Trong buổi hội thảo gần đây do Khoa Phương pháp luận tại trường Kinh tế London (LSE) tổ chức, Thomas Robinson đã chỉ ra ba con đường AI đang định hình lại nghiên cứu trong lĩnh vực khoa học xã hội. Đồng thời, ông đặt ra những câu hỏi xoay quanh sản phẩm nghiên cứu của khoa học xã hội có thể phản ánh và tự đánh giá lại chính mình như thế nào trong thế giới mà AI ngày càng trở nên phổ biến.
Từ việc phát hiện ra các loại kháng sinh mới, đến tạo ra các phương tiện truyền thông và tối ưu hóa hoạt động kinh doanh, AI đã nhanh chóng thâm nhập vào xã hội. Thật khó để không cường điệu hóa cũng như lo ngại về cách công cụ này đang phát triển và tiềm năng của chúng trong việc đảo lộn các phương pháp trước kia.
Generative AI đặt ra nhiều thách thức cho các nhà khoa học xã hội. Tương tự như những ứng dụng của chúng trong lĩnh vực khác, công cụ này có khả năng mở rộng phương pháp nghiên cứu hiện tại, đồng thời cung cấp những cách thức nghiên cứu mới về hiện tượng xã hội. Ngoài ra, chính những cá nhân, nhóm và tổ chức nghiên cứu cũng chịu ảnh hưởng bởi AI – từ môi trường làm việc, chính trị, giao tiếp và tương tác xã hội.
Nhằm giải quyết những băn khoăn này, Khoa Phương pháp học tại LSE gần đây đã tổ chức một hội thảo quy tụ nhà nghiên cứu hàng đầu, tiên phong trong lĩnh vực ứng dụng và nghiên cứu Generative AI trong khoa học xã hội.
Ba chủ đề chính xuất hiện từ cuộc thảo luận: khi được ứng dụng thông minh, AI có thể hỗ trợ thực hiện nghiên cứu với quy mô và độ chính xác lớn hơn so với khả năng thông thường của con người; Generative AI có khả năng ảnh hưởng đến niềm tin và hành vi xã hội; tuy nhiên, vẫn tồn tại những hạn chế đáng kể trong khả năng phân tích của AI và sự đồng thuận của công chúng đối với những nội dung AI tạo ra.
Quy mô
“Friedrich Geiecke, Blake Miller và Melissa Sands đều nhấn mạnh những cách AI có thể cải thiện quy mô phân tích. Friedrich Geiecke đã trình bày về tính tương tác của Generative AI (mô hình có khả năng tạo ra các cuộc hội thoại và thăm dò phản hồi cá nhân – tạo sinh) có thể cho phép nhà nghiên cứu tiếp cận nhiều đối tượng hơn so với việc chỉ sử dụng khảo sát định lượng.
Một lợi thế quan trọng khác của các mô hình Generative AI (tạo sinh) gần đây là khả năng xử lý văn bản (thường được gọi là mô hình “đa phương thức”). Ví dụ, nghiên cứu của Blake Miller sử dụng tính đa phương thức này để số hóa văn bản từ bản scan từ tài liệu gốc. Ông sử dụng kỹ thuật này để trích xuất văn bản từ các sắc lệnh giáo hoàng lịch sử (tài liệu chính thức do một giáo hoàng ban hành). Việc số hóa này giúp nhiều tài liệu nhanh chóng chuyển đổi thành định dạng có thể phân tích, giúp chúng ta hiểu rõ hơn về cách tổ chức tôn giáo thực thi các chính sách xã hội trong suốt thời kỳ Cận đại.
Tương tự, Melissa Sands đã trình bày cách AI suy luận từ thông tin chủ quan qua hình ảnh. Công trình so sánh khả năng của mô hình như Chat GPT trong việc đưa ra các đánh giá chủ quan về mức độ an toàn của một khu vực, thông qua những bức ảnh 360 độ mã nguồn mở chụp các con đường ở Detroit. Họ phát hiện mối tương quan đầy hứa hẹn giữa điểm số chủ quan do con người đưa ra và điểm số do AI tạo ra. Độ chính xác của mô hình này cho thấy tiềm tiềm năng để thực hiện điều mà trước đây chỉ được thực hiện ở quy mô nhỏ, do cần có đánh giá định tính.
Khả năng thuyết phục
Hội thảo cũng nhấn mạnh khả năng của Generative AI trong việc thuyết phục cá nhân về mặt chính trị. Christopher Summerfield trình bày, trong công trình hợp tác với Google DeepMind, Generative AI trở nên hiệu quả hơn trong việc tìm kiếm sự đồng thuận giữa các nhóm cá nhân so với chính những cá nhân đó. Điều quan trọng là AI hoạt động như một trọng tài: thu thập và cân bằng ý kiến cá nhân của công dân để tìm ra điểm chung. Liên quan đến điều này, Lisa Argyle đã cung cấp bằng chứng thực nghiệm cho thấy mô hình AI có thể thuyết phục cử tri thay đổi quan điểm theo một hướng nhất định. Các nghiên cứu này cho thấy tiềm năng, nhưng cũng đặt ra vấn đề đạo đức nghiêm trọng khi sử dụng Generative AI: làm thế nào để chúng ta bảo vệ tính tương tác xã hội trong bối cảnh các công cụ AI tự động có thể ảnh hưởng đến ý kiến và hành vi của con người?
Hạn chế
Mặc dù có những tiến bộ và đầy hứa hẹn, hội thảo cũng nhấn mạnh những hạn chế trong việc sử dụng Generative AI. Nghiên cứu sinh Elif Akata đã cung cấp bằng chứng rằng mặc dù mô hình AI có vẻ thành thạo trong tác vụ suy luận, nhưng thực chất chúng dường như (vẫn chưa) thực hiện các quá trình mà chúng ta cho là đặc trưng của nhận thức con người. Trong bài phát biểu chính của mình, Arthur Spirling cũng chỉ ra rằng sử dụng dữ liệu cấu trúc cao có thể giới hạn lợi ích ứng dụng của các mô hình AI phức tạp trong tìm hiểu thế giới xã hội. Bên cạnh thực tiễn nghiên cứu, Spirling còn trình bày bằng chứng cho thấy công chúng nói chung vẫn hoài nghi về nội dung do AI tạo ra, ngay cả khi họ cho rằng nội dung đó có vẻ hợp lý.
Điểm chung xuyên suốt hội thảo là sự chấp nhận ngầm rằng nhà nghiên cứu và công chúng vẫn giữ vai trò trung tâm trong việc sử dụng hiệu quả Generative AI. Từ ngăn chặn “ảo giác” đến cung cấp dữ liệu để tinh chỉnh các mô hình, đầu vào và đầu ra của các mô hình này chỉ thực sự có ý nghĩa khi có sự kiểm soát của con người. Mặc dù AI cho phép nhà khoa học xã hội thực hiện các nhiệm vụ với quy mô và độ chính xác từng tốn kém (nếu không muốn nói là không thể), nó không thể thay thế nhu cầu về các kỹ năng nền tảng trong khoa học xã hội
Tất nhiên, sự phát triển của Generative AI đang diễn ra với tốc độ nhanh chóng. Việc theo kịp khả năng và hạn chế của mô hình này đòi hỏi sự kết hợp giữa kỹ năng tính toán, khoa học và xã hội. Do đó, việc sử dụng Generative AI mang tính liên ngành. Hội thảo này đã giúp minh họa rõ ràng sự hợp tác giữa các ngành có thể giúp hiểu rõ những tiến bộ này, cũng như những thách thức cơ bản mà AI đặt ra đối với sự hiểu biết của chúng ta về thế giới.
Dịch từ LSE
