การนำทางข้อมูลที่เชื่อถือได้ในยุคปัญญาประดิษฐ์
Brief news summary
ในสหราชอาณาจักร นักศึกษาปริญญาตรี Fin Boardman และ Josh Mallinson กำลังสำรวจวิธีการให้เยาวชนเข้าถึงข้อมูลที่เชื่อถือได้ ท่ามกลางอิทธิพลที่เพิ่มขึ้นของ AI เมื่อโซเชียลมีเดียมีบทบาทสำคัญมากขึ้น เยาวชนจะเสี่ยงต่อข้อมูลที่ไม่ถูกต้องมากขึ้น AI มีบทบาทสำคัญในการกำหนดการรับรู้ข้อมูล ซึ่งท้าทายระบบการศึกษาที่พยายามส่งมอบเนื้อหาที่ถูกต้อง ในวิทยาศาสตร์ธรรมชาติ การตรวจสอบอย่างอิสระที่ได้รับการยกตัวอย่างโดย Ed Purcell, Jan Oort และ Saul Perlmutter ช่วยสร้างความน่าเชื่อถือ อย่างไรก็ตาม การประยุกต์ใช้การตรวจสอบอย่างเข้มงวดในมนุษยศาสตร์และการเมืองซึ่งความมีอัตวิสัยเป็นพื้นฐานนั้นยากกว่า วิธีแก้ปัญหาที่เสนอคือ การสร้างศูนย์รวมชุมชนที่รวมความเชี่ยวชาญของมนุษย์กับ AI ในการประเมินความน่าเชื่อถือของแหล่งข้อมูล อย่างไรก็ตาม การพัฒนาระบบที่ประเมินความถูกต้องในพื้นที่ที่มีความขัดแย้งทางการเมืองเป็นสิ่งที่ซับซ้อน เนื่องจากขาดผู้ประเมินที่ไม่มีอคติ ความท้าทายในการสมดุลความคิดเห็นของผู้เชี่ยวชาญกับแหล่งแบบดั้งเดิมทำให้ภารกิจนี้ยากขึ้น เช่นเดียวกับการยอมรับทฤษฎีของกาลิเลโออย่างล่าช้าโดยวาติกัน ปัจจุบัน ทรัพยากรของมหาวิทยาลัยที่ให้ข้อมูลที่เชื่อถือได้แก่เยาวชนยังไม่เพียงพอ อนาคตของวิทยาศาสตร์ การเมือง และสุขภาพจิตขึ้นอยู่กับการให้ความสำคัญกับเนื้อหาการศึกษาที่น่าเชื่อถือ มีความหวังว่า Fin, Josh และคนรุ่นใหม่ของพวกเขาจะสามารถแก้ปัญหาเหล่านี้ที่ยังไม่ได้รับการแก้ไข โดยสร้างบนพื้นฐานของการทำงานของคนรุ่นก่อนหน้านักศึกษาปริญญาตรีสองคนจากสหราชอาณาจักร ได้แก่ Fin Boardman และ Josh Mallinson ถามฉันในเซสชัน Zoom ว่า "เยาวชนควรเชื่อถือข้อมูลใดในยุค AI?" เด็กหนุ่มมีความเสี่ยงสูงต่อข้อมูลที่ผิดพลาดเนื่องจากประสบการณ์ชีวิตที่จำกัดและการพึ่งพาสื่อสังคมออนไลน์ ในอนาคต ความรู้และสุขภาพจิตของพวกเขาจะถูก AI มีอิทธิพล ซึ่งเป็นการเปลี่ยนแปลงทางประวัติศาสตร์ที่ AI อาจเกินขีดของมนุษย์และอาจบิดเบือนข้อมูลได้ ตามปกติแล้ว การศึกษาเข้ามาชดเชยประสบการณ์ที่ขาดไปของเยาวชน ดังนั้น ในยุค AI เราจะมั่นใจได้อย่างไรว่าการศึกษาจะยังคงเป็นแหล่งข้อมูลที่เชื่อถือได้?ในวิทยาศาสตร์ธรรมชาติ ข้อมูลถูกรวบรวมโดยเครื่องมือแทนที่จะเป็นผู้สังเกตการณ์ที่ผิดพลาดได้ เช่นการใช้กล้องจับภาพของ FIFA แทนคำให้การ อย่างไรก็ตาม แม้แต่ข้อมูลจากเครื่องมือก็อาจมีข้อผิดพลาดได้ เช่นที่กลุ่ม Data Colada เปิดเผยการวิเคราะห์ข้อมูลที่ฉ้อฉลในงานวิจัยชื่อดัง เพื่อป้องกันข้อมูลที่ผิดพลาด กลุ่มวิจัยหลายกลุ่มควรแข่งขันกันเพื่อค้นหาความจริง ในอดีตความร่วมมือเช่นระหว่างทีมของ Ed Purcell และ Jan Oort ช่วยในการสรุปที่ถูกต้อง อย่างไรก็ตาม ในสมัยนี้ การแข่งขันที่เข้มข้นเพื่อรับเครดิต เช่นข้อพิพาทสิทธิบัตร CRISPR เป็นเรื่องปกติและบางครั้งก็กลายเป็นการฟ้องร้อง สภาพแวดล้อมการแข่งขันนี้ แม้จะมีความเข้มข้น แต่ก็ช่วยในการแก้ไขข้อผิดพลาดและไปถึงการตีความข้อมูลที่ถูกต้อง ดังที่แสดงโดยการค้นพบใหม่เกี่ยวกับซูเปอร์โนวาประเภท Ia ที่นำโดยทีมของ Saul Perlmutter จนได้รับรางวัลโนเบล ดังนั้น ยาแก้ของข้อมูลผิดในวิทยาศาสตร์คือการแข่งขันระหว่างทีมที่วิเคราะห์ข้อมูลจากเครื่องมือ ซึ่งส่งเสริมให้เกิดการถกเถียงเพื่อไปถึงข้อสรุปที่น่าเชื่อถือ วิธีการนี้ไม่สามารถใช้ได้กับมนุษยศาสตร์หรือการเมืองที่การวัดที่เป็นวัตถุแบบเป็นตัวไม่ได้มีอยู่ วิธีการทางวิทยาศาสตร์นี้สามารถเสริมการศึกษาในยุค AI ได้หรือไม่?
หนึ่งในข้อเสนอคือการสร้างศูนย์ชุมชนเพื่อพิจารณาคำกล่าวโดยใช้การตรวจสอบทั้งจากมนุษย์และ AI โดยอิงตามความน่าเชื่อถือของแหล่ง โดยเฉพาะในการเมืองที่มักมีความคิดเห็นที่ขัดแย้งกันครอบงำ เนื่องจากขาดการยืนยันที่สามารถทดลองซ้ำได้แบบที่เห็นในวิทยาศาสตร์ นอกจากนี้ยังมีเรื่องของการให้ความสำคัญกับบทความจากผู้เชี่ยวชาญหรือหนังสือ ซึ่งโดยทั่วไปมีฐานการวิจัยที่กว้างขึ้น แต่ก็ไม่ใช่ว่าจะไม่มีข้อผิดพลาด ตัวอย่างของการต่อต้านความจริงในประวัติศาสตร์ เช่น การยอมรับทฤษฎีเฮลิโอเซนทริกของกาลิเลโอที่มาช้าโดยวาติกัน ปัจจุบัน มหาวิทยาลัยให้ความสนใจจำกัดในการรับประกันข้อมูลที่เชื่อถือได้สำหรับการศึกษาเยาวชน ซึ่งเป็นข้อบกพร่องที่อาจมีผลกระทบอย่างมากในอนาคตของวิทยาศาสตร์, การเมือง, และสุขภาพจิต เมื่อฉันสรุปการแลกเปลี่ยนความคิดเห็นกับ Fin และ Josh ฉันแสดงความหวังว่ารุ่นของพวกเขาจะสามารถแก้ไขปัญหาที่รุ่นของฉันทิ้งไว้ได้
Watch video about
การนำทางข้อมูลที่เชื่อถือได้ในยุคปัญญาประดิษฐ์
Try our premium solution and start getting clients — at no cost to you
