בינה מלאכותית עשויה לעזור לחוקר לנסח בקשת מענק בצורה שעובדת טוב יותר מול ועדת שיפוט - אבל ייתכן שיש לכך מחיר: הרעיון נעשה דומה יותר למה שכבר הצליח בעבר. כך עולה ממחקר שפורסם (11.8.26) ב-PNAS ובחן כיצד עליית מודלי השפה משנה את מערכת מימון המחקר הפדרלית בארה"ב.
החוקרים מאוניברסיטת נורת'ווסטרן שילבו שני סוגי נתונים: בקשות חסויות שהוגשו ל-NIH ול-NSF בשתי אוניברסיטאות מחקר גדולות, ובהן בקשות שאושרו, נדחו או טרם הוכרעו, לצד כלל המענקים הפומביים של שתי הסוכנויות. בכך הם יכלו לבחון לא רק מה קיבל כסף, אלא גם מה ניסה ולא הצליח.
כ-4 נקודות אחוז יותר בסיכויי המימון
לאחר הופעת ChatGPT בסוף 2022 זיהו החוקרים עלייה חדה בסימנים לשימוש במודלי שפה. בבקשות ל-NIH, מעבר מרמת מעורבות נמוכה יחסית לרמה גבוהה יחסית היה קשור לעלייה של כ-4 נקודות אחוז בסיכוי לקבל מימון. ב-NSF לא נמצא קשר מובהק דומה.
החוקרים מדגישים כי הם לא קיבלו הצהרה מכל מגיש אם השתמש בבינה מלאכותית. רמת המעורבות הוערכה באמצעות דפוסים לשוניים שמאפיינים טקסטים שנכתבו או נערכו בעזרת מודלי שפה. לכן נכון לדבר על "סימנים למעורבות AI" ולא על הוכחה ישירה לשימוש.
יותר מאמרים - לא יותר "להיטים"
גם לאחר קבלת המענק נמצא הבדל. מענקי NIH שסווגו כבעלי מעורבות גבוהה יותר של מודלי שפה היו קשורים ליותר תפוקה מדעית בשנים הראשונות - בערך 5% יותר מאמרים. אלא שהיתרון הזה לא הופיע כאשר החוקרים התמקדו במאמרים הבולטים ביותר מבחינת ציטוטים.
כלומר, ייתכן שהשימוש ב-AI מסייע לייצר יותר תפוקה בטווח הקצר, אבל המחקר אינו מראה שהוא מגדיל את הסיכוי לפרסום פורץ דרך.
המחיר האפשרי: פחות בידול
הממצא המרכזי יותר נגע לאופי ההצעות. בכל ארבעת מאגרי הנתונים - בקשות חסויות ומענקים פומביים של NIH ושל NSF - מעורבות גבוהה יותר של מודלי שפה נקשרה לפחות ייחודיות סמנטית. ההצעות היו קרובות יותר מבחינת התוכן למחקרים שהסוכנות כבר מימנה בשנה הקודמת.
כדי לבדוק אם מדובר רק בסגנון כתיבה אחיד, החוקרים לקחו אלפי תקצירים ישנים ושכתבו אותם באמצעות מודל שפה תוך שמירה על התוכן המדעי. השכתוב עצמו כמעט שלא שינה את מדד הייחודיות. לכן הם מסיקים שההתכנסות אינה רק לשונית, אלא קשורה גם לאופן שבו הרעיונות עצמם ממוסגרים וממוקמים ביחס למחקר קיים.
הסכנה היא לא "AI גרוע" - אלא AI בטוח מדי
המחקר אינו טוען שבינה מלאכותית מייצרת בקשות גרועות יותר. להפך: ייתכן שהיא מסייעת לחוקרים לנסח הצעה בצורה שתואמת טוב יותר את השפה, המבנה והציפיות של המערכת.
החשש הוא אחר: אם יותר ויותר חוקרים משתמשים במודלים שלמדו ממחקרים וממענקים קיימים, הם עלולים לקבל עזרה שמושכת את ההצעה לכיוון שכבר מוכר לוועדות. בטווח הארוך, מערכת המימון עלולה להעדיף עוד יותר רעיונות הדומים למה שכבר הצליח.
גם בישראל השאלה כבר אינה תיאורטית
גם חוקרים בישראל מתחרים על מענקי הקרן הלאומית למדע, קרנות ממשלתיות, מענקי האיחוד האירופי ומענקים בינלאומיים אחרים, וכלי בינה מלאכותית כבר משמשים לעריכה, תרגום, ניסוח וחידוד של הצעות.
הממצא האמריקני מעלה לכן שאלה ישירה גם כאן: אם AI משפר את "התאמת" הבקשה למה שהמערכת רגילה לראות, האם הוא גם מצמצם בהדרגה את המגוון הרעיוני של ההצעות שמצליחות להגיע למימון?
לא הוכחה שה-AI גרם לתוצאה
המחקר הוא תצפיתי, ולכן אינו מוכיח שהבינה המלאכותית היא שגרמה לעלייה בסיכויי המימון או לירידה בייחודיות. ייתכן שחוקרים מצליחים, מנוסים או מאורגנים יותר היו גם הראשונים לאמץ את הכלים, והם אלה שמלכתחילה היו בעלי סיכוי גבוה יותר לקבל מענק.
גם נתוני התפוקה המדעית עדיין מוקדמים. חלק מהמענקים החלו רק ב-2024-2023, כך שעברו שנה או שנתיים בלבד. מחקר פורץ דרך יכול להבשיל הרבה יותר מאוחר, ולכן מוקדם להסיק שבינה מלאכותית מגדילה כמות אך פוגעת באיכות ארוכת הטווח.
המסקנה המדויקת היא שבקשות ל-NIH עם סימנים חזקים יותר למעורבות מודלי שפה היו בעלות סיכוי גבוה יותר לקבל מימון, אך גם נטו להיות דומות יותר למחקרים שכבר מומנו - ממצא שמעלה חשש שהתועלת האישית לחוקר עלולה לבוא על חשבון הגיוון של מערכת המחקר.
תגובות
רגע, שקט פה מדי
דעתך חשובה - תהיו הראשונים להגיב על הכתבה