Jeśli spędzasz dnie na czytaniu o formowaniu się sojuszy, reżimach traktatowych czy polityce międzynarodowego rozwoju, prawdopodobnie już żyjesz wewnątrz JSTOR. Ja tak. Jestem studentem stosunków międzynarodowych na Cambridge, a to archiwum jest moim domyślnym miejscem pracy, odkąd tylko pamiętam. W zeszłym semestrze, kiedy JSTOR wprowadził swoje nowe narzędzie badawcze AI, podchodziłem do niego jak do każdej innej nowej funkcji: z nieufnością. Podobnie jak wielu studentów i wykładowców w moim otoczeniu, obserwowałem, jak ChatGPT potyka się o podstawowe fakty, zmyśla cytowania i produkuje pewne siebie bzdury. Nie potrzebowałem kolejnego gadżetu, który obiecywał myślenie za mnie. Potrzebowałem czegoś, co pomoże mi myśleć lepiej, nie zatruwając przy tym moich przypisów.
Używałem więc tego narzędzia intensywnie przez cały semestr, aby sprawdzić, czy rzeczywiście jest inne. Po tygodniach pracy nad kursami i pisania esejów mogę powiedzieć, że to nie jest sztuczka. Zmienia ono sposób, w jaki poruszasz się po materiale akademickim, i to z powodów bardziej praktycznych niż efektownych.
Dlaczego ta nieufność miała sens
Podejrzliwość świata akademickiego wobec generatywnej sztucznej inteligencji nie wzięła się znikąd. Gdy twoja ocena zależy od dokładności daty rezolucji ONZ lub precyzyjnego brzmienia mandatu Rady Bezpieczeństwa, nie ma miejsca na halucynacje. ChatGPT i inne asystenty oparte na otwartym internecie mają dobrze udokumentowaną tendencję do generowania prawdopodobnych, ale fałszywych tytułów źródeł, błędnego przypisywania cytatów i wygładzania niuansów, aż te całkowicie znikną. Kiedy wspomniałem mojemu promotorowi, że testuję narzędzie JSTOR, obawy pojawiły się natychmiast: czy będzie zmyślać źródła? Czy będzie parafrazować złożone argumenty w mylące streszczenia? To zasadne pytania, ponieważ pojedynczy błędny cytat może podważyć całą pracę badawczą.
Różnica w przypadku narzędzia JSTOR polega na tym, gdzie szuka ono odpowiedzi. Nie przeszukuje ono otwartego internetu. Pracuje bezpośrednio na zaufanych źródłach akademickich znajdujących się już w archiwum JSTOR. Ta różnica brzmi nieznacznie, ale zmienia wszystko.
Pozostanie wewnątrz ogrodzonego ogrodu
Większość moich badań w zeszłym semestrze polegała na śledzeniu, jak literatura dotycząca sankcji ekonomicznych przecina się z ramami praw człowieka. To gęsta, interdyscyplinarna praca. Zazwyczaj proces wygląda tak: przeprowadzam wyszukiwanie słów kluczowych, otwieram trzydzieści kart, czytam abstrakty, pobieram może dwanaście plików PDF, a potem spędzam dni, próbując przypomnieć sobie, który autor dokonał jakiego subtelnego rozróżnienia. To jest powolne. To jest konieczne. Ale to jest powolne.
Dzięki narzędziu AI zintegrowanemu z archiwum mogłem zadawać bezpośrednie pytania o relacje między argumentami i otrzymywać odpowiedzi, które były w całości zakotwiczone w artykułach, które mogłem faktycznie otworzyć i zweryfikować. Narzędzie wskazało mi powiązania między nauką o prawie międzynarodowym a badaniami nad ekonomią polityczną, które wcześniej przeoczyłem. Nie były to syntetyczne streszczenia wyciągnięte z wątków na Wikipedii. Były to ścieżki prowadzące przez rzeczywiste, recenzowane materiały, które znajdowały się w tej samej bazie danych, której już ufałem.
Ma to znaczenie dla każdego, kto pracuje w historii, politologii lub jakiejkolwiek dziedzinie, w której ze źródłami pierwotnymi i wtórnymi należy obchodzić się z ostrożnością. Nie zlecasz swojego osądu „czarnej skrzynce”. Korzystasz z przewodnika, który nie wychodzi poza bibliotekę.
Szybkość, która nie kosztuje dokładności
Największą praktyczną zmianą dla mnie było tempo. Terminy na Cambridge nie wybaczają opóźnień i zawsze istnieje pokusa, by poświęcić rzetelność na rzecz szybkości. Widziałem kolegów i koleżanki, którzy polegali na AI z otwartego internetu, aby generować przeglądy literatury, tylko po to, by kilka dni później spędzać czas na usuwaniu fałszywych odniesień. Narzędzie JSTOR pozwoliło mi szybciej poruszać się po archiwach bez utraty dokładności, ponieważ każda sugestia zawierała bezpośredni link do rzeczywistego źródła. Mogłem sprawdzić oryginalny tekst w kilka sekund. Jeśli streszczenie wydawało się nieścisłe, pełny artykuł był tuż obok, aby to skorygować.
Podczas pisania eseju o postkolonialnych podejściach do sporów granicznych, narzędzie pomogło mi dostrzec wątek łączący studia regionalne z połowy wieku z nowszą krytyczną nauką o bezpieczeństwie. Ostatecznie znalazłbym to poprzez ręczne przeszukiwanie, ale zajęłoby mi to kolejny tydzień przeglądania materiałów. Zamiast tego spędziłem ten tydzień na głębokiej lekturze, zamiast na ślepym polowaniu.
To jest ten praktyczny szczegół, który gubi się w debatach o AI w edukacji. Problemem dla większości studentów nie jest szybkość pisania. Jest nią szybkość odkrywania. Wiedza o tym, które pięć artykułów z możliwych pięciuset należy przeczytać uważnie, to połowa sukcesu. Narzędzie zajmuje się wstępną selekcją, abyś ty mógł zająć się myśleniem.
Redukowanie szumu
Fałszywe informacje nie zawsze są dramatyczne. Czasami to subtelnie błędna data. Czasami to błędnie zinterpretowana rama teoretyczna, przekazywana dalej, ponieważ nikt nie sprawdził oryginału. Ponieważ to narzędzie zmniejsza ryzyko dezinformacji, opierając się na indeksowanym korpusie JSTOR, poziom szumu znacząco spada. Nadal trzeba czytać krytycznie. Żadne narzędzie tego nie zastąpi. Ale poświęcasz mniej czasu na sprawdzanie, czy dane źródło w ogóle istnieje.
Zauważyłem to najbardziej podczas recenzowania złożonych prac metodologicznych. Badania w dziedzinie stosunków międzynarodowych (IR) często łączą analizę ilościową z historycznymi studiami przypadków, a techniczny