جهان پس از ChatGPT کاملاً تغییر کرد، و البته نویسندگی پزشکی هم — دوست است یا دشمن؟
در این مقاله
از بیماران سرطانی تا متخصصان سلامت، همه برای همگام شدن با پیشرفت‌های سریع هوش مصنوعی و نویسندگی پزشکی دشواری دارند. این موضوع مهم، هرچند حوزه‌ای تخصصی است، می‌تواند مستقیماً بر زندگی افراد بسیار متفاوتی اثر بگذارد.
پیدایش ChatGPT و ارتباط آن با نویسندگی پزشکی
توسعه‌یافته توسط OpenAI، ChatGPT در 30 نوامبر 2022 نام خود را به جهان شناساند. GPT مخفف Generative Pre-trained Transformer است و ابزاری برای گفت‌وگوی هوش مصنوعی بر پایه مدل‌سازی‌های زبانی بزرگ به شمار می‌رود. این هوش مصنوعی با توانایی تولید پاسخ به زبان طبیعی در برابر ورودی کاربر توجه را جلب می‌کند و با همین ویژگی در سراسر جهان شناخته شده است.
ChatGPT با پاسخ‌های اغلب دقیق و جامع به زبان انسان به پرسش‌ها توجه را جلب کرد. تا ژانویه 2023، سریع‌ترین برنامه نرم‌افزاری مصرف‌کننده از نظر رشد در تاریخ شد و با بیش از 100 میلیون کاربر، ارزش بازار OpenAI به 29 میلیارد دلار آمریکا رسید. کاربران سطح رایگان ChatGPT به مدل GPT-3.5 و مشترکان پولی به مدل پیشرفته‌تر GPT-4 دسترسی دارند.
ChatGPT معمولاً به‌عنوان ابزار کمکی در نوشتن مقالات پژوهشی علمی استفاده می‌شود. نخست پژوهشگر ایده یا مفهومی درباره موضوع ایجاد و آن را به ChatGPT ارائه می‌کند. ChatGPT می‌تواند با استفاده از این اطلاعات متن بیشتری بسازد که اغلب به پیش‌نویس یا متن مقدماتی تبدیل می‌شود. سپس پژوهشگر این متن را می‌گیرد، جزئیات می‌افزاید، اصلاح می‌کند و به‌طور کلی آن را بیشتر بررسی و پرداخت می‌کند. این فرایند می‌تواند نوشتن مقاله علمی را سریع‌تر کند و فرصت تمرکز بیشتری به پژوهشگران بدهد. با این حال، ChatGPT روزآمدی و درستی اطلاعات را تضمین نمی‌کند و بنابراین پژوهشگران باید دانش و یافته‌های خود را نیز به مقاله بیفزایند.
اثر آن بر فرهنگ عمومی در میان دنبال‌کنندگان فناوری و هوش مصنوعی زیاد است. ChatGPT کسانی را که از فناوری الهام می‌گیرند و مشتاق به‌کارگیری آن در رشته خود هستند هیجان‌زده می‌کند. اما برخی، مانند نویسندگان حرفه‌ای و تولیدکنندگان محتوا، ممکن است ChatGPT را زیان‌بار و تهدید بدانند، زیرا نتایج اغلب ناقص یا نادرست‌اند و ممکن است مالکیت فکری دیگران را نقض کنند.
همچنین چون ChatGPT به‌تنهایی توانایی ذکر منبع ندارد، احتمال نقل ناخواسته از منبعی دیگر یا ارائه پاسخی گمراه‌کننده یا سوگیرانه وجود دارد. این موضوع در رشته‌هایی مانند توصیه سلامت، نویسندگی و برنامه‌نویسی نگرانی ایجاد می‌کند، به‌ویژه اگر کاربران تمایل داشته باشند نتایج را «به‌اندازه کافی خوب» بپذیرند.
نوشته مرتبط: بیل گیتس — عصر هوش مصنوعی این بار واقعاً با ChatGPT آغاز شد
انتشارات پزشکی و نویسندگی پزشکی در تاریخ بشر جایگاهی مهم دارند. نیاز انسان‌ها به ثبت و اشتراک اطلاعات سلامت، به پیدایش نوشته‌ها و انتشارات پزشکی انجامید. تاریخ نشر پزشکی کمی پس از اختراع نوشتن آغاز می‌شود و نخستین متون پزشکی تا حدود 3000 پیش از میلاد قدمت دارند.
-
قرن‌های 19 و 20 دوره جهشی بزرگ در نشر پزشکی بودند. توسعه روش‌شناسی علمی و پیشرفت فناوری چاپ سبب شد پژوهش‌ها و کشفیات پزشکی به مخاطبانی گسترده‌تر برسند. در این دوره بسیاری از مجلات پزشکی و نشریات دانشگاهی که هنوز منظم منتشر می‌شوند تأسیس شدند. همچنین گام‌های مهمی برای استانداردسازی اخلاق و روش‌های پژوهش علمی برداشته شد.
-
دوره دیجیتال: قرن 21 روند دیجیتالی شدن نشر پزشکی را به همراه آورد. پیشرفت فناوری اطلاعات، دسترسی آسان‌تر و انتشار سریع‌تر اطلاعات پزشکی را ممکن کرد. مجلات پزشکی و پایگاه‌های داده آنلاین، دسترسی پزشکان، پژوهشگران و بیماران به اطلاعات روز پزشکی را آسان‌تر کردند.
نشر و نویسندگی پزشکی به پیشرفت علم پزشکی و بهبود سلامت انسان کمک بزرگی کرده‌اند. این حوزه همراه با فناوری و علم پیوسته تحول و تغییر می‌یابد.
داده همه‌چیز است!
امروز پشت موفقیت‌هایی که در مدل‌های زبانی بزرگ می‌بینیم، دو عامل مهم قرار دارند:
- داده‌های انباشته‌شده و
- روش‌هایی که می‌توانند این داده‌ها را پردازش کنند؛ یعنی یادگیری عمیق و فنون آن.
یادگیری عمیق رویکردی در هوش مصنوعی است که معمولاً برای پردازش و مدل‌سازی مجموعه‌داده‌های بزرگ به کار می‌رود.
یادگیری عمیق معمولاً با شبکه‌های عصبی چندلایه (Deep Neural Networks - DNNs) انجام می‌شود. این الگوریتم‌ها توانایی یادگیری ویژگی‌های پیچیده از داده‌های ورودی، معمولاً مجموعه‌داده‌های بسیار بزرگ، را دارند. این ویژگی‌ها در یک مدل زبانی می‌توانند برای نمونه ساختار دستوری و معنای زبان را دربر گیرند.
از یک سو، با آغاز عصر دیجیتال، انباشت داده‌ای از منابع متعدد وجود دارد که پیوسته رشد می‌کند و متنوع‌تر می‌شود. متن‌های شبکه‌های اجتماعی، مقالات علمی، کتاب‌ها، روزنامه‌ها و منابع بسیار دیگر، محیط یادگیری بی‌همتایی برای مدل‌های زبانی فراهم می‌کنند. هریک اطلاعاتی درباره کاربرد زبان، دستور زبان و روابط معنایی آن دارند. مجموعه‌داده بزرگ و متنوع به مدل امکان می‌دهد ساختارهای پیچیده و تنوع زبان را بهتر بیاموزد و تعمیم دهد.
از سوی دیگر، به لطف الگوریتم‌های یادگیری عمیق که می‌توانند این مجموعه‌داده‌های بزرگ را پردازش کنند، مدل‌های زبانی اکنون درکی بسیار پیشرفته‌تر از زبان دارند. این الگوریتم‌ها برای مدل‌سازی ساختار چندبُعدی داده‌ها از شبکه‌های عصبی لایه‌لایه استفاده می‌کنند. این کار به مدل امکان می‌دهد ویژگی‌های ظریف‌تر معنایی و نحوی زبان را دریابد. همچنین سخت‌افزار رایانه‌ای مدرن با توان و سرعت محاسباتی لازم برای پردازش حجم زیاد داده، یادگیری مؤثر این الگوریتم‌ها از مجموعه‌داده‌های بزرگ را ممکن می‌کند.
در نتیجه، داده‌های انباشته و الگوریتم‌های یادگیری عمیق، دو جزء کلیدی‌اند که به مدل‌های زبانی امکان بهترین عملکرد تاکنون را می‌دهند. تعامل این اجزا به ما اجازه مدل‌سازی و درک پیچیدگی و تنوع زبان را می‌دهد و دستیابی به سطحی بی‌سابقه از موفقیت در مهارت زبانی هوش مصنوعی را ممکن می‌کند.
با معرفی ChatGPT در پایان 2022، مدل‌های زبانی هوش مصنوعی مانند ChatGPT برای نوشتن و ویرایش مقالات علمی در دسترس قرار گرفتند. در این فرایند گفته می‌شود باید نحوه استفاده از چنین ابزارهایی ذکر شود و ابزارها در فهرست نویسندگان قرار نگیرند.
این نوشته راهنمایی برای درک این فرایند و اثر ابزارهای هوش مصنوعی بر نشر پزشکی است.
طبق بیانیه تازه کمیته بین‌المللی سردبیران مجلات پزشکی (ICMJE)، مدل‌های زبانی هوش مصنوعی می‌توانند به پژوهشگران در نوشتن و اصلاح مقالات علمی کمک کنند. کمیته گفته است این ابزارها نباید به‌عنوان نویسنده فهرست شوند و پژوهشگران باید توضیح دهند فناوری‌های مبتنی بر هوش مصنوعی چگونه به کار رفته‌اند.
این قواعد تازه، جدیدترین تلاش مجلات پزشکی برای تعیین سیاست استفاده از مدل‌های زبانی بزرگ (BDM) در انتشارات علمی‌اند. این ابزارهای مبتنی بر هوش مصنوعی می‌توانند در نوشتن، تحلیل داده، یافتن خطا و کارهای بسیار دیگر کمک کنند، اما مستعد خطا نیز هستند. همچنین کاملاً روشن نیست اطلاعات در این ابزارها چگونه ذخیره و پردازش می‌شوند و چه کسی به آنها دسترسی دارد.
در عین حال، متخصصان معتقدند این ابزارها با کاهش تفاوت‌های زبانی در نشر علمی و سبک کردن برخی کارهای یکنواخت یا مکانیکیِ همراه با نوشتن مقاله، می‌توانند بر این حوزه اثر مثبت بگذارند.
اما نکته‌ای که متخصصان بر آن توافق دارند این است که استفاده از ابزارهای هوش مصنوعی همچنان گسترش خواهد یافت. فکر می‌کنم در این نقطه دیگر گریزی از آن نیست.
تغییر در نشر پزشکی
OpenAI در نوامبر 2022، ChatGPT را منتشر کرد. به بیان خودشان، ChatGPT «یک مدل یادگیری عمیق است که با حجم زیادی از داده متنی (در نسخه نهایی با 170 تریلیون پارامتر) آموزش دیده تا متن را مانند انسان بفهمد و تولید کند». یک پرسش یا دستور وارد کنید تا پاسخ دهد. برای نمونه، وقتی از این ابزار پرسیده می‌شود چگونه می‌توان از آن در نشر علمی استفاده کرد، ChatGPT چنین پاسخ می‌دهد:
"ChatGPT می‌تواند در تولید ایده، توضیح مفاهیم، جست‌وجوی مقدماتی پیشینه پژوهش، پیشنهاد اصلاح و ویرایش و تنظیم و سازمان‌دهی مقالات علمی به نشر علمی کمک کند. اما باید به‌عنوان ابزار پشتیبان، همراه با راستی‌آزمایی از منابع علمی معتبر و دانش تخصصی به کار رود."
اندکی پس از عرضه ChatGPT، پژوهشگران استفاده از آن را در کار خود آغاز کردند. برای نمونه، دکتر سوم بیسواس، رادیولوژیست مرکز علوم سلامت دانشگاه تنسی، تنها طی 4 ماه برای نوشتن 16 مقاله علمی از ChatGPT استفاده کرد. پنج مقاله در چهار مجله متفاوت منتشر شدند. بیسواس مصاحبه درباره این مقالات را نپذیرفت.
گزارش‌هایی هم از مقالاتی وجود داشت که ChatGPT در فهرست نویسندگانشان بود و این موضوع واکنش‌هایی ایجاد کرد. در پاسخ، JAMA، Nature و Science در ژانویه نوشته‌هایی منتشر کردند که سیاست استفاده از ChatGPT و دیگر مدل‌های زبانی بزرگ در نویسندگی علمی را مشخص می‌کرد. سردبیران مجلات انجمن قلب آمریکا و انجمن روماتولوژی آمریکا نیز سیاست‌های خود را برای بازتاب اثر ابزارهای نویسندگی هوش مصنوعی به‌روز کردند.
نکته مورد توافق این است که هوش مصنوعی نباید در فهرست نویسندگان باشد.
"این وضعیت را مناسب نمی‌دانیم، زیرا هم‌نویسندگی به معنی پذیرفتن مسئولیت تحلیل و تولید داده‌های موجود در مقاله است. ماشینی که هوش مصنوعی آن را هدایت می‌کند، نمی‌تواند مسئولیت بپذیرد،» دکتر دنیل سولومون، روماتولوژیست بیمارستان بریگام و زنان و سردبیر مجله Arthritis & Rheumatology متعلق به ACR، چنین گفت.
مشکلات مرتبط با هوش مصنوعی
یکی از نگرانی‌های بزرگ درباره استفاده از هوش مصنوعی در نوشتن، توانایی تولید متنی است که داده‌ها از آن پشتیبانی نمی‌کنند یا واقعی نیست.
در مورد دیگری، ChatGPT به‌اشتباه ادعا کرد که یک استاد برجسته حقوق مرتکب تعرض جنسی شده، اما مقاله‌ای در Washington Post که این رویداد ادعایی را مستند کند وجود ندارد.
ما در جامعه‌ای زندگی می‌کنیم که به‌شدت نگران اخبار جعلی است. چنین خطاهایی در جامعه علمی قطعاً می‌توانند وضعیت را بدتر کنند؛ این نگران‌کننده است، زیرا علم سیاست عمومی را هدایت می‌کند.
مشکل دیگر، نبود شفافیت درباره نحوه پردازش و ذخیره داده‌هایی است که مدل‌های زبانی بزرگ مانند ChatGPT برای انجام درخواست‌ها به کار می‌گیرند.
OpenAI با اجازه دادن به کاربران برای خاموش کردن سابقه گفت‌وگوی خود با GPT، بخشی از نگرانی‌های حریم خصوصی را برطرف کرد تا گفت‌وگوها برای آموزش یا بهبود مدل‌های شرکت استفاده نشوند. اما شرایط خدمات هنوز نسبتاً مبهم است.
نگرانی واقعی این است که مدل‌های زبانی بزرگ (BDM) بسیار پیچیده‌اند و بسیاری از افراد سازوکار پشت چنین ماشینی را کاملاً درک نمی‌کنند.
این یعنی ابزارهای هوش مصنوعی مانند ChatGPT نمی‌توانند جای نویسنده را بگیرند — این فناوری صرفاً یک ابزار کمکی است. اما متخصصان این حوزه می‌پرسند وقتی خود هوش مصنوعی استفاده از ابزارها را آغاز کند، چه خواهد شد.
یکی از نگرانی‌ها آن است که همه استفاده از جمله‌های یکسان را آغاز کنند. این وضعیت خطر از دست رفتن غنا و تنوع زبان را به همراه دارد.
برای دیدن چگونگی تحول نقش هوش مصنوعی در نشر پزشکی در آینده، مطالعات بیشتری لازم است. ICMJE در فکر تشکیل گروه کاری برای ارائه راهنمای کلی استفاده از هوش مصنوعی در نشر پزشکی است.
فعلاً رابطه هوش مصنوعی و نشر پزشکی، رابطه دوستی یا دشمنی نیست، بلکه مسئله تعادل است — هوش مصنوعی می‌تواند به پژوهش پزشکی کمک کند، اما هم‌زمان ممکن است مسائل مهمی در دسترسی به اطلاعات و درستی آنها ایجاد کند.
منابع
آیا این مقاله برای شما مفید بود؟
بازخورد شما به بهبود محتوای ما کمک می‌کند.
نظرهای خوانندگان
نظر خود را بنویسید
نام و دیدگاه شما فقط پس از تأیید مدیر منتشر می‌شود. نشانی ایمیل شما هرگز به بازدیدکنندگان نمایش داده نمی‌شود.
اولین نظر را شما بنویسید.