Współpraca Alberta Einsteina z Milevą Marić, która była jego nieformalnym wsparciem w pracy naukowej, stanowi analogię do relacji współczesnego badacza z generatywną sztuczną inteligencją. W eseju zidentyfikowano cztery role, jakie GEN AI może przyjąć w procesie budowy teorii: sprawnego encyklopedysty, szalonego innowatora, skrupulatnego recenzenta oraz problematycznego pijanego kartografa.
Historycy spierają się, jaki był wkład Milevy Marić w rozwój nauki. Mileva była fizyczką, matematyczką i jednocześnie żoną Alberta Einsteina. Jak podaje jej brat, wieczorami i nocami, kiedy nad miastem zapadała cisza, młode małżeństwo siadało razem przy stole i przy świetle lampy naftowej rozwiązywało zadania z fizyki. Wspólnie obliczali, pisali, czytali i dyskutowali. Mileva pełniła też funkcję recenzenta artykułów naukowych Alberta. Kiedy po pięciu tygodniach pracy nad artykułem o szczególnej teorii względności Albert położył się do łóżka na dwa tygodnie, Mileva wielokrotnie sprawdzała artykuł. Pomimo tego, Mileva nie jest autorką czy nawet współautorką żadnego artykułu naukowego. Albert również w sprzeczny sposób odnosił się do jej wkładu w swój sukces. Przyjąć jednak możemy, że Mileva była partnerką do rozmów o nauce, wsparciem w pracach badawczych i recenzentem pomysłów Alberta.
Celem niniejszego eseju jest przedstawienie poglądu, że generatywna sztuczna inteligencja (Gen AI) może pełnić rolę, którą pełniła Mileva w pracach badawczych Einsteina. W szczególności Gen AI może pełnić rolę kompetentnego, wszechstronnego i przyjaznego partnera do rozmów o badaniach. W artykule przedstawiono wnioski z doświadczeń autora w wykorzystaniu Gen AI w procesie budowy teorii z zakresu nauk o zarządzaniu. Wyróżniono cztery role jaką Gen AI pełniła wówczas. Są nimi: sprawny encyklopedysta, szalony innowator, skrupulatny recenzent oraz pijany kartograf (Zostały one przedstawione w tabeli 1.)
Tabela 1. Zestawienie ról pełnionych przez Gen AI w procesie budowy teorii
Pierwszą rolą Gen AI jest sprawny encyklopedysta, który potrafi tłumaczyć złożone zjawiska oraz syntetyzować rozproszone informacje, czerpiąc jednocześnie z odległych silosów, jakimi są nurty badawcze, dyscypliny czy też poszczególne teorie. Dzięki temu jest w stanie dokonywać odległych porównań, np. tworzyć analogie między biologią i ekonomią czy też fizyką a socjologią organizacji.
Występuje tu jednak ryzyko halucynacji, czyli podawania fikcyjnych, choć pozornie wiarygodnych informacji, dlatego też badacz musi zachować pewną dozę ostrożności i sceptycyzmu. Ryzyko to również występuje, gdy z prośbą o podanie analogii między odległymi koncepcjami zwrócimy się do osoby zajmującej wysoką pozycję w hierarchii naukowej, która w tradycji anglosaskiej określana jest jako distinguished scholar.
Przykładowe prompty dla roli sprawnego encyklopedysty:
- porównaj opisany poniżej model konceptualny z popularnymi w literaturze przedmiotu modelami,
- porównaj Przeciw metodologii Paula Feyerabenda z Przeciw interpretacji Susan Sontag,
- wyjaśnij, w jaki sposób statystyka bayesowska może być wykorzystana w procesie wnioskowania historycznego.
Drugą rolą jest szalony innowator – kreatywny generator pomysłów, który przydaje się szczególnie w momencie impasu twórczego. Usługi Gen AI produkują w ilościach przemysłowych: nowe pomysły, hipotezy badawcze, rozszerzenia istniejących koncepcji. Działają jak połączenie maszyny i osoby w procesie kreatywnym; są szybkie, twórcze i nieprzewidywalne.
Stworzone w ten sposób koncepcje charakteryzują się zróżnicowaną użytecznością. Odsetek wartościowych pomysłów zapewne będzie niski. Nie powinno być to zaskoczeniem, gdyż problem ten pojawia się również w klasycznej burzy mózgów. Zadaniem badacza jest zatem filtracja. Z wykorzystaniem własnego osądu wyławia on z potoku chaotycznych idei potencjalne bryłki złota.
Przykładowe prompty dla roli szalonego innowatora:
- zaproponuj rozszerzenie przedstawionego modelu, bazując na wnioskach z teorii X.
- w jaki sposób liczby pierwsze mogą być wykorzystane w badaniach z zakresu nauk o zarządzaniu?
- stwórz teorię przewagi konkurencyjnej odnoszącej się do ery sztucznej inteligencji w stylu Michaela Portera.
W trzeciej wyróżnionej roli, jaką jest skrupulatny recenzent, Gen AI zapewnia badaczom recenzję ich pracy. Usługi Gen AI formułują precyzyjne uwagi, identyfikują niespójności w argumentacji, wychwytują niejasności, wskazują luki w logice lub odwołaniach do literatury. Działają jak niezawodny recenzent, który pozostaje skupiony, drobiazgowy, nieprzejmujący się pozycją autora w środowisku naukowym. Naturalnie, część wygenerowanych uwag może być nietrafiona. Przypomina to jednakże sytuację z seminarium naukowego. Spośród otrzymanych wówczas uwag – zdaniem autora niniejszego artykułu – jedynie 30% ma wartość aplikacyjną. Pozostałe natomiast obrazują sposób odbioru koncepcji przez społeczność akademicką.
Przykładowe prompty dla roli skrupulatnego recenzenta:
- działaj jako mój promotor; podaj konstruktywną krytykę poniższego modelu,
- jesteś recenzentem w czasopiśmie „X”; sporządź recenzję naukową załączonego artykułu,
- zidentyfikuj słabe strony poniższej koncepcji.
Pijany kartograf to czwarta z wyróżnionych ról-metafor. Rola kartografa w budowie teorii – według Debory MacInnis (2011) – polega na umiejscowieniu obiektów w ramach danej teorii i odwzorowania relacji między nimi. Na tym etapie często tworzone są modele konceptualne, czyli graficzne przedstawienie relacji w ramach danej teorii. To zadanie wymaga nie tylko myślenia systemowego, wykorzystania wiedzy ukrytej, zrozumienia licznych niuansów, ale również odwzorowania zamysłu autora. Temu zadaniu sztuczna inteligencja zazwyczaj nie jest w stanie sprostać. Generuje struktury arbitralne, przypadkowe lub nadmiernie dopasowane do istniejących wzorców. Stąd też ta rola została określona mianem pijanego kartografa. Nie oznacza to jednakże, że tego typu opracowania są bezwartościowe. Przypominają raczej prace stworzone przez studentów lub początkujących doktorantów, w których mogą kryć się wartościowe pomysły.
Przykładowe prompty dla roli pijanego recenzenta:
- stwórz model konceptualny obejmują poniższe elementy i przedstawiający relacje między nimi,
- do stworzonego modelu dodaj wymiary nawiązujące do wyróżnionych luk badawczych.
Zastosowanie usług Gen AI w pracy teoretycznej niesie szereg istotnych korzyści. Przede wszystkim cechują się one wysoką dostępnością. Badacz, niezależnie od miejsca i czasu, może błyskawicznie rozpocząć rozmowę z Gen AI, bez ponoszenia większych kosztów oraz bez konieczności posiadania umiejętności technicznych. Z tym łączy się szybkość uzyskania odpowiedzi. Usługi Gen AI dostarczają propozycji rozwiązań, hipotez czy porównań niemal natychmiast, redukując czas oczekiwania typowy dla tradycyjnych metod, takich jak kwerendy literaturowe czy konsultacje ze współpracownikami. Ponadto, jak wskazano powyżej, usługi te potrafią pełnić zróżnicowane role w procesie badawczym. Pod tym względem często okazują się bardziej wszechstronne niż wielu badaczy, którzy zwykle odnajdują się jedynie w wybranych rolach, np. sceptyk wartościujący nie zawsze sprawdza się jako innowator.
Kluczową wadą jest natomiast brak osądu typowego dla doświadczonego badacza. Osąd w tym kontekście rozumiany jest jako zdolność do wartościowania koncepcji, priorytetyzowania rozwiązań oraz wyboru najlepszego wariantu. Jest subiektywny, zakorzeniony w doświadczeniu i intuicji badacza oraz uwarunkowany kontekstowo. Pozwala na często szybką odpowiedź, które rozwiązanie jest ciekawe lub wartościowe z punktu widzenia zamierzeń badawczych. Osąd badacza pozostaje więc poza zasięgiem współczesnych modeli, choć trzeba przyznać, że usługi Gen AI charakteryzują się osądem w prostszych, niezwiązanych z badaniami naukowymi, sytuacjach. Dodatkowo, istnieją problemy badawcze, w których rozwiązywaniu osąd badacza może być zastąpiony przez algorytmy (por. problemy matematyczne).
W eseju podjęto próbę wykazania, że generatywna sztuczna inteligencja staje się dziś niezwykle wszechstronnym partnerem badacza w procesie budowy teorii. Może być pomocna w syntetyzowaniu rozproszonej wiedzy, generowaniu nowych koncepcji, formułowaniu krytycznych uwag oraz porządkowaniu struktury teorii. Narzędzie to zwiększa szybkość pracy twórczej i odciążą badacza w mniej twórczych, a uciążliwych działaniach. Dodatkowo, wzmacnia jego kompetencje, choć nie zastępuje osądu naukowego. W tym kontekście wykorzystanie usług Gen AI w pracy badawczej przypomina współpracę Alberta Einsteina z Milevą Marić. Współpracę tę Albert określił w jednoznaczny sposób: „Potrzebuję mojej żony. Rozwiązuje dla mnie wszystkie problemy matematyczne”.
W rezultacie w opisywanym podejściu rozwój teorii z wykorzystaniem Gen AI ma charakter iteracyjny. Po każdej odpowiedzi badacz dokonuje jej krytycznej oceny, następnie nadaje kierunek kolejnej iteracji, precyzuje pytania lub koryguje błędne wątki. Nie dochodzi tu zatem do automatyzacji w znaczeniu zamkniętej pętli działania, która mogłaby przebiegać bez udziału człowieka. Wręcz przeciwnie, człowiek pozostaje stale obecny w pętli (ang. human in the loop). Odpowiedzialny jest za ocenę, interpretację, korektę otrzymanych propozycji i wybór dalszego sposobu postępowania.
Do tego dochodzą innego rodzaju ryzyka. Jednym z nich jest możliwość uzależnienia badacza od usług Gen AI, prowadząca do osłabienia kompetencji analitycznych lub kreatywnych. Nadmiar treści i bodźców, które generują modele, może wprowadzać chaos, rozmywać cel analizy lub wręcz utrudniać pracę koncepcyjną. Często podnosi się również kwestię kosztu ekologicznego. W mojej ocenie, przy zrównoważonym korzystaniu z Gen AI – obejmującym analizę otrzymanych wyników i refleksję badacza – wpływ ten nie jest znaczny, ponieważ liczba generowanych poleceń pozostaje niewielka. Jednocześnie narzędzie to przyspiesza proces badawczy, co może prowadzić do obniżenia kosztów badań i – co ważniejsze – do osiągnięcia lepszych rezultatów.
W eseju podjęto próbę wykazania, że generatywna sztuczna inteligencja staje się dziś niezwykle wszechstronnym partnerem badacza w procesie budowy teorii. Może być pomocna w syntetyzowaniu rozproszonej wiedzy, generowaniu nowych koncepcji, formułowaniu krytycznych uwag oraz porządkowaniu struktury teorii. Narzędzie to zwiększa szybkość pracy twórczej i odciążą badacza w mniej twórczych, a uciążliwych działaniach. Dodatkowo, wzmacnia jego kompetencje, choć nie zastępuje osądu naukowego. W tym kontekście wykorzystanie usług Gen AI w pracy badawczej przypomina współpracę Alberta Einsteina z Milevą Marić. Współpracę tę Albert określił w jednoznaczny sposób: „Potrzebuję mojej żony. Rozwiązuje dla mnie wszystkie problemy matematyczne”.
Podane w artykule informacje o Milevie Marić pochodzą z artykułu autorstwa Pauline Gagnon pt. The overlooked genius of Mileva Marić, Einstein’s first wife, opublikowanym w czasopiśmie „Scientific American” w 2016 roku. Usługi Gen AI zostały wykorzystane przy opracowaniu artykułu do m.in. przeformułowania myśli, stworzenia pierwszej wersji tabelki, redakcji tekstu.
DR HAB. TYMOTEUSZ DOLIGALSKI, PROF. SGH, kierownik Zakładu e-Biznesu, Instytut Informatyki i Gospodarki Cyfrowej, Kolegium Analiz Ekonomicznych SGH, zastępca dyrektora AI Lab Międzykolegialnego Centrum Sztucznej Inteligencji i Platform Cyfrowych SGH. Kierownik studiów podyplomowych Sztuczna Inteligencja i Automatyzacja w Marketingu oraz Marketing Internetowy. Autor wielu publikacji głównie z zakresu modeli e-biznesu, platform cyfrowych oraz e-marketingu. Redaktor naukowy oferowanej w swobodnym dostępie monografii Sztuczna inteligencja w przedsiębiorstwach i gospodarce (AI Spring 2024). Opiekun naukowy zespołów studenckich biorących udział w konkursach z marketingu internetowego (1. miejsce na świecie w latach 2012, 2014, 2022). Notki badawcze publikuje na blogu doligalski.net.
