Kunstig intelligenss evne til at bære en betydelig del af arbejdsbyrden i tilskudsansøgninger er tegn på et system, der synes mere og mere forældet. Det er på høje tid, at vi forenkler processen for forskere, der søger forskningsfinansiering.
Lad os se det i øjnene, at skrive tilskud kan være en prøvelse.
Som videnskabsmænd trives vi med idéer, med at skitsere diagrammer og at formulere vores tanker gennem ord. Processen med at søge stipendier kræver dog et bjerg af arbejde, der rækker langt ud over blot at formidle en idé til et forskningsprojekt. Dette er en tidskrævende og arbejdskrævende indsats.
Tilskudsansøgninger kræver typisk, at du fremlægger en standardsag for støtte, der beskriver din foreslåede forskning. Men som enhver erfaren forsker vil bevidne, er der ofte flere andre elementer involveret. Disse kan spænde fra et lægresumé, et langt abstrakt, dit CV, konsekvenserklæringer, offentligt engagementsplaner til detaljerede forklaringer af personaleinvolvering, projektledelsesplaner, støttebreve fra kolleger, datahåndteringsstrategier og den forventede tidslinje for projekt. Og lad os ikke glemme risikoanalysen! Al denne indsats, kun for at stå over for en 90-95% sandsynlighed for afvisning.
På trods af den omfattende forberedelse er den barske virkelighed, at når først forskningen er påbegyndt, vil tingene måske ikke forløbe som forventet. Milepæle bliver muligvis ikke opfyldt, nogle forventede resultater kan forblive urealiserede, og hvis eksperimenter halter, har du muligvis ikke båndbredden til at udføre alle de offentlige engagementsaktiviteter, der er skitseret i tilskudsansøgningen. Men i slutningen af projektet kan du stadig ende med at bidrage væsentligt til videnskabelige fremskridt, selvom resultaterne afviger fra dit oprindelige forslag. Og det burde være helt acceptabelt.
Set fra panelmedlemmer, der har til opgave at tildele bevillingerne, er processen langt fra problemfri. Efter at have tjent på paneler selv, er det klart, at der simpelthen ikke altid er tilstrækkelig tid til at læse hver ansøgning i detaljer. Panelmedlemmer koncentrerer sig ofte om tre hovedspørgsmål: Er forslaget i overensstemmelse med indkaldelsen? Er den foreslåede videnskab sund og innovativ? Og er ansøgerne eksperter på deres område? Resuméet og en del af forskningsforslaget besvarer de to første spørgsmål, mens en hurtig Google-søgning kan give indsigt i ansøgernes ekspertise.
Så hvorfor skal ansøgere producere så omfattende en række dokumenter? Systemet er designet til at være stringent, robust og blottet for bias; det skal sikre, at finansieringsorganer modtager seriøse forslag. Processens udtømmende karakter sikrer, at kun virkelig dedikerede personer ansøger. Men oprettelsen af disse lange, tilsyneladende overflødige dokumenter optager en urimelig mængde af videnskabsmænds tid.
Mød Chat, chatbotten baseret på kunstig intelligens (AI), der kaster lys over systemets mangler.
For nylig, da jeg diskuterede et tilskudsansøgningsprojekt med en kollega, nævnte jeg min manglende tid til at udarbejde forslaget, som jeg havde forestillet mig. Han anbefalede at bruge Chat, som han bruger til at håndtere de mere besværlige aspekter af tilskudsansøgninger.
Jeg besluttede mig for at prøve Chat, mens jeg arbejdede på en anden bevillingsansøgning. Resuméet var færdigt, men jeg bad Chat om at uddybe de kerneideer, jeg havde noteret. Resultaterne var imponerende, og AI'en producerede engelsk tekst af høj kvalitet. Jeg brugte også Chat til at forklare, hvordan vores foreslåede forskning stemte overens med bevillingsgiverens indkaldelse. Igen var resultaterne tilfredsstillende. Et par mindre redigeringer var nødvendige for at maskere brugen af AI, men det reducerede min arbejdsbyrde fra tre dage til kun tre timer.
Da jeg indsendte bevillingen, nævnte jeg tilfældigt for en ven, at jeg lige havde skrevet min første "Chat-bevilling". Til min overraskelse afslørede han, at han og mange andre forskere havde brugt kunstig intelligens til dette formål i flere måneder. En Nature-undersøgelse fra 2023 med 1,600 forskere viste, at over 25 % bruger kunstig intelligens til at hjælpe med manuskriptskrivning, og mere end 15 % bruger teknologien til bevillingsansøgninger.
Selvom nogle måske ser brugen af Chat til tilskudsansøgninger som en form for snyd, understreger det et større problem: hvorfor beder vi forskere om at producere dokumenter, som AI nemt kan generere? Hvilken ekstra værdi bringer vi til bordet? Måske er det tid til, at finansieringsorganerne genovervejer deres ansøgningsprocesser.