Jednak Hodgkinson obawia się, że badacze w tej dziedzinie zwrócą uwagę na technikę, a nie na naukę, próbując odtworzyć inżynierię wsteczną, dlaczego trio zdobyło w tym roku nagrodę. „Mam nadzieję, że nie spowoduje to, że badacze będą w niewłaściwy sposób korzystać z chatbotów, błędnie myśląc, że wszystkie narzędzia sztucznej inteligencji są równoważne” – mówi.
Strach, że tak się stanie, ma swoje źródło w eksplozji zainteresowania innymi technologiami rzekomo transformacyjnymi. „Zawsze pojawiają się cykle szumu, ostatnio dotyczy to blockchaina i grafenu” – mówi Hodgkinson. Według Google Scholar po odkryciu grafenu w 2004 r. w latach 2005–2009 opublikowano 45 000 artykułów naukowych wspominających o tym materiale. Jednak po otrzymaniu przez Andre Geima i Konstantina Nowosełowa Nagrody Nobla za odkrycie tego materiału liczba opublikowanych wówczas artykułów wzrosła do 454 000 w latach 2010–2014 i ponad miliona w latach 2015–2020. Ten gwałtowny wzrost liczby badań spowodował, że prawdopodobnie miał tylko skromny jak dotąd wpływ na świat rzeczywisty.
Hodgkinson uważa, że energetyzująca siła wielu badaczy, którzy zostali docenieni przez panel Nagrody Nobla za ich pracę nad sztuczną inteligencją, może spowodować, że inni zaczną gromadzić się wokół tej dziedziny, co może skutkować powstaniem nauki o zmiennej jakości. „Czy propozycje i wnioski mają treść [of AI] to inna sprawa” – mówi.
Widzieliśmy już wpływ uwagi mediów i opinii publicznej na sztuczną inteligencję na społeczność akademicką. Według nich liczba publikacji na temat sztucznej inteligencji potroiła się w latach 2010–2022 badania Uniwersytetu Stanfordaprzy czym w samym 2022 r. opublikowano prawie ćwierć miliona artykułów: ponad 660 nowych publikacji dziennie. To było zanim wydanie ChatGPT w listopadzie 2022 r. zapoczątkowało rewolucję generatywnej sztucznej inteligencji.
Stopień, w jakim naukowcy są skłonni podążać za uwagą mediów, pieniędzmi i pochwałami Komitetu Nagrody Nobla, to kwestia, która irytuje Juliana Togeliusa, profesora informatyki w Tandon School of Engineering na Uniwersytecie Nowojorskim, który pracuje nad sztuczną inteligencją. „Naukowcy na ogół podążają jakąś kombinacją ścieżki najmniejszego oporu i największego zysku” – mówi. Biorąc pod uwagę konkurencyjny charakter środowiska akademickiego, w którym fundusze są coraz uboższe i bezpośrednio powiązane z perspektywami zawodowymi badaczy, wydaje się prawdopodobne, że połączenie modnego tematu, który – od tego tygodnia – może zapewnić osobom osiągającym dobre wyniki Nagrodę Nobla może być zbyt kuszące, aby się mu oprzeć.
Istnieje ryzyko, że może to utrudnić nowe, innowacyjne myślenie. „Uzyskiwanie bardziej podstawowych danych z natury i wymyślanie nowych teorii zrozumiałych dla ludzi to trudne zadania” – mówi Togelius. Ale to wymaga głębokiego przemyślenia. Znacznie bardziej produktywne dla badaczy jest przeprowadzanie symulacji obsługiwanych przez sztuczną inteligencję, które wspierają istniejące teorie i uwzględniają istniejące dane, co pozwala na niewielkie postępy w zrozumieniu, a nie gigantyczne skoki. Togelius przewiduje, że nowe pokolenie naukowców ostatecznie zrobi dokładnie to, bo tak jest łatwiej.
Istnieje również ryzyko, że zbyt pewni siebie informatycy, którzy pomogli w rozwoju sztucznej inteligencji, zaczną dostrzegać, że prace nad sztuczną inteligencją są nagradzane Nagrodą Nobla w niepowiązanych dziedzinach nauki – w tym przypadku fizyki i chemii – i zdecydują się pójść w ich ślady, wkraczając w teren innych ludzi. „Informatycy cieszą się zasłużoną reputacją wtykania nosa w dziedziny, o których nie mają zielonego pojęcia, wstrzykiwania pewnych algorytmów i nazywania tego postępem, na dobre i na złe” – mówi Togelius, który przyznaje, że już wcześniej kusiło go, aby dodać głębokiego uczenia się do innej dziedziny nauki i „postępu” w niej, zanim się nad tym zastanowi, ponieważ nie wie zbyt wiele o fizyce, biologii czy geologii.
