آیندهٔ نگارش علمی: دنیای مقاله و پایان‌نامه به کدام سمت می‌رود؟
پرسشِ درست این نیست که «آیا استفاده از هوش مصنوعی ممنوع می‌شود؟»؛ این پرسش به جوابی بله یا نه نیاز دارد که امروز هیچ‌کس نمی‌تواند با قطعیت بدهد. پرسشِ مفیدتر این است: اگر این ابزارها بمانند — و نشانه‌ها می‌گوید می‌مانند — چه چیزی از این به بعد ارزشمندتر می‌شود؟
این متن پیش‌بینی نیست؛ تحلیلی است از آنچه امروز واقعاً می‌دانیم و آنچه با احتمالِ معقول از آن نتیجه می‌شود. هرجا دربارهٔ آینده حرف می‌زنیم، با «محتمل است» و «به نظر می‌رسد» حرف می‌زنیم، نه با قطعیت. آنچه امروز مستند است جدا گفته می‌شود و از مرزِ آن عبور نمی‌کنیم.
چرخشِ محتمل از «تشخیص» به «افشا»
سیاست‌های سال‌های گذشته بیشتر حولِ یک پرسش می‌چرخید: از کجا بفهمیم این متن را ابزار نوشته است؟ امروز روشن شده که این پرسش پاسخِ قابلِ اعتمادی ندارد. ابزارهای تشخیصِ متنِ هوش مصنوعی خطاپذیرند و نمونهٔ مستندِ آن این است که سازندهٔ یکی از مشهورترینِ این ابزارها، طبقه‌بندِ تشخیصِ متنِ خودش را با اعلامِ «دقتِ پایین» بازنشسته کرد. نتیجهٔ عملیِ همین خطاپذیری، مثبتِ کاذب است: متنِ کاملاً انسانی هم ممکن است «هوش مصنوعی» علامت بخورد.
وزارت علوم «راهنمای استفاده از ابزارهای هوش مصنوعی در پژوهش» را ابلاغ کرده است و به گزارشِ رسانه‌ها، خروجیِ ابزارهای تشخیصِ متنِ هوش مصنوعی به‌تنهایی نمی‌تواند مبنای قطعیِ اثباتِ تخلف باشد. اگر سنگِ بنای داوری روی ابزاری باشد که نمی‌تواند با اطمینان بگوید چه کسی نوشته، منطقی است که سیاست‌ها به‌جای شکارِ ابزار، روی افشا و مسئولیتِ نویسنده بایستند.
باید صریح گفت که امروز حکمِ روشنی برای این موضوع وجود ندارد: «قانونِ پیشگیری و مقابله با تقلب در تهیهٔ آثار علمی» و آیین‌نامهٔ اجراییِ آن هیچ بندی دربارهٔ متنِ تولیدشده با هوش مصنوعی ندارند. پس تصمیم به مقرراتِ دانشگاه، رویهٔ داوری و «افشا و ارجاع» برمی‌گردد. اگر می‌خواهید همین بحث را روی حالت‌های عملیِ خودتان ببینید، استفاده از هوش مصنوعی در پایان‌نامه: سرقت علمی است یا نه؟ سه حالت را از هم جدا کرده است.
در سطحِ بین‌المللی، رویهٔ ناشران روشن‌تر است: استفاده از ابزارِ هوش مصنوعی باید در زمانِ ارسالِ مقاله افشا شود و ابزار نمی‌تواند نویسندهٔ مقاله باشد؛ مسئولیتِ درستیِ متن و پرهیز از سرقتِ علمی کامل روی نویسندهٔ انسانی است. با این نشانه‌ها، محتمل است دانشگاه‌ها هم به سمتِ افشا حرکت کنند؛ اما این یک تحلیل است، نه خبر.
سه سناریو
سه مسیر را می‌توان پیشِ رو تصور کرد. هیچ‌یک قطعی نیست و این سه لزوماً یکدیگر را حذف نمی‌کنند؛ آنچه مهم است، دلیلِ محتمل‌تر بودنِ هرکدام است، نه پیش‌گوییِ یکی از آن‌ها.
ممنوعیتِ کامل
به نظر می‌رسد ممنوعیتِ کامل سخت‌ترین راه برای اجرا باشد. ابزار در دسترس است، تشخیصِ خطاپذیر نمی‌تواند ممنوعیت را کنترل کند، و سامانه‌هایی که فقط روی ممنوعیت تکیه می‌کنند اغلب به پنهان‌کاری می‌رسند، نه به کنار گذاشتنِ ابزار. از این گذشته، خدماتِ متعارف مثل تایپ، ترجمه، ویراستاری و کمک به گردآوریِ داده از دامنهٔ جرمِ قانون بیرون است؛ خطِ مرزی که همه را یک‌جا ممنوع کند، همین کارهای مجاز را هم در ابهام می‌گذارد.
افشای اجباری
محتمل‌ترین سناریو به نظر می‌رسد همین باشد. افشا با رویهٔ ناشرانِ بین‌المللی همسو است، به ابزارِ تشخیصیِ دقیق نیاز ندارد، و در نبودِ حکمِ صریحِ قانون، کم‌ریسک‌ترین راه برای دانشگاه‌هاست. شکلِ سادهٔ آن هم پیچیده نیست: یک بندِ روشن در پیشگفتار یا پیوست که بگوید ابزار در کدام گام به کار رفته و سهمِ نویسنده چه بوده است.
یکپارچه‌شدنِ ابزار در سامانه‌های دانشگاهی
سناریوی سوم این است که خودِ سامانه‌های دانشگاهی ابزار را در خود جا بدهند. اما باید دقیق گفت چه چیزی در این مسیر روشن است: سامانهٔ «همانندجو»ی ایرانداک شباهتِ متنیِ نوشتهٔ شما را با پایان‌نامه‌ها، رساله‌ها، مقاله‌ها و وب نشان می‌دهد و نمی‌گوید چه کسی نوشته است. ثبت در ایرانداک و مشابهت‌یابیِ پیش از دفاع رویهٔ الزامیِ تحصیلات تکمیلی است، اما این سامانه ابزارِ تشخیصِ نویسنده نیست.
در هر سه سناریو یک چیز مشترک است: هیچ‌کدام نمی‌تواند جای قضاوتِ انسانی را بگیرد. ممنوعیت به داورِ انسانی تکیه می‌کند تا تخلف را ببیند، افشا به او تکیه می‌کند تا سهمِ نویسنده را بسنجد، و سامانهٔ دانشگاهی در بهترین حالت شواهدِ متنی را برای همان داور آماده می‌کند.
آنچه تغییر نمی‌کند
هر سیاستی که انتخاب شود، بعضی چیزها جای خودشان را حفظ می‌کنند. مهم‌ترینشان ارزشِ خودِ مسئلهٔ پژوهشی است: ابزار می‌تواند متنِ روان بسازد، اما نمی‌داند کدام پرسش ارزشِ پاسخ دادن دارد. دادهٔ واقعی هم همین‌طور است؛ دادهٔ گردآوری‌شده، اندازه‌گیری‌شده و مستند، چیزی نیست که از متن بیرون بیاید.
قضاوتِ داورِ انسانی و مسئولیتِ نویسنده از این هم محکم‌تر می‌مانند. حتی در رویهٔ ناشرانِ بین‌المللی، مسئولیتِ درستیِ متن و پرهیز از سرقتِ علمی کامل روی نویسندهٔ انسانی است. هوش مصنوعی ممکن است شکلِ افشا و ابزارِ داوری را عوض کند، اما نمی‌تواند جای کسی را بگیرد که در پایان پایش به متن امضا می‌خورد.
مهارت‌هایی که ارزشمندتر می‌شوند
اگر افشا محورِ کار شود، ارزشمندترین مهارت این است که بدانید پرسشِ درست چیست و چطور آن را به طرحِ پژوهش تبدیل کنید. صورت‌بندیِ پرسش و طراحیِ روش، همان دو گامی است که هیچ ابزاری از عهدهٔ آن‌ها برنمی‌آید؛ چون اولی به قضاوت دربارهٔ اهمیت و دومی به شناختِ محدودیت‌های واقعیِ میدان وابسته است. تصویرِ کلیِ این مسیر را در نوشتن مقالهٔ علمی و ساختار IMRAD می‌بینید.
دوم، داوریِ نقادانهٔ خروجیِ ابزار. ابزار متنی روان تحویل می‌دهد که می‌تواند بسیار محتمل و در همان حال بی‌پشتوانه باشد؛ توانِ جدا کردنِ جملهٔ خوش‌ساخت از جملهٔ درست، مهارتی است که روزبه‌روز گران‌تر می‌شود. نوشتنِ تحلیلی و ویرایشِ عمیق هم در همین خانواده‌اند: بازنویسیِ زبان وقتی ارزش دارد که اندیشه‌ای پشتش باشد.
نقشِ زبانِ فارسی و ابزارهای بومی
منابعِ فارسی در مقایسه با انگلیسی شکافِ روشنی دارند و به نظر می‌رسد این شکاف دیرتر بسته شود. بخشی از خطاهایی که در متن‌های فارسی رخ می‌دهد از همین‌جا می‌آید: وقتی ابزار منبعِ فارسیِ کافی پیدا نمی‌کند، خطرِ ساختنِ ارجاعِ ساختگی بالا می‌رود. این مسئله با اعتمادِ بیشتر حل نمی‌شود؛ با ارجاعِ دستی به متنی که خودتان خوانده‌اید حل می‌شود.
در ابزارهای فارسی‌زبان هم دو کارِ متفاوت را نباید قاطی کرد: سنجشِ شباهتِ متنی با متن‌های دیگر، و پشتیبانی از نوشتن و ساختاردهی. سامانهٔ همانندجو در دستهٔ اول است و دربارهٔ اینکه نویسنده انسان است یا ابزار حرفی نمی‌زند. محتمل است ابزارهای بومی بیشتر به سمتِ دستهٔ دوم بروند، اما هیچ‌کدام جای داوریِ انسانی را نمی‌گیرد.
توصیه به دانشجویی که امروز شروع می‌کند
چند قاعده ماندگار است، مستقل از اینکه سیاست‌ها به کدام سمت بروند. اول، ردِ کار را نگه دارید: پیش‌نویس‌ها، یادداشت‌ها، تاریخ‌ها و مسیرِ رسیدن به نتیجه. این رد، هم سندِ سهمِ شماست و هم در دفاع کمک‌کننده است. دوم، نقشِ ابزار را جایی که لازم است صادقانه بنویسید؛ افشا در بیشترِ سناریوها ارزان‌تر از پنهان‌کاری تمام می‌شود.
سوم، روی مهارت‌هایی سرمایه‌گذاری کنید که با تغییرِ ابزار بی‌ارزش نمی‌شوند. یاد بگیرید خروجیِ ابزار را نقد کنید، نه اینکه فقط روانیِ آن را تحسین کنید. برای دیدنِ مرزهای عملی، راه‌های مجاز استفاده از هوش مصنوعی در نگارش علمی کارهای کم‌خطر را فهرست می‌کند و هیئت داوران هوش مصنوعی نویسپار نمونهٔ یک داوریِ ساختاری پیش از رسیدن به استاد راهنماست. هیچ‌کدام جای استاد راهنما و داورِ انسانی را نمی‌گیرد.
جمع‌بندی
آیندهٔ نگارش علمی بیشتر از آنکه دربارهٔ ممنوعیت باشد، دربارهٔ جابه‌جاییِ مسئولیت است: از پرسشِ «این متن را چه کسی نوشت؟» به پرسشِ «چه کسی پاسخِ این متن را می‌پذیرد؟». ابزارها این پاسخ را نمی‌پذیرند؛ نویسنده می‌پذیرد.
به نظر می‌رسد این تغییر کند و نامنظم پیش برود، چون حکمِ صریحی برای هوش مصنوعی وجود ندارد و هر دانشگاه و هر داور می‌تواند مسیرِ خودش را داشته باشد. در چنین وضعی، شفافیتِ ساده — نوشتنِ نقشِ ابزار و نگه‌داشتنِ ردِ کار — کم‌هزینه‌ترین بیمه‌ای است که در اختیار دارید.
