פרופ' עקיבא פרדקין קורא לרפורמה דחופה במסלול המסורתי של ההשכלה הגבוהה: "הדוקטורט הפך להיות הקליגרפיה של עולם המחקר. המסלול הזה חייב רענון"
כלי הבינה המלאכותית כבר מזמן כאן ומשפיעים על כל אחד מאיתנו. אל עולם האקדמיה הם פרצו בענק: כיום הם מקצרים סקירות ספרות, מסייעים בניתוח נתונים ומאיצים כתיבה מדעית. פרופ' עקיבא פרדקין, מייסד מכון PHD INSTITUTE המייצג בישראל 26 אוניברסיטאות מוכרות מרחבי העולם, טוען כי השינוי הטכנולוגי מחייב את האוניברסיטאות לבחון מחדש את המסלול שנבנה במאה ה-19: פחות מדידת זמן, יותר הוכחת יכולת, מקוריות ואחריות מחקרית.
הדוקטורט הוא אחד המוסדות הוותיקים והיוקרתיים בעולם האקדמי, אך גם אחד האיטיים שבהם. במדינות ובתחומים רבים מדובר במסלול שנמשך שלוש עד חמש שנים, ולעיתים אף יותר. במשך התקופה הזאת נדרש החוקר ללמוד שיטות מחקר, לסקור ספרות מקצועית, לגבש שאלת מחקר, לאסוף ולנתח נתונים, לכתוב, לתקן ולהגן על עבודתו.
"הדוקטורט הפך להיות הקליגרפיה של עולם המחקר. לא משום שאיבד מערכו, אלא משום שהעולם השתנה מהר יותר מן המוסד שנועד לשרת אותו", הוא מציע אנלוגיה עדכנית. הפיזיקאי פרימן דייסון, שמעולם לא השלים דוקטורט, תקף כבר ב-2014 את השיטה וטען שהיא מאלצת אנשים להשקיע שנים במחקר שלא תמיד מתאים להם, רק כדי לקבל תעודה שתפתח בפניהם דלתות מקצועיות. דבריו היו חריפים, ואפשר בהחלט גם לחלוק עליהם. עם זאת, הם נאמרו לפני שמערכות הבינה המלאכותית לגנרטיבית הפכו לכלי עבודה נגיש למיליוני חוקרים וסטודנטים.
לדבריו של פרופ' עקיבא פרדקין, כמו הקליגרפיה, גם המסלול המסורתי נבנה לעולם שבו העברת מידע הייתה איטית, חיפוש מקורות היה יקר, הגישה למאמרים הייתה מוגבלת ופעולות טכניות דרשו חודשים. העולם הזה השתנה ללא היכר, אך לוח הזמנים האקדמי נותר כמעט מקודש. למה בעצם?
גם סקירות מחקריות מצביעות על תרומה בתחומים כמו יצירת רעיונות, בניית מבנה למאמר, סינתזה של ספרות, ניהול נתונים ועריכה. עם זאת, פרופ' עקיבא פרדקין מדגיש כי אין לבלבל בין האצת משימה לבין יצירת ידע חדש. מערכת יכולה להציע ניסוח, כיוון או השערה, אך היא אינה נושאת באחריות לאמת המדעית, אינה מבינה תמיד את מגבלות הנתונים ועלולה להציג מידע שגוי בביטחון רב.
לכן, השימוש הנכון ב-AI אינו אמור להפוך את הדוקטורנט למפעיל תוכנה. הוא אמור לפנות זמן לחשיבה עמוקה יותר: לבחירת שאלה חשובה, לביקורת על הנחות יסוד, לתכנון מחקר קפדני, לבדיקת תוצאות ולהבנת המשמעות שלהן.
כלומר, בינה מלאכותית יכולה להגביר יעילות אישית ובו בזמן ליצור אחידות מדעית. היא עלולה לחזק מחקר בטוח, מדיד וצפוי, על חשבון שאלות חריגות שקשה למצוא עבורן נתונים. גם מחקרים על שיתוף פעולה בין בני אדם ל-AI מראים שהשילוב אינו תמיד טוב יותר מהחוקר הטוב ביותר או מהמערכת הטובה ביותר בנפרד.
במודל כזה, מי שמוכיח יכולת מוקדם יוכל לסיים מוקדם. מי שעוסק במחקר מעבדתי מורכב, במחקר אורך או באיסוף נתונים נדיר ימשיך לקבל את הזמן הדרוש. כך ניתן לשמור על הרמה האקדמית בלי להפוך את משך המסלול למטרה בפני עצמה.
הבעיה היא לא רק אקדמית. שנות דוקטורט ארוכות מלוות לא פעם במלגות נמוכות, באי ודאות תעסוקתית ובדחיית כניסה מלאה לשוק העבודה. חלק מהחוקרים דוחים גם החלטות אישיות ומשפחתיות, בעוד שמספר המשרות הקבועות באקדמיה מוגבל. פרופסור עקיבא פרדקין סבור שכאשר הטכנולוגיה חוסכת זמן, על המערכת לשאול למי שייך החיסכון הזה: לאוניברסיטה, למנחה או לדוקטורנט.
לדברי פרופ' עקיבא פרדקין, הדוקטורט העתידי צריך להיות קצר יותר כאשר הדבר אפשרי, גמיש יותר בין תחומים ומחמיר יותר בדרישות של מקוריות, שקיפות ואתיקה. יש לחייב תיעוד של השימוש ב-AI, לבחון את יכולת החוקר להגן על כל טענה ולתת משקל גבוה יותר לחשיבה עצמאית מאשר לכמות העמודים.
התרעות פיקוד העורף