ஆராய்ச்சியில் AI பயன்பாடு பரவலாக உள்ளது, ஆனால் கோடிங்-ஏஜென்ட் ஏற்றுக்கொள்ளல் அப்படியில்லை
The Decoder இல் குறிப்பிடப்பட்ட புதிய Anthropic ஆய்வு, சமூக அறிவியலாளர்கள் AI கோடிங் ஏஜென்ட்களை சமமாக ஏற்றுக்கொள்ளவில்லை என்பதைக் காட்டுகிறது. பொதுவான AI பயன்பாடு குழுக்களுக்கிடையே ஒப்பீட்டளவில் சமமாகத் தோன்றினாலும், நிரல் குறியீட்டை தானாக உருவாக்கும் கருவிகள் போன்ற கோடிங் ஏஜென்ட்களின் பயன்பாடு மிக அதிகமாக சமமற்றதாக உள்ளது; இதில் பாலினம், துறை, பணிநிலை மற்றும் பல்கலைக்கழக தரவரிசை அடிப்படையில் கூர்மையான இடைவெளிகள் உள்ளன.
வழங்கப்பட்ட பொருளில் மிகவும் குறிப்பிடத்தக்க முடிவு பாலின இடைவெளிதான். பொதுவாக ஆண் பெயர்களைக் கொண்ட ஆராய்ச்சியாளர்கள், பொதுவாக பெண் பெயர்களைக் கொண்ட ஆராய்ச்சியாளர்களை விட இரண்டு மடங்குக்கும் அதிகமாக கோடிங் ஏஜென்ட்களைப் பயன்படுத்துகின்றனர் என்று தெரிவிக்கப்பட்டது. அதே துறைகளிலும், அதே பணிநிலைகளிலும் கூட இந்த வேறுபாடு தொடர்கிறது என்று ஆய்வு கூறுகிறது; எனவே இந்தப் பிளவை வெறும் துறை அமைப்பால் மட்டுமே விளக்க முடியாது.
பொருளாதாரவியலாளர்கள் முன்னிலையில், கல்வி ஆராய்ச்சியாளர்கள் பின்தங்கியுள்ளனர்
துறைமட்ட பரவலும் முக்கியமானது. பொருளாதாரவியலாளர்கள் கோடிங் ஏஜென்ட்களின் அதிகமான பயனாளர்களாக தெரிவிக்கப்பட்டனர், ஏற்றுக்கொள்ளும் விகிதம் 39% ஆக இருந்தது, அதே சமயம் கல்வி ஆராய்ச்சியாளர்கள் வெறும் 4% உடன் மிகக் கீழ் நிலையில் இருந்தனர். இந்த வரம்பு, சமூக அறிவியலின் பல்வேறு கிளைகள் அன்றாடப் பணியில் AI-ஐ எவ்வாறு இணைக்கின்றன என்பதில் ஒரு பெரிய கட்டமைப்புச் சிதறலை சுட்டிக்காட்டுகிறது.
அதிகம் பயன்படுத்தப்பட்ட பயன்பாட்டு வழி தரவு பகுப்பாய்வுக்கான குறியீடு உருவாக்கம்; இதை கோடிங்-ஏஜென்ட் பயனாளர்களில் 97% பேர் குறிப்பிட்டனர். மூலப் பொருளின் படி, சுமார் மூன்றில் ஒருவர் மட்டுமே உரை எழுதுவதற்காக AI-ஐ பயன்படுத்தினர். இந்த விவரம் முக்கியமானது, ஏனெனில் இது கோடிங் ஏஜென்ட்களை பொது நோக்குச் சாட் கருவிகளிலிருந்து வேறுபடுத்துகிறது. இந்த ஆய்வில் முக்கியமான மாற்றம் என்பது ஆராய்ச்சியாளர்கள் AI-ஐ அதிகமாக பயன்படுத்துகிறார்கள் என்பதல்ல. மாறாக, சிலர் கணிப்பொறி வேலைநடவடிக்கைகளில் மற்றவர்களைக் காட்டிலும் மிக அதிகமாக AI-ஐ சார்ந்து கொள்ளத் தொடங்குகிறார்கள் என்பதே.
பணிநிலை மற்றும் நிறுவன தரவரிசை ஏற்றுக்கொள்ளலை வடிவமைக்கின்றன
PhD மாணவர்களும் பிந்தைய ஆய்வாளர்களும் பேராசிரியர்களை விட மிக அதிகமாக கோடிங் AI-ஐப் பயன்படுத்துகின்றனர் என்றும், முதல் 25 பல்கலைக்கழகங்களில் உள்ள ஆராய்ச்சியாளர்கள் பிற இடங்களிலுள்ள சக ஆய்வாளர்களை விட 40% அதிகமாக இந்த கருவிகளை ஏற்றுக்கொள்கிறார்கள் என்றும் ஆய்வு கண்டறிந்தது. இந்தக் கண்டுபிடிப்புகள் தொழில்நுட்பப் பரவலின் ஒரு அறிமுகமான முறையுடன் பொருந்துகின்றன: புதியதாக நுழைபவர்கள் மற்றும் அதிக வளங்கள் கொண்ட நிறுவனங்கள் உற்பத்தித்திறன் அதிகரிப்பை வாக்குறுதி அளிக்கும் கருவிகளை வேகமாக ஏற்றுக்கொள்வார்கள்.
ஆனால் இந்த முறை கடினமான கேள்விகளையும் எழுப்புகிறது. கோடிங் ஏஜென்ட்கள் தரவை செயலாக்குவது, பகுப்பாய்வை மாதிரியாக உருவாக்குவது அல்லது கட்டுரை தயாரிப்பை வேகப்படுத்துவது எளிதாக்கினால், சமமற்ற ஏற்றுக்கொள்ளல் ஏற்கனவே உள்ள கல்வியியல் அடுக்கமைப்பை மேலும் ஆழப்படுத்தக்கூடும். சிறந்த அணுகல், வலுவான அளவியல் மரபுகள், அல்லது அதிக அனுமதியுள்ள உள்ளூர் நெறிமுறைகள் கொண்ட ஆராய்ச்சியாளர்கள், மெதுவாக ஏற்றுக்கொள்ளும் அல்லது சந்தேகத்துடன் இருக்கும் சககாரர்களை விட தங்கள் முன்னிலையை விரிவாக்கக் கூடும்.
தனிப்பட்ட பலன்களில் ஆராய்ச்சியாளர்கள் நம்பிக்கை கொண்டாலும், துறைமுழுவதுமான விளைவுகள் குறித்து கவலைப்படுகிறார்கள்
ஆய்வில் மிகவும் வெளிப்படுத்தும் பதற்றங்களில் ஒன்று, பதிலளிப்பவர்கள் AI-யின் தாக்கத்தை தங்கள்மீதும் தங்கள் துறையின்மீதும் எவ்வாறு பார்க்கிறார்கள் என்பதுதான். வழங்கப்பட்ட உரைப்படி, 88% பேர் தங்கள் சொந்த கட்டுரை உற்பத்தியில் AI-யின் தாக்கத்தை 10-இல் 5-க்கும் மேல் மதிப்பிட்டனர், மேலும் பாதிப்பேர் 8 அல்லது அதற்கு மேல் மதிப்பிட்டனர். கோடிங்-ஏஜென்ட் பயனாளர்கள் மற்ற பதிலளிப்பவர்களை விட இன்னும் அதிக நம்பிக்கையுடன் இருந்தனர்.
ஆனால் 70% பேர் தங்கள் சொந்த உற்பத்தித்திறனைப் பற்றி, சமூக அறிவியல்களில் AI-யின் பரந்த தாக்கத்தை விட அதிக நம்பிக்கையுடன் இருந்தனர். அதிகரிக்கும் கட்டுரை உற்பத்தி சக ஆய்வு மதிப்பாய்வை மூழ்கடிக்கக்கூடும், கவனத்திற்கான போட்டியை தீவிரப்படுத்தக்கூடும், மேலும் தேர்ந்தெடுத்த அறிக்கையிடல், அபாயத்தைத் தவிர்க்கும் படிப்படியான வேலை போன்ற ஏற்கனவே உள்ள சிக்கல்களை மேலும் மோசமாக்கக்கூடும் என்று ஆசிரியர்கள் சந்தேகிக்கின்றனர்.
இந்தப் பிளவு முக்கியமானது, ஏனெனில் இது பரிச்சயமான ஒரு தொழில்நுட்ப இயக்கத்தைக் காட்டுகிறது: கருவி தனிப்பட்ட நிலையில் பயனுள்ளதாகத் தோன்றுகிறது, ஆனால் முறைமை நிலையில் நிலையற்றதாகத் தெரிகிறது. வெளியீடு, வேகம், காட்சித்தன்மை ஆகியவற்றையே ஏற்கனவே ஊக்கப்படுத்தும் கல்விச்சூழலில், சிறிய உற்பத்தித்திறன் மேம்பாடுகள்கூட நிறுவன அளவில் பெரும் தாக்கங்களை ஏற்படுத்த முடியும்.
பெரிய கேள்வி, யார் பின்தங்குகிறார்கள் என்பதே
கோடிங் ஏஜென்ட்கள் இயல்பாகவே தீங்கு விளைவிப்பவை என்று இந்த ஆய்வு வாதிடவில்லை. மாறாக, பல பயனாளர்கள் அவற்றை ஆராய்ச்சி பணிக்கான நடைமுறை வேகப்படுத்திகளாகக் காண்கிறார்கள் என்பதை இது காட்டுகிறது. ஆனால் சமமற்ற ஏற்றுக்கொள்ளல் முறை, AI சமூக அறிவியல்களில் அனைவருக்கும் சமமாகப் பயன் தரும் ஒரு நடுநிலை அடுக்காக நுழையவில்லை என்பதைக் குறிக்கிறது.
அதற்குப் பதிலாக, அது தொழில்நுட்பத் திறன், நிறுவனப் புகழ், மற்றும் கணிப்பொறி நடைமுறைக்கான அணுகல் ஆகியவற்றைச் சுற்றியுள்ள ஏற்கனவே உள்ள இடைவெளிகளை அதிகரிக்கலாம். பொதுவான AI பயன்பாட்டை விட கோடிங் ஏஜென்ட்களுக்கான பாலின வேறுபாடு குறிப்பாக முக்கியமானது, ஏனெனில் அது இன்னும் பரவலாகத் தோன்றுகிறது. அந்த முறை தொடர்ந்தால், கல்வி உலகில் மிகவும் முக்கியமான AI மாற்றங்களில் ஒன்று சமத்துவமின்மையை குறைப்பதற்குப் பதிலாக அதை மீண்டும் உருவாக்கக்கூடும்.
சமூக அறிவியலைத் தாண்டியும் இந்த முடிவு ஏன் முக்கியம்
இந்தக் கட்டுரையின் உடனடி கவனம் ஆராய்ச்சி நடத்தையில் இருந்தாலும், அதன் விளைவுகள் பரந்தவை. கோடிங் ஏஜென்ட்கள் அதிகமாக உலகளாவிய உற்பத்தித்திறன் கருவிகளாக சந்தைப்படுத்தப்படுகின்றன. இந்த ஆய்வு போன்றவை, அவற்றின் ஏற்றுக்கொள்ளல் விளம்பரம் கூறுவதைக் காட்டிலும் உள்ளூர் கலாசாரம், துறை நெறிமுறைகள், மற்றும் முன்னிருந்த தொழில்நுட்ப நம்பிக்கையின்மேல் அதிகம் சார்ந்திருக்கலாம் என்று சுட்டிக்காட்டுகின்றன.
இதனால் இந்தக் கண்டுபிடிப்புகள் பல்கலைக்கழகங்களுக்குப் புறமும் பொருந்துகின்றன. அதிக கல்வியறிவு கொண்ட அறிவுத் தொழிலாளர்களிடையே கூட AI கோடிங் கருவிகள் சமமற்ற முறையில் பரவினால், தொழில், அரசு, மற்றும் இலாப நோக்கற்ற அமைப்புகளிலும் இதே போன்ற ஏற்றுக்கொள்ளல் இடைவெளிகளை எதிர்பார்க்க வேண்டும். இப்போது சவால், திறன் கொண்ட கருவிகளை உருவாக்குவதில் மட்டும் இல்லை. யார் அவற்றை ஏற்றுக்கொள்கிறார்கள், முதலில் யாருக்கு பயன் கிடைக்கிறது, மற்றும் எந்த ஏற்கனவே உள்ள சமமின்மைகளை அவை அமைதியாக அதிகரிக்கின்றன என்பதையும் புரிந்துகொள்வதே.
இந்த கட்டுரை The Decoder வெளியிட்ட செய்தியறிக்கையை அடிப்படையாகக் கொண்டது. மூல கட்டுரையைப் படிக்கவும்.
Originally published on the-decoder.com