تغییر اصطلاحات علمی در ناسا و پیامدهای آن برای ارتباطات علمی

مقدمه: وقتی زبان علم تغییر می‌کند

علم تنها مجموعه‌ای از کشفیات، آزمایش‌ها و نظریه‌ها نیست؛ بلکه به زبان دقیق و مشترکی نیز نیاز دارد تا پژوهشگران بتوانند نتایج خود را توصیف کنند، درباره روش‌هایشان گفت‌وگو کنند و یافته‌های یکدیگر را ارزیابی کنند. به همین دلیل، اصطلاحات علمی صرفاً واژه‌هایی برای نام‌گذاری پدیده‌ها نیستند، بلکه بخشی از ابزارهای انتقال دانش به شمار می‌روند. گزارشی از وب‌سایت اسپیس‌دات‌کام (Space.com) درباره تغییرات جدید در سازمان ملی هوانوردی و فضایی آمریکا، ناسا (NASA)، نمونه‌ای از تأثیر تصمیم‌های اداری بر زبان ارتباطات علمی را بررسی می‌کند.

بر اساس این گزارش، ناسا پس از صدور فرمان اجرایی دونالد ترامپ در ۲۹ سپتامبر با عنوان «آغاز عصر هوش برتر»، فرایندی را برای جایگزینی اصطلاح «هوش مصنوعی» (Artificial Intelligence) با «هوش برتر» (Super Intelligence) در ارتباطات رسمی خود آغاز کرده است. نکته اصلی این است که تغییر واژگان لزوماً به معنای تغییر فناوری نیست. در این مورد، فناوری‌های مورد استفاده ناسا همچنان همان سامانه‌های پیشین هستند، اما شیوه نام‌گذاری و معرفی آن‌ها تغییر می‌کند.

فرمان اجرایی چه چیزی را تغییر می‌دهد؟

بر اساس گزارش، فرمان اجرایی دولت آمریکا از سازمان‌های فدرال می‌خواهد اصطلاح «هوش مصنوعی» و مخفف آن، AI، را در ارتباطات رسمی با «هوش برتر» و مخفف SI جایگزین کنند. این دستور، علاوه بر مطالب منتشرشده برای عموم، ارتباطات داخلی، راهنماهای نگارشی، وب‌سایت‌های سازمانی و برخی سامانه‌های فناوری اطلاعات را نیز دربر می‌گیرد.

دفتر ارتباطات ناسا و دفتر مدیر ارشد اطلاعات این سازمان، برنامه‌ای چندمرحله‌ای برای اجرای تغییرات تدوین کرده‌اند که طبق گزارش تا ماه دسامبر ادامه دارد. این برنامه شامل به‌روزرسانی وب‌سایت‌ها، انتشارات، عنوان‌های سازمانی و بخش‌هایی از زیرساخت دیجیتال است. حتی برخی تغییرات فنی ممکن است بر ارتباط میان سامانه‌های موجود اثر بگذارند.

نکته مهم آن است که فرمان، تعریف فدرال موجود از هوش مصنوعی را حفظ می‌کند. این تعریف به‌طور کلی سامانه‌های مبتنی بر ماشین را دربر می‌گیرد که قادر به تولید پیش‌بینی، پیشنهاد یا تصمیم هستند. بنابراین، صرف تغییر نام به این معنا نیست که فناوری‌های پیشین ناگهان توانایی‌های تازه‌ای پیدا کرده‌اند یا از نظر علمی به سطح متفاوتی رسیده‌اند.

تفاوت میان هوش مصنوعی و هوش برتر چیست؟

برای درک اهمیت این موضوع باید میان نام یک فناوری و ویژگی‌های واقعی آن تفاوت قائل شد. هوش مصنوعی اصطلاحی گسترده برای مجموعه‌ای از روش‌ها و سامانه‌هاست که وظایفی مانند شناسایی الگوها، تحلیل داده‌ها، پیش‌بینی وضعیت‌ها و پیشنهاد تصمیم‌ها را انجام می‌دهند. این سامانه‌ها از نظر ساختار، قابلیت و میزان استقلال تفاوت‌های چشمگیری با یکدیگر دارند.

در مقابل، اصطلاح هوش برتر می‌تواند در برداشت عمومی به توانایی‌هایی فراتر از عملکردهای متعارف سامانه‌های هوشمند اشاره کند. بااین‌حال، این عبارت به‌خودی‌خود معیار علمی مشخصی برای سنجش توانایی یک سامانه ارائه نمی‌دهد. برای تعیین اینکه یک فناوری چه کاری می‌تواند انجام دهد، دانشمندان به تعریف‌های عملیاتی، آزمون‌های قابل تکرار و معیارهای ارزیابی نیاز دارند، نه صرفاً نامی تازه.

برای مثال، اگر یک سامانه بتواند تصاویر مریخ را بررسی و مسیر امنی برای حرکت یک کاوشگر پیشنهاد کند، توانایی آن را باید با دقت مسیریابی، میزان موفقیت، مصرف انرژی و عملکردش در شرایط ناشناخته سنجید. تغییر نام این سامانه به‌تنهایی هیچ‌یک از این شاخص‌ها را بهبود نمی‌دهد. همان‌طور که تغییر نام یک دارو نمی‌تواند ترکیب شیمیایی یا اثر زیستی آن را عوض کند، تغییر اصطلاح یک فناوری نیز بدون تغییر در سازوکار و عملکرد آن، پیشرفت فنی محسوب نمی‌شود.

کاربردهای این فناوری در مأموریت‌های فضایی

ناسا از روش‌های محاسباتی پیشرفته در بخش‌های مختلف اکتشاف فضایی و پژوهش‌های علمی استفاده می‌کند. یکی از نمونه‌های مطرح‌شده در گزارش، برنامه‌ریزی خودکار مسیر حرکت مریخ‌نورد استقامت (Perseverance) است. این کاوشگر برای حرکت روی سطح مریخ با محیطی روبه‌روست که سنگ‌ها، شیب‌ها، فرورفتگی‌ها و موانع آن می‌توانند خطرناک باشند.

ارتباط مستقیم و لحظه‌ای با کاوشگر همیشه امکان‌پذیر نیست؛ زیرا سیگنال‌های رادیویی میان زمین و مریخ با تأخیر منتقل می‌شوند. ازاین‌رو، توانایی تحلیل محیط و انتخاب مسیر مناسب بدون هدایت پیوسته از سوی انسان اهمیت زیادی دارد. سامانه‌های مبتنی بر پردازش تصویر می‌توانند داده‌های دوربین را بررسی کنند، موانع را شناسایی کنند و مسیرهای احتمالی را از نظر ایمنی ارزیابی کنند.

کاربرد دیگر، تحلیل مجموعه‌های عظیم داده‌های علمی است. تلسکوپ‌ها، فضاپیماها و ابزارهای اندازه‌گیری زمینی و فضایی حجم زیادی از اطلاعات تولید می‌کنند. بررسی دستی تمام این داده‌ها ممکن است بسیار زمان‌بر باشد. روش‌های محاسباتی می‌توانند به شناسایی الگوها، دسته‌بندی مشاهدات و اولویت‌بندی داده‌هایی کمک کنند که نیازمند بررسی دقیق‌تر پژوهشگران هستند.

بااین‌حال، موفقیت این کاربردها به عواملی مانند کیفیت داده‌ها، اعتبارسنجی نتایج، شرایط محیطی و نظارت علمی وابسته است. اصطلاحی که برای معرفی این ابزارها به کار می‌رود، جایگزین ارزیابی تجربی عملکرد آن‌ها نمی‌شود.

چرا تغییر اصطلاحات می‌تواند مشکل‌ساز شود؟

زیرساخت‌های دیجیتال به نام‌ها و شناسه‌های مشخص وابسته‌اند. در یک سازمان بزرگ، اصطلاحات علمی ممکن است در پایگاه‌های اطلاعاتی، اسناد، سامانه‌های جست‌وجو، رابط‌های برنامه‌نویسی و ابزارهای تبادل داده استفاده شوند. اگر نامی که در این سامانه‌ها انتظار می‌رود تغییر کند، ممکن است لازم باشد بخش‌های مختلف زیرساخت نیز اصلاح شوند.

گزارش اسپیس‌دات‌کام اشاره می‌کند که دست‌کم یکی از تغییرات برنامه‌ریزی‌شده ناسا به‌عنوان تغییری ناسازگار با نسخه‌های قبلی توصیف شده است؛ تغییری که می‌تواند برخی یکپارچه‌سازی‌های نرم‌افزاری موجود را مختل کند. چنین مسئله‌ای زمانی رخ می‌دهد که یک سامانه برای شناسایی یک اصطلاح، قالب یا شناسه مشخص طراحی شده باشد، اما نسخه جدید دیگر همان مقدار را ارائه نکند.

برای درک موضوع، می‌توان یک پایگاه داده علمی را تصور کرد که گزارش‌های مربوط به هوش مصنوعی را بر اساس یک عبارت مشخص دسته‌بندی می‌کند. اگر عبارت مورد انتظار بدون سازوکار سازگاری تغییر کند، برخی جست‌وجوها ممکن است دیگر نتایج پیشین را پیدا نکنند یا ارتباط میان داده‌ها از بین برود. این مسئله لزوماً به معنای نابودی اطلاعات نیست، اما می‌تواند هزینه نگهداری، آزمایش و اصلاح سامانه‌ها را افزایش دهد.

از نظر ارتباطات علمی نیز تغییر نام یک مفهوم شناخته‌شده می‌تواند باعث شود دانش‌آموزان، دانشجویان، خبرنگاران و پژوهشگران درباره تفاوت میان دو اصطلاح دچار ابهام شوند. هنگامی که یک واژه در منابع درسی، مقاله‌های دانشگاهی و اسناد بین‌المللی معنای جاافتاده‌ای دارد، جایگزینی آن بدون توضیح علمی روشن ممکن است پیگیری منابع و مقایسه نتایج پژوهش‌ها را دشوارتر کند.

نقش استانداردهای علمی در انتقال دانش

واژگان تخصصی زمانی بیشترین فایده را دارند که معنای نسبتاً مشخص و مشترکی داشته باشند. در حوزه‌هایی مانند فیزیک، شیمی و زیست‌شناسی، تعریف دقیق اصطلاحات به پژوهشگران اجازه می‌دهد درباره یک پدیده واحد بحث کنند، حتی اگر در زبان‌های متفاوت بنویسند یا در مؤسسات مختلف کار کنند.

البته اصطلاحات علمی در طول زمان تغییر می‌کنند. گاهی کشف تازه‌ای نشان می‌دهد که یک نام قدیمی دیگر توصیف دقیقی از پدیده مورد مطالعه نیست. در چنین شرایطی، تغییر اصطلاح می‌تواند بخشی از پیشرفت دانش باشد؛ به شرط آنکه دلیل تغییر روشن باشد، تعریف تازه مشخص شود و جامعه علمی بتواند آن را بررسی و ارزیابی کند.

تفاوت اصلی در این است که اصلاح علمی اصطلاحات باید با شواهد، تعریف‌های دقیق و نیازهای واقعی پژوهش ارتباط داشته باشد. اگر واژه‌ای تغییر کند، اما تعریف فنی و معیارهای ارزیابی ثابت بمانند، خواننده باید بتواند تشخیص دهد که تغییر انجام‌شده زبانی و اداری است یا بر اساس کشفی تازه صورت گرفته است.

در گزارش مورد بحث، برخی کارکنان ناسا نسبت به حذف کامل اصطلاح قبلی و ممنوعیت اشاره به نام پیشین در ارتباطات رسمی ابراز نگرانی کرده‌اند. آنان معتقدند این محدودیت می‌تواند توضیح روشن دلیل تغییر را برای مخاطبان دشوار کند. این نگرانی نشان می‌دهد که شفافیت در ارتباطات علمی فقط به صحت داده‌ها وابسته نیست، بلکه به امکان توضیح دادن واژگان و زمینه استفاده از آن‌ها نیز مربوط می‌شود.

پیامدهای احتمالی برای آینده پژوهش‌های فضایی

پیامدهای نهایی این تغییر به نحوه اجرای آن بستگی دارد. اگر ناسا بتواند ضمن رعایت دستور اداری، تعاریف فنی را روشن نگه دارد و سامانه‌های موجود را با دقت به‌روزرسانی کند، بخشی از مشکلات احتمالی قابل مدیریت خواهد بود. مستندسازی تغییرات، آزمایش سازگاری سامانه‌ها و حفظ امکان جست‌وجو در اسناد قدیمی از اقداماتی هستند که می‌توانند خطر اختلال را کاهش دهند.

در سطح گسترده‌تر، این رویداد نمونه‌ای از پیوند میان علم، سیاست‌گذاری و مدیریت سازمانی است. نهادهای علمی برای انجام مأموریت‌های خود به منابع عمومی، قوانین و تصمیم‌های دولتی وابسته‌اند، اما اعتبار علمی آن‌ها همچنین به دقت مفهومی، قابلیت بازبینی نتایج و اعتماد عمومی بستگی دارد.

برای دانشجویان و علاقه‌مندان به علم، مهم‌ترین درس این است که هر اصطلاح تازه‌ای را نباید نشانه یک کشف یا پیشرفت فنی دانست. هنگام مواجهه با نام جدید یک فناوری، باید پرسید تعریف آن چیست، چه شواهدی از قابلیت‌هایش وجود دارد و آیا روش‌های سنجش عملکرد آن تغییر کرده‌اند یا خیر.

در نهایت، تجربه ناسا یادآوری می‌کند که زبان علمی بخشی از زیرساخت دانش است. تغییر آن ممکن است در ظاهر فقط جایگزینی چند واژه باشد، اما در سازمانی که هزاران پژوهشگر، مهندس و سامانه دیجیتال دارد، می‌تواند بر نحوه ثبت، یافتن، تفسیر و انتقال اطلاعات اثر بگذارد. معیار نهایی ارزیابی هر فناوری همچنان شواهد، عملکرد قابل اندازه‌گیری و نتایج آزمون‌های معتبر خواهد بود، نه نامی که برای آن انتخاب می‌شود.