Društvene znanosti bez znanstvenika? AI i ulazak u novu eru društvenih znanosti
Počevši s Hovlandom, Schrammom, Katzom, teorijom hipodermičke igle pa preko Lazarsfeldove teorije dvostupanjskog djelovanja komunikacije, komunikacijske znanosti razvijale su se prvenstveno kako bi pokušale odgovoriti na pitanja kako mediji utječu na ljude te kako ljudi razumiju medijske poruke. Tek nakon toga širile su svoj problemski spektar na sve ono što ih danas problemski određuje.
Pitanje o utjecaju medija na ljude nije samo fundamentalno pitanje komunikologije kao znanosti, ono je u velikoj mjeri i pitanje koje je na različite načine utjecalo na razvoj tržišne komunikacije kao i na razvoj primijenjenih komunikoloških istraživanja. Naime, razvoj oglašavanja s vremenom je kao jedno od ključnih mjesta postulirao problematiku komunikacijske učinkovitosti oglasa koji se masovno medijski posreduju. Da li ih recipijenti uočavaju, kako tumače poruke, jesu li razumljive, informativne, prenose li željena značenja itd. Sve ovo posebice je važno u zadnjih pola stoljeća, u vrijeme kada medijatizacija postaje jedan od ključnih procesa u modernim društvima. Iz toga nastaju i čitave „industrije“ u kojima su se kao ključni tip stručnjaka pojavljuju visoko obrazovani kadrovi društveno-humanističkog profila (psiholozi, komunikolozi, sociolozi, ekonomisti). Uz povezane stručnjake iz akademskog miljea oni su glavni „krivci“ brzog razvoja metodologije primijenjenih komunikoloških istraživanja. Paralelno s razvojem masovnih medija i medijske industrije kao i „industrije“ oglašavanja, razvijali su se i metodski pristupi istraživanju učinkovitosti medijske komunikacije, razvijale su se specifične kvantitativne i kvalitativne tehnike, nastajala su specijalizirana poduzeća (npr. svojedobno najpoznatije – Millward Brown): nastala je jedna specifična i metodski razvijena istraživačka subdisciplina.
Strojevi kao istraživači ljudske komunikacije
Veliki dio svoje profesionalne karijere bavio sam se, između ostalog, i ovom vrstom istraživačkog rada. Posvetio sam mu priličan broj radnih dana – bilo na učenje bilo na prakticiranje. Testirao sam brojne komunikacijske ideje, koncepte i verzije oglasa, mjerio učinkovitost komunikacijskih kampanja, analizirao njihova komunikacijska svojstva da bi nedavno saznao da će taj zanimljiv istraživački posao uskoro vrlo vjerojatno nestati. Istraživanje komunikacije, nečeg tako duboko specifično ljudskog, preuzet će strojevi, tj. umjetna inteligencija. Prema riječima istraživača komunikacije s kojima sam nedavno razgovarao ubrzano se razvijaju AI alati koji će primjerice sami procjenjivati vjerojatnu komunikacijsku učinkovitost pojedinih komunikacijskih formi. Dakle, stručnjak-komunikolog, ili psiholog masovnih medija, sociolog masovne komunikacije, neće više trebati predlagati moguće metodološke opcije, pristupe, tehnike istraživanja potrebnih za rješavanje ove vrste istraživačkih zahtjeva. AI će sam procijeniti komunikacijska obilježja, moguće efekte, probleme s pojedinim tipom komunikacijskog materijala te dati sugestije za njegovo poboljšanje. Što će raditi spomenuti komunikolog, psiholog i sociolog, i hoće li uopće trebati išta raditi, pitanje je na koje nemam trenutni odgovor.
No, ovakva budućnost definitivno nije sudbina samo društveno-znanstvenih stručnjaka koji djeluju na spomenutom području. Zapravo, pitanje o tome što od društveno-znanstvene ekspertize u skoro vrijeme ostaje ljudima, a što preuzimaju strojevi, relevantno je kako za primijenjenu-komercijalnu, tako i za akademsku sferu društvenih znanosti.
Neizvjesna sudbina ključnih znanstveno-istraživačkih kompetencija
Ključne znanstvene kompetencija za bavljenje znanošću podrazumijevaju i poznavanje metoda svojstvenih znanosti koju znanstvenik prakticira te znanje kako se one koriste u konkretnim znanstvenim praksama: koje metode koristiti i na koji način da bi se došlo do odgovora na specifična znanstvena pitanja? Jednako tako važna kompetencija je i poznavanje postupaka i procedura koje omogućuju ispravno tumačenje rezultata znanstvenih istraživanja do kojih se došlo primjenom specifičnih metoda. Ova znanja ili kompetencije važne su komponente kulturnog kapitala znanstvenika i obično im se posvećuju značajna pažnja u procesu akademskog obrazovanja – postoje brojni kolegiji na sveučilištima koji služe da budući znanstvenici steknu ovakvu vrstu kulturnog kapitala.
Naposljetku, veliki dio znanstveno-istraživačkog posla uključuje primjenu upravo ovakvih znanja. Npr. društveni znanstvenici veliki do svog istraživačkog radnog vremena ulažu u konstrukciju mjernih ljestvica, upitnika, protokola za fokus grupe ili intervjue, kodiranje podataka, promišljanje o modalitetima njihove statističke obrade, statističkoj obradi i analizi. U konačnici tome posvećuju i znatan dio svoga znanstvenog pisanja – obično je znatni dio znanstvenih članaka posvećen legitimiranju i objašnjenju poduzetih metodskih koraka.
Je li moguće zamisliti da ovaj dio znanstvenog posla u skoro vrijeme više neće obavljati znanstvenici? Vrlo lako. Primjerice, ne vidim razlog zbog kojeg umjetna inteligencija uskoro ne bi bila superiornija u izradi mjernih instrumenata od ljudi. Nije li realno za pretpostaviti da će znanstveni instituti, npr. IDIZ ili Ivo Pilar, kao što sada kupuju softvere za kvalitativnu i kvantitativnu obradu podataka, za dvije ili tri godine kupovati specifične AI module za izradu upitnika ili za kodiranje rezultata intervjua. Npr., zašto bi znanstvenici koji rade na nekom znanstvenom projektu s temom političkog populizma potrošili svoje dragocjeno vrijeme na konstrukciju neke ljestvice kada mogu zatražiti da AI predloži neka već gotova rješenja ili da napravi kompilaciju provjerenih te da pritom procijeni njihova očekivana metrijska svojstva – pouzdanost, kriterijsku, konstruktnu ili prediktivnu valjanost. Dakle, proces operacionalizacije u ovom slučaju se u potpunosti preskače, a dobiva se gotovo i pouzdano rješenje. Isto je i s obradom podataka. Zbog čega ulagati veliki napor u učenje kako koristiti SPSS ili neki program za kvalitativnu obradu podataka (koliko je samo vremena potrebno da bi se naučilo ispravno pisati sintaksu u SPSS-u ili da bi se familijariziralo sa svim funkcionalnostima programa za kvalitativnu analizu)? Već sada AI savršeno interpretira rezultate statističkih analiza provedenih u nekom statističkom softveru ili ima mogućnost obaviti standardne statističke analize ako joj se ponudi baza podataka. Očito je sasvim izvjesno da će uvriježena forma prakticiranja kvantitativnih metoda u društvenim znanostima u skoro vrijeme podrazumijevati da znanstvenik u AI imputira nacrt istraživanja s popisom istraživačkih pitanja, ciljeva, hipoteza kao i bazu podataka te zatraži provedbu adekvatnih statističkih procedura kako bi se došlo do potrebnih spoznaja. Za razliku od postojećih statističkih softvera koji kao ishod nude vrijednosti statističkih indikatora, umjetna inteligencija već sada nudi njihovu savršenu interpretaciju, a s daljnjim razvojem vrlo vjerojatno će nuditi i savršeno napisan znanstveni članak. Što preostaje znanstveniku? Dotjerivanje već napisanog članka? Ili samo priprema i provedba istraživanja? Ili čak niti to?
Ista pitanja relevantna su i za prakticiranje kvalitativnih metoda istraživanja. Npr. teško je vjerovati da uloga istraživača u jednom od ključnih koraka kvalitativnog istraživačkog procesa – kodiranju, u skoro vrijeme neće u potpunosti biti preuzeta od AI. Već sada je AI odličan asistent u tom proces – ako joj se daju solidne upute, vrlo dobro obavlja inicijalno kodiranje, a u budućnosti će sasvim sigurno biti njegov glavni, ako ne i isključivi akter. Vrlo lako je za pretpostaviti da će u godinama koje slijede AI biti superiornija od ljudi u identificiranju postojećih tema (npr. u kontekstu tematske analize), ključnih riječi, strukturiranju i sortiranju kodova, predlaganju sheme kodiranja, sintetiziranju podataka u konceptualne sheme i slično. Posljedično tome i postojeći softveri koji se koriste za potrebe kvalitativnih i kvalitativnih analiza, ako hoće preživjeti vjerojatno će u sebe morati snažno integrirati AI. No možda ni to neće biti dovoljno, možda će puno jeftinije, ali i prikladnije biti korištenje različitih AI modula koje će za svoje potrebe od tehnoloških kompanije unajmljivati akademske institucije.
Što preostaje?
Preostaje puno pitanja na koje nema adekvatnih odgovora. Iako se pomalo etabliraju pravila koja reguliraju korištenje AI u znanstvenom radu – npr. uglavnom se dopušta korištenje umjetne inteligencije kao metodološke pomoći, pri čemu se autorima nalaže da to naznače u članku, penetracija AI u sve sfere života, pa tako i u znanost, zasigurno je puno brža od razvoja regulative. Evo jednog primjera – što je s recenzijama? Vrlo često u empirijskim radovima ili u prijedlozima znanstvenih projekata značajna dio recenzije otpada na metodologiju – savjete, sugestije, primjedbe ili kritike. No, što će biti ako jednom dana strojevi preuzmu kompletan metodološki posao – npr. ukoliko bude legitimno da odlučuju o izboru procedura koje treba provesti da bi se testirala neka hipoteza te interpretiraju ishode analize? Tko će tada recenzirati metodologiju – čovjek ili drugi stroj? I hoće li takav tip recenzije uopće biti potreban? Ili kako znati da već sada recenzije koje kao autor nekog članka dobijete nisu strojno generirane?
Međutim, puno je važnije, gotovo krucijalno pitanje što će se dogoditi ako AI jednom postane superiorniji znanstvenik od znanstvenika-čovjeka? Primjerice, još uvijek većina znanstvenih časopisa ne prihvaća AI kao autora ili koautora znanstvenog članka. Što će se dogoditi ukoliko jednog dana AI postane dokazano bolji „znanstvenik“ od čovjeka? I to ne samo u metodološko-interpretativnim, „tehničkim“ znanstvenim poslovima već i u onima za koje i sam AI trenutno ističe da su ljudi superiorniji – u sposobnosti postavljanja znanstvenih pitanja, konceptualiziranja, teorijskih sinteza i kontekstualne interpretacije. Što ukoliko i u ovim fazama znanstvenog rada AI jednog dana postane bolji znanstvenik od čovjeka? Hoće li tada neprihvaćanje AI kao koautora ili „autora“ zapravo značiti kočenje znanstvenog napretka? I ono još bitnije? Što u tom slučaju preostaje znanstvenicima? Hoće li zapravo nestati znanosti kao one forme djelatnosti u kojoj centralno mjesto zauzima znanstvenik?
U svakom slučaju neprijeporno je da umjetna inteligencija svakim danom sve više i više umanjuje važnost pojedinih kompetnecija ljudi – znanstvenika. U društvenim znanostima to znači i sve manju važnost uloge koja se snažno etablirala u zadnjih pola stoljeća, a koja se, kako je to istaknuo Toni Pranić, uspostavila razvojem komputacijskih društvenih znanosti. To je uloga društvenog istraživača savršeno opremljenog kompletnim metodološko-statističkim znanjima potrebnim za provedbu empirijskih znanstvenih istraživanja i publiciranje empirijski utemeljenih znanstvenih članaka. Nesumnjivo je da razvoj AI upravo ide na uštrb takve znanstveno-istraživačke uloge, dok s druge strane još uvijek nisu jasni obrisi novih uloga koje će znanstvenici na sebe preuzeti u nadolazećoj i nedvojbeno drugačijoj eri društvenih znanosti. Je li moguće da se znanstveni instituti u skoro vrijeme transformiraju u male intelektualne manufakture, zajednice refleksivnih intelektualaca, teorijski potkovanih i metodološki dovoljno pismenih kako bi organizirali i usmjeravali znanstvena istraživanja koja će provoditi AI? Hoće li njihova uloga biti nalik ulozi dirigenta filharmonijskog orkestra – uloga usklađivanja različitih AI komponenti, modela i rješenja ili će biti više nalik onoj koju imaju kontrolori proizvodnih procesa u visokoautomatiziranim tvornicama? Ili će pak biti nešto nalik programerima – stručnjacima koji programiraju sustave koji provode znanstvena istraživanja i koji produciraju njihove ishode? Po čemu će se procjenjivati vrijednost znanstvenih radova? Kako će se iz mora besprijekornih, tj. savršeno sterilnih znanstvenih radova izabrati oni koji su vrijedni objavljivanja? Po kojim kriterijima?
I na kraju, ne manje važno pitanje: kakve su kompetencije potrebne za prakticiranje znanosti koja bi se razvijala sukladno opisanom scenariju, tj. kakvo obrazovanje za znanost će biti potrebno? Puno je ovdje rečenica s upitnicima na kraju i za sada bez mogućnosti da se na njih ponude izvjesniji odgovori. U svakom slučaju, u skoro vrijeme drastično će se promijeniti postojeća znanstvena praksa, a shodno tome i struktura znanja i znanstvenih kompetencija potrebnih za obavljanje znanstvenog rada. Problem je što znanstvena zajednica, barem ova u Hrvatskoj, kako mi se čini, o tome još uvijek ozbiljno ne razmišlja.
No, razmišlja ChatGPT pa vrijedi pročitati što on kaže:
Ako umjetna inteligencija postane sposobna generirati istraživačka pitanja, oblikovati metodologiju, analizirati podatke i pisati znanstvene članke – a na tom smo putu – tada više ne govorimo samo o transformaciji društvenih znanosti, već o gubitku monopola čovjeka nad znanjem. To ne znači kraj znanosti, ali znači kraj jedne ere u kojoj je znanstvenik bio jedini i glavni protagonist tog procesa. U novoj eri, čovjek kao znanstvenik možda neće biti tvorac, nego kustos znanja – onaj koji zna postaviti ograničenja, interpretirati kontekst i birati između alternativa koje nudi stroj. Ključno pitanje više neće biti ‘kako nešto znamo’, nego ‘zašto to znanje smatramo važnim’. A to je pitanje na koje, barem zasad, samo čovjek još zna odgovoriti. — ChatGPT.
