ในการทำวิจัยโดยใช้ AI ช่วย ความสามารถหลักของนักวิจัยกำลังผ่านการปรับมุมมอง:ในอดีตเราวัดความสามารถจาก «ความสามารถในการเขียนโค้ดด้วยตนเอง» แต่ปัจจุบัน AI สามารถสร้างโค้ดและสคริปต์การทดลองได้อย่างรวดเร็ว สิ่งที่หายากจริง ๆ คือการตั้งคำถามสำคัญ การกำหนดเกณฑ์การประเมินและการเปรียบเทียบที่เป็นธรรม และการตัดสินอย่างมีวิจารณญาณต่อหลักฐานที่ AI สร้างขึ้น
การเปลี่ยนบทบาท: จากผู้ลงมือทำสู่ผู้ตัดสินหลักฐาน
เมื่อต้นทุนการลงมือทำลดลงอย่างมาก บทบาทของนักวิจัยขยับจาก «ผู้ลงมือทำ» สู่ผู้กำหนดปัญหา ผู้ออกแบบการทดลอง และผู้ตัดสินหลักฐานAI รับหน้าที่เปลี่ยนความคิดให้เป็นคำตอบที่รันได้ แต่ «คำถามใดควรค่าแก่การตอบ หลักฐานใดควรค่าแก่การเชื่อ» ยังคงเป็นสิ่งที่นักวิจัยต้องตัดสินใจเอง
- ผู้กำหนดปัญหา:ตัดสินว่าปัญหาประเภทใดมีคุณค่าทางวิทยาศาสตร์ ไม่ใช่ปัญหาประเภทที่ให้ผลลัพธ์ง่ายที่สุด
- ผู้ออกแบบการทดลอง:แปลงความคิดที่คลุมเครือให้เป็นระเบียบวิธีการทดลองที่ปฏิบัติได้ ทำซ้ำได้ และเปรียบเทียบได้
- ผู้ตัดสินหลักฐาน:ตั้งข้อสงสัยต่อเส้นโค้ง ตัวชี้วัด และข้อสรุปที่ AI ให้มา และซักถามถึงขอบเขตความน่าเชื่อถือและเงื่อนไขที่ล้มเหลว
คำถามสำคัญสามประเภทที่มนุษย์ต้องเป็นผู้ตอบ
- สิ่งที่ต้องการเปลี่ยนแปลง:ครั้งนี้จะปรับพารามิเตอร์การปรับเหมาะ การเขียนโปรแกรม โครงสร้างอัลกอริทึม หรือกระบวนการวิจัยเอง? การเปลี่ยนแปลงในระดับที่ต่างกัน ย่อมมีความหมายของข้อสรุปที่ต่างกันโดยสิ้นเชิง
- ผลป้อนกลับของการประเมิน:ใช้อะไรเป็นตัวชี้วัดในการตรวจสอบ ใช้อะไรเป็นสัญญาณตัวแทนเพื่อประมาณเป้าหมายจริง เกณฑ์ผ่านอยู่ที่ระดับใด และกรณีใดถือว่าล้มเหลว——ทั้งสี่อย่างนี้ขาดสิ่งใดไม่ได้
- การเปรียบเทียบที่เป็นธรรม:เส้นฐาน งบประมาณ ความสุ่ม เงื่อนไขกำลังประมวลผล และการทดสอบทางสถิติสอดคล้องกันหรือไม่ การเปรียบเทียบที่ไม่สอดคล้องกันมักตีความความผันผวนแบบสุ่มหรือข้อได้เปรียบด้านกำลังประมวลผลเป็นความก้าวหน้าของอัลกอริทึม
ทำไม «รสนิยม» จึงสำคัญยิ่ง
AI สามารถสร้างแนวทางที่ «รันได้» จำนวนมาก แต่การทำได้ไม่เท่ากับการมีคุณค่าTaste matters:การตัดสินในบรรดาแนวทางที่ทำได้หลายหลากว่า ปัญหาใด สมมติฐานใด หลักฐานใดมีคุณค่าทางวิทยาศาสตร์อย่างแท้จริง นี่คือคุณค่าหลักของนักวิจัยที่เป็นมนุษย์ สอดคล้องกัน จุดเน้นของความสามารถเปลี่ยนจากความเร็วในการเขียนโค้ดเพียงอย่างเดียว สู่การคิดเชิงวิพากษ์ การนามธรรมเชิงระบบ การตัดสินในสาขา และการแบ่งงานระหว่างมนุษย์กับเครื่องจักร
