పరిశోధనలో AI వినియోగం విస్తృతంగా ఉంది, కానీ కోడింగ్-ఏజెంట్ స్వీకరణ అలా కాదు

The Decoderలో ప్రస్తావించబడిన తాజా అంత్రోపిక్ అధ్యయనం ప్రకారం, సామాజిక శాస్త్రవేత్తలు AI కోడింగ్ ఏజెంట్లను సమానంగా స్వీకరించడం లేదు. సాధారణ AI వినియోగం సమూహాల మధ్య తక్కువ తేడాలతో కనిపిస్తున్నప్పటికీ, ప్రోగ్రామ్ కోడ్‌ను స్వయంచాలకంగా రూపొందించే సాధనాల వంటి కోడింగ్ ఏజెంట్ల వినియోగం మాత్రం మరింత అసమానంగా ఉంది; ఇందులో లింగం, శాస్త్ర విభాగం, కెరీర్ దశ, మరియు విశ్వవిద్యాలయ ర్యాంక్ ఆధారంగా స్పష్టమైన గ్యాప్‌లు ఉన్నాయి.

అందించిన సమాచారంలో అత్యంత గమనార్హమైన ఫలితం లింగ అంతరం. సాధారణంగా పురుష పేర్లు ఉన్న పరిశోధకులు, సాధారణంగా మహిళా పేర్లు ఉన్న పరిశోధకుల కంటే రెండింతలకంటే ఎక్కువగా కోడింగ్ ఏజెంట్లను ఉపయోగిస్తున్నారని నివేదించబడింది. అదే విభాగాలు, అదే కెరీర్ స్థాయిల్లో కూడా ఈ తేడా కొనసాగుతుందని అధ్యయనం చెబుతోంది, అంటే ఈ విభేదాన్ని కేవలం రంగాల కూర్పుతో మాత్రమే వివరించడం సాధ్యం కాదని సూచిస్తోంది.

ఆర్థిక శాస్త్రవేత్తలు ముందంజలో, విద్యా పరిశోధకులు వెనుకబడుతున్నారు

విభాగాల మధ్య వ్యాప్తి కూడా గణనీయమైనదే. కోడింగ్ ఏజెంట్లను అత్యధికంగా ఉపయోగించినవారిగా ఆర్థిక శాస్త్రవేత్తలను పేర్కొన్నారు, వారి స్వీకరణ రేటు 39% కాగా, విద్యా పరిశోధకులు కేవలం 4%తో అట్టడుగున నిలిచారు. ఈ పరిధి, సామాజిక శాస్త్రంలోని వేర్వేరు శాఖలు AIని రోజువారీ పనిలో ఎలా కలుపుకుంటున్నాయన్న దానిలో పెద్ద నిర్మాణాత్మక విభేదాన్ని సూచిస్తోంది.

ప్రధాన వినియోగం డేటా విశ్లేషణ కోసం కోడ్ రూపొందించడం, ఇది కోడింగ్-ఏజెంట్ వినియోగదారుల్లో 97% మంది పేర్కొన్నారు. మూల సమాచార ప్రకారం, కేవలం మూడవ వంతు మంది మాత్రమే టెక్స్ట్ రాయడానికి AIని వాడారు. ఈ వివరాలు కోడింగ్ ఏజెంట్లను సాధారణ చాట్ సాధనాల నుంచి వేరుచేస్తాయి. ఈ అధ్యయనంలో ప్రధాన మార్పు పరిశోధకులు AIని మరింతగా ఉపయోగిస్తున్నారన్నదే కాదు. కొందరు computational workflows‌లో ఇతరుల కంటే చాలా ఎక్కువగా AIపై ఆధారపడడం ప్రారంభించారన్నదే కీలకం.

కెరీర్ దశ మరియు సంస్థ ర్యాంక్ స్వీకరణను ప్రభావితం చేస్తున్నాయి

పీహెచ్‌డీ విద్యార్థులు మరియు పోస్ట్‌డాక్టరల్ పరిశోధకులు ప్రొఫెసర్ల కంటే చాలా ఎక్కువగా కోడింగ్ AIని ఉపయోగిస్తున్నారని, అలాగే టాప్-25 విశ్వవిద్యాలయాల్లోని పరిశోధకులు ఇతరుల కంటే 40% ఎక్కువగా ఈ సాధనాలను స్వీకరిస్తున్నారని కూడా అధ్యయనం తెలిపింది. ఈ ఫలితాలు సాంకేతిక వ్యాప్తిలో కనిపించే సాధారణ నమూనాకు సరిపోతాయి: కొత్తగా రంగంలోకి వచ్చే వారు, అలాగే ఎక్కువ వనరులు కలిగిన సంస్థలు, ఉత్పాదకత పెరుగుతుందనే ఆశతో పనిముట్లను వేగంగా స్వీకరిస్తాయి.

అయితే ఈ నమూనా మరింత కఠినమైన ప్రశ్నలను కూడా లేవనెత్తుతోంది. డేటాను ప్రాసెస్ చేయడం, విశ్లేషణకు ప్రోటోటైపులు తయారు చేయడం, లేదా పేపర్ ఉత్పత్తిని వేగవంతం చేయడం AI కోడింగ్ ఏజెంట్ల వల్ల సులభమైతే, సమానంగా స్వీకరించకపోవడం ఇప్పటికే ఉన్న అకాడెమిక్ శ్రేణీక్రమాలను మరింత లోతుగా చేయవచ్చు. మెరుగైన ప్రవేశం, బలమైన పరిమాణాత్మక సంప్రదాయాలు, లేదా మరింత సడలిన స్థానిక నిబంధనలు ఉన్న పరిశోధకులు, స్వీకరణలో నెమ్మదిగా ఉన్న లేదా మరింత సందేహంతో ఉన్న సహచరులపై తమ ఆధిక్యాన్ని పెంచుకోవచ్చు.

వ్యక్తిగత లాభాలపై ఆశావాదం, కానీ రంగమంతటిపై ఆందోళనలు

ఈ అధ్యయనంలో అత్యంత స్పష్టంగా కనిపించే ఉద్వేగాల్లో ఒకటి, తమపై AI ప్రభావాన్ని పరిశోధకులు ఎలా చూస్తున్నారన్నదీ, తమ విభాగంపై ఎలా చూస్తున్నారన్నదీ మధ్య ఉంది. అందించిన టెక్స్ట్ ప్రకారం, 88% మంది తమ పేపర్ ఉత్పత్తిపై AI ప్రభావాన్ని 10లో 5కు మించి రేటింగ్ ఇచ్చారు, అందులో సగం మంది 8 లేదా అంతకంటే ఎక్కువగా అంచనా వేశారు. కోడింగ్-ఏజెంట్ వినియోగదారులు ఇతర స్పందకుల కంటే మరింత ఆశావహంగా ఉన్నారు.

అయితే, 70% మంది తమ వ్యక్తిగత ఉత్పాదకతపై తమ అభిప్రాయం, సామాజిక శాస్త్రాలపై AI యొక్క విస్తృత ప్రభావం గురించి ఉన్న అభిప్రాయంతో పోలిస్తే మరింత సానుకూలంగా ఉందని తెలిపారు. పెరిగిన పేపర్ ఉత్పత్తి peer reviewపై భారం పెంచవచ్చని, దృష్టి కోసం పోటీని తీవ్రతరం చేయవచ్చని, అలాగే selective reporting, risk-averse incremental work వంటి ఇప్పటికే ఉన్న సమస్యలను మరింత పెంచవచ్చని రచయితలు భావిస్తున్నారు.

ఈ విభజన ముఖ్యమైనది, ఎందుకంటే ఇది ఒక పరిచిత సాంకేతిక గమనాన్ని చూపిస్తుంది: సాధనం వ్యక్తిగత స్థాయిలో ప్రయోజనకరంగా కనిపిస్తూనే, వ్యవస్థ స్థాయిలో స్థిరత్వాన్ని దెబ్బతీయవచ్చని భావించబడుతుంది. ఉత్పత్తి, వేగం, మరియు కనిపించే స్థితిని ఇప్పటికే ప్రోత్సహించే అకాడెమిక్ వాతావరణంలో, చిన్న ఉత్పాదకత మెరుగుదలలు కూడా సంస్థాగతంగా పెద్ద ప్రభావాలను కలిగించగలవు.

పెద్ద ప్రశ్న ఎవరు వెనుకబడతారన్నదే

కోడింగ్ ఏజెంట్లు సహజంగానే హానికరమని ఈ అధ్యయనం వాదించడం లేదు. వాస్తవానికి, అనేక మంది వినియోగదారులు వాటిని పరిశోధనా పనికి ప్రాక్టికల్ వేగవంతకరాలుగా చూస్తున్నారని ఇది చూపిస్తోంది. కానీ వినియోగంలో ఉన్న అసమానత AI సామాజిక శాస్త్రాల్లో అందరికీ సమానంగా లాభపడే తటస్థ పొరగా ప్రవేశించడం లేదని సూచిస్తోంది.

దాని బదులు, ఇది సాంకేతిక నైపుణ్యం, సంస్థాగత ప్రతిష్ఠ, మరియు computational practice‌కు ప్రవేశం చుట్టూ ఉన్న ఇప్పటికే ఉన్న విభేదాలను మరింత పెంచవచ్చు. లింగ వ్యత్యాసం ప్రత్యేకంగా ప్రాధాన్యత కలిగినది, ఎందుకంటే అది సాధారణ AI వినియోగం కంటే కోడింగ్ ఏజెంట్లలో మరింత వెడల్పుగా కనిపిస్తోంది. ఈ నమూనా కొనసాగితే, అకాడెమియాలోని అత్యంత ముఖ్యమైన AI మార్పుల్లో ఒకటి అసమానతలను తగ్గించకుండా, వాటినే పునరుత్పత్తి చేసే అవకాశం ఉంది.

సామాజిక శాస్త్రం దాటి ఈ ఫలితం ఎందుకు ముఖ్యమో

ఈ పేపర్ యొక్క తక్షణ దృష్టి పరిశోధనా ప్రవర్తనపై ఉన్నప్పటికీ, దాని ప్రభావాలు మరింత విస్తృతమైనవి. కోడింగ్ ఏజెంట్లు increasingly universal productivity toolsగా మార్కెట్ చేయబడుతున్నాయి. అయితే, ఈలాంటి అధ్యయనాలు వాటి స్వీకరణ local culture, discipline norms, మరియు prior technical confidenceపై marketing చెబుతున్నదానికంటే చాలా ఎక్కువగా ఆధారపడి ఉండవచ్చని సూచిస్తున్నాయి.

అంటే, ఈ ఫలితాలు విశ్వవిద్యాలయాలకే పరిమితం కావు. అత్యంత విద్యావంతులైన knowledge workersలో కూడా AI కోడింగ్ సాధనాలు అసమానంగా వ్యాప్తి చెందితే, పరిశ్రమ, ప్రభుత్వ, మరియు లాభాపేక్ష లేని సంస్థలలో కూడా ఇలాంటి స్వీకరణ గ్యాప్‌లు కనిపించవచ్చని అంచనా వేయాలి. సవాలు ఇక సామర్థ్యవంతమైన సాధనాలను తయారు చేయడమే కాదు. వాటిని ఎవరు స్వీకరిస్తున్నారు, మొదట ఎవరు లాభపడుతున్నారు, మరియు ఏ ఇప్పటికే ఉన్న అసమానతలను అవి మౌనంగా మరింత తీవ్రము చేస్తున్నాయో అర్థం చేసుకోవడమే.

ఈ వ్యాసం The Decoder రిపోర్టింగ్ ఆధారంగా ఉంది. మూల వ్యాసాన్ని చదవండి.

Originally published on the-decoder.com