງພື້ນທີ່ສຳລັບການສົນທະນາປະເພດທີ່ແຕກຕ່າງກັນ, ເຊິ່ງເປັນການສົນທະນາທີ່ນຳເອົາຜູ້ຊ່ຽວຊານທີ່ຄິດຢ່າງເຂັ້ມງວດກ່ຽວກັບຄວາມບໍ່ແນ່ນອນ, ກ່ຽວກັບວົງວຽນທີ່ຍາວນານຂອງການຜະລິດຄວາມຮູ້, ແລະ ກ່ຽວກັບຂໍ້ຈຳກັດຂອງຂອບການເຮັດວຽກໃນປະຈຸບັນ. ການສົນທະນາເຫຼົ່ານີ້ຈະສຸມໃສ່ໜ້ອຍລົງໃນການຕອບສະໜອງດ້ານການປົກຄອງຕໍ່ AI ຕາມທີ່ມີຢູ່ໃນປະຈຸບັນ, ແຕ່ຈະມຸ່ງໄປສູ່ຂອບເຂດຂອງອະນາຄົດທີ່ເປັນໄປໄດ້ ແລະ ສິ່ງທີ່ມັນຈະໝາຍເຖິງການກະກຽມສຳລັບພວກມັນ.
ມັນຍັງໝາຍເຖິງການຮັບປະກັນວ່າຊຸມຊົນວິທະຍາສາດ, ລວມທັງນັກຄົ້ນຄວ້າພ້ອມທັງຜູ້ກຳນົດນະໂຍບາຍ, ມີເຄື່ອງມືທາງດ້ານແນວຄິດເພື່ອພົວພັນກັບຄຳຖາມເຫຼົ່ານີ້ໃນຖານະຜູ້ເຂົ້າຮ່ວມທີ່ມີຂໍ້ມູນຫຼາຍກວ່າຫົວຂໍ້ຂອງການປ່ຽນແປງ. ສິ່ງເຫຼົ່ານີ້ຈະປະກອບມີຂອບການຄິດກ່ຽວກັບອົງການ AI, ຄວາມຮູ້ວິທະຍາຂອງຄວາມຮູ້ທີ່ສ້າງຂຶ້ນໂດຍເຄື່ອງຈັກ, ແລະຜົນສະທ້ອນໃນໄລຍະຍາວສຳລັບຜູ້ທີ່ຄວບຄຸມວາລະການຄົ້ນຄວ້າ.
ໄລຍະເວລາສຳລັບການກ້າວໄປຂ້າງໜ້າກຳລັງແຄບລົງ. ວິທະຍາສາດທີ່ມີການຈັດຕັ້ງມີໂອກາດ, ແລະອາດຈະເປັນຄວາມຮັບຜິດຊອບ, ທີ່ຈະສ້າງຮູບແບບວິທີທີ່ AI ປ່ຽນແປງການຜະລິດຄວາມຮູ້, ແທນທີ່ຈະພຽງແຕ່ປັບຕົວເຂົ້າກັບການປ່ຽນແປງທີ່ຂັບເຄື່ອນໂດຍຄົນອື່ນທັງໝົດ.
ນັ້ນເລີ່ມຕົ້ນດ້ວຍການຖາມຄຳຖາມທີ່ຖືກຕ້ອງ. ພວກເຮົາຍັງບໍ່ທັນໄດ້ຖາມພວກມັນເທື່ອ.
ຮູບພາບໂດຍ Igor Omilaev on Unsplash
ອ່ານເພີ່ມເຕີມກ່ຽວກັບ Science Systems Futures
ອ່ານເພີ່ມເຕີມກ່ຽວກັບຜົນກະທົບຂອງຂໍ້ມູນ ແລະ AI ຕໍ່ການຜະລິດທາງວິທະຍາສາດ
ອ່ານເພີ່ມເຕີມກ່ຽວກັບສະພາວິທະຍາສາດປາຊີຟິກເປີດຕົວແພລດຟອມການຄົ້ນຄວ້າທີ່ໃຊ້ AI ເປັນຄັ້ງທຳອິດ ແລະ ບົດລາຍງານການປະເມີນ R&D ພາກພື້ນ
ອ່ານເພີ່ມເຕີມກ່ຽວກັບທ່າອ່ຽງທີ່ພົ້ນເດັ່ນຂື້ນຮູບແບບການເຮັດວຽກວິທະຍາສາດ
