راهنمای یک دانشمند برای نوشتن با هوش مصنوعی

به‌عنوان یک دانشمند، شما یک نویسنده حرفه‌ای هستید. برای تأمین بودجه تحقیقات خود گرنت می‌نویسید و برای به اشتراک گذاشتن یافته‌هایتان با جهان، مقاله منتشر می‌کنید. شما تحت فشار و با محدودیت زمانی کار می‌کنید. شاید برای هر کلمه دستمزد نگیرید یا رمان‌های پرفروش منتشر نکنید اما معیشت شما به تولید مداوم نوشته‌های باکیفیت و به‌موقع بستگی دارد.

این لزوماً به این معنا نیست که نوشتن برای شما آسان است. بنابراین وقتی ابزارهای هوش مصنوعی مولد مانند «ChatGPT» ظهور کردند، شاید شما نیز مجذوب این فناوری شدید. آیا هوش مصنوعی می‌توانست این بخش حیاتی اما چالش‌برانگیز از کار شما را کمی کم‌استرس‌تر کند؟ یا شاید با تردید به آن نگاه کردید و فکر کردید این چت‌بات‌ها فقط برای تولید متن‌های بازاریابی مناسب هستند و برای دانشمندان یک حواس‌پرتی پرهزینه برای تولید متنی نیمه دقیق و بی‌روح محسوب می‌شوند.

من به‌عنوان یک نویسنده علمی حرفه‌ای و مدرس نگارش علمی، در عین حال که نگران محدودیت‌ها و پیامدهای این فناوری جدید بودم، کنجکاو نیز بودم. سوگیری‌های موجود در این فناوری و روش‌های اخلاقاً cuestionable ساخت آن، دلایل نگرانی واقعی هستند. با این حال، می‌دانستم نمی‌توانم وانمود کنم که ابزارهایی مانند «ChatGPT» وجود ندارند زیرا باید دانشجویان، پژوهشگران پسادکتری و محققان اصلی را در استفاده از آن‌ها راهنمایی می‌کردم. این دقیقاً شغل من است: طی پنج سال گذشته، به‌صورت تمام‌وقت در مؤسسه علوم زیست پزشکی تحصیلات تکمیلی «ویلچک» در دانشکده پزشکی «گروسمن» دانشگاه نیویورک، برنامه‌ای آموزشی برای ارتباطات علمی توسعه داده و تدریس کرده‌ام.

پس از ماه‌ها استفاده و تدریس هوش مصنوعی مولد، متوجه شده‌ام که این فناوری جایگاه ویژه‌ای در جعبه‌ابزار نویسنده علمی دارد. به نظر من، اکنون زمان آن نیست که نویسندگان حرفه‌ای از جمله دانشمندان سر خود را زیر برف کنند. تا یک دهه دیگر، عدم مهارت در استفاده از هوش مصنوعی مولد ممکن است شبیه به ندانستن نحوه استفاده از یک موتور جست‌وجو در دنیای امروز باشد.

این مقاله توسط «تیم رکوارث»، استادیار پژوهشی علوم اعصاب و فیزیولوژی دانشکده پزشکی گراسمن، دانشگاه نیویورک در قالب چند یادداشت در ترانزمیتر منتشر شده.

چگونه یادداشت‌ها را با هوش مصنوعی به پیش‌نویس تبدیل کنیم؟

همه نوشته‌ها ساختار دارند اما دانشمندان کار راحت‌تری دارند زیرا اسناد علمی از ساختارهای بسیار قابل‌پیش‌بینی پیروی می‌کنند. این موضوع نه تنها در سطح کلان (مقدمه، روش‌ها، نتایج و بحث) بلکه در سطح خرد نیز مشهود است. برای مثال، یک پاراگراف معمولی در بخش نتایج دارای ساختار «منطق (Rationale)، رویکرد (Approach)، نتایج (Results)، و تفسیر (Interpretation)» است. این ساختار به یک هنجار تبدیل شده است زیرا روایتی روشن و قابل فهم ارائه می‌دهد.

ابزارهای هوش مصنوعی مانند «ChatGPT» می‌توانند از این ماهیت بسیار منظم نگارش علمی برای ساده‌سازی فرآیند نوشتن شما بهره‌برداری کنند. شما می‌توانید اطلاعات خود را به صورت تقریبی و بدون توجه به انسجام، گرامر یا سبک بنویسید یا حتی آن‌ها را با صدای بلند ضبط کنید. سپس این پیش‌نویس خام (یا متن پیاده شده از صدا) را به همراه ساختار اصلی (منطق، رویکرد، نتایج، تفسیر) به عنوان یک الگو به ابزاری مانند «ChatGPT» بدهید. این گردش کار به شما یک پیش‌نویس اولیه بدون دردسر می‌دهد که البته باید آن را برای صحت بررسی و ویرایش کنید.

مثال عملی: تبدیل یادداشت‌های صوتی به یک پاراگراف علمی

پرامپت (دستور) ارائه‌شده به ChatGPT:

 شما در حال نوشتن بخش «نتایج» برای یک مقاله علمی هستید. وظیفه شما این است که متن پیاده‌شده صوتی زیر را در یک پاراگراف منسجم گردآوری کنید. اطلاعات باید به ترتیب زیر مرتب شوند: منطق، رویکرد، نتایج، تفسیر. پاسخ شما باید تمام جزئیات لازم از جمله اعداد و اسامی خاص را حفظ کند. لحن باید رسمی اما با اولویت شفافیت و اختصار باشد.

متن پیاده‌شده صوتی:

 «خب، مطالعات قبلی نشان داده‌اند که الیاف موسی به Eminentia granularis posterior یا به اختصار EGp می‌روند… این الیاف اطلاعات مختلفی مانند EOCD، سیگنال‌های حس عمقی و الکتروسنسوری را حمل می‌کنند. سوال اصلی ما این است که آیا برخی از این الیاف اطلاعات مرتبط با حرکت را حمل می‌کنند؟ برای فهمیدن این موضوع، ما از آماده‌سازی ساختگی همراه با ثبت‌های خارج سلولی از آکسون‌های الیاف موسی در EGp استفاده کردیم… ما دریافتیم که گروهی از این الیاف در حین حرکت خود به خودی تغییراتی در نرخ شلیک خود نشان دادند… حدود ۲۳ از ۴۸ فیبر این رفتار را نشان دادند… در نتیجه، به نظر می‌رسد الیاف موسی اطلاعات حرکتی مرتبط با ریتم حرکات شنا را منتقل می‌کنند.»

خروجی ChatGPT:

«مطالعات پیشین نشان داده‌اند که الیاف موسی به Eminentia granularis posterior (EGp) پرتاب می‌شوند، جایی که سلول‌های گرانول با ELL ارتباط برقرار می‌کنند (شکل 1B). این الیاف که از مناطق مختلف مغز و حتی نخاع منشأ می‌گیرند، انواع مختلفی از اطلاعات از جمله EOCD، حس عمقی و سیگنال‌های الکتروسنسوری را منتقل می‌کنند («Bell» 1981؛ «Szabo» 1979، 1990؛ «Bell» 1992؛ «Kennedy» 2014؛ «Sawtell» 2010). سوال اصلی تحت بررسی این بود که آیا الیاف موسی خاصی اطلاعات مرتبط با حرکت، به‌ویژه تخلیه فرعی را منتقل می‌کنند. برای پاسخ به این سوال، ما از ترکیبی از آماده‌سازی ساختگی و ثبت‌های خارج سلولی از آکسون‌های احتمالی الیاف موسی در EGp استفاده کردیم… مشاهدات ما نشان داد که زیرمجموعه‌ای از الیاف موسی فعال تونیک، تغییراتی در نرخ شلیک خود در حین حرکت خود به خودی (شکل S1) یا در پاسخ به فعالیت حرکتی ناشی از تحریک میکرو نشان دادند. قابل ذکر است که ۲۳ از ۴۸ فیبر این رفتار را نشان دادند (شکل 2C) … در نهایت، داده‌های ما قویاً نشان می‌دهد که الیاف موسی اطلاعات مرتبط با حرکت را که با ریتم حرکات شنا هماهنگ است، منتقل می‌کنند.»

اگرچه پاراگراف تولیدشده ممکن است آماده انتشار نباشد اما ساختار foundational در جای خود قرار دارد و شما در موقعیت خوبی برای شروع ویرایش هستید. این روش به نویسندگان کمک می‌کند تا بر دو مشکل رایج غلبه کنند: ترس از صفحه سفید و شروع به نوشتن بدون برنامه‌ریزی ساختاری.

چگونه با هوش مصنوعی برای نوشته‌های خود ساختار ایجاد کنیم؟

«سندروم صفحه سفید» شاید یک بیماری رسمی نباشد اما برای نویسندگانی که با محدودیت زمانی مواجه هستند، می‌تواند حس یک بیماری را داشته باشد. بسیاری از ستون‌های مشاوره برای غلبه بر این مشکل، «نوشتن آزاد» را توصیه می‌کنند. با این حال، من دریافته‌ام که تفکر دقیق درباره ساختار در ابتدا کارآمدتر و کم‌دردسرتر است. برای من و دانشجویانم، این به معنای استفاده از یک الگو است. قدرت الگوها در این است که می‌توانند تقریباً هر نوشته‌ای را به یک «جای خالی را پر کنید» طولانی تبدیل کنند.

اینجاست که ابزارهای هوش مصنوعی مانند «ChatGPT» می‌توانند کمک بزرگی باشند. شما می‌توانید یک یا دو نمونه از نوع سندی که می‌خواهید بنویسید را به هوش مصنوعی بدهید و سطح جزئیات مورد نظر خود را در الگو مشخص کنید.

مثال عملی: ایجاد الگو برای بیوگرافی شخصی NIH

پرامپت:

 «بیانیه شخصی نمونه ارائه‌شده از یک بیوگرافی NIH برای درخواست فلوشیپ پسادکتری را تحلیل کرده و یک الگوی کلی برای نوشتن بیوگرافی خود ایجاد کنید. الگو باید شامل بخش‌های لازم باشد و اجزای کلیدی که باید در هر بخش گنجانده شوند را برجسته کند. برای هر جزء کلیدی، یک محدوده تعداد جمله مشخص کنید و محل شکست پاراگراف‌ها را نیز تعیین کنید.»

خروجی ChatGPT:

الگوی بیانیه شخصی:

1. علایق پژوهشی (یک تا دو جمله): به طور خلاصه علایق پژوهشی بلندمدت خود را بیان کنید.
2. پیشینه تحصیلی و پژوهشی (سه تا پنج جمله): سفر تحصیلی خود را خلاصه کرده و بر رشته‌های مرتبط تأکید کنید. تجربیات پژوهشی مهم را با ذکر نام مربیان یا همکاران کلیدی برجسته کنید.
3. دستاوردها و انتشارات قابل توجه (سه تا شش جمله): یافته‌های پژوهشی یا روش‌شناسی‌های قابل توجهی که توسعه داده‌اید را توصیف کنید. به انتشارات مهم، به‌ویژه آن‌هایی که نویسنده اول بوده‌اید، اشاره کنید.
4. آموزش پسادکتری و اهداف آینده (سه تا پنج جمله): برنامه‌های خود برای آموزش پسادکتری را مشخص کنید. به مربی که تحت نظر او آموزش خواهید دید و اعتبار او اشاره کنید.
5. فعالیت‌های توسعه شغلی (دو تا چهار جمله): فعالیت‌های برنامه‌ریزی‌شده برای توسعه شغلی (مانند کارگاه‌ها، دوره‌ها) را فهرست کنید.
6. تجربه شخصی یا چالش‌ها (اختیاری، دوتا سه جمله): در صورت مرتبط بودن، به طور خلاصه به هرگونه تجربه شخصی یا چالشی که بر مسیر شغلی شما تأثیر گذاشته است، اشاره کنید.

با در دست داشتن یک الگو، می‌توانید از گردش کار «یادداشت به پیش‌نویس» که در بخش قبل توضیح داده شد برای ایجاد یک پیش‌نویس خوش‌ساختار در مدت زمان بسیار کوتاهی استفاده کنید.

نوشته خود را با شخصیت‌های هوش مصنوعی تقویت کنید

یکی از ترفندهای اولیه «ChatGPT» این بود که آن را وادار به پذیرش یک «شخصیت» کنید. آیا شخصیت‌های هوش مصنوعی فقط سرگرمی‌های گران‌قیمت هستند یا می‌توانند بازخورد علمی مفیدی ارائه دهند؟ من زمانی به این امکان علاقه‌مند شدم که استاد کسب‌وکار، «ای‌تان مولیک» از دانشکده «وارتون» دانشگاه پنسیلوانیا، نظرات خود را در این باره در توییتر منتشر کرد: «GPT یک داوری همتای کاملاً منطقی ارائه داد.»

این بدان معنا نیست که باید از هوش مصنوعی برای داوری همتای کارهای دیگران استفاده کنید این کار صراحتاً توسط مؤسسه ملی بهداشت (NIH) ممنوع است و ممکن است با سیاست‌های مجلات علمی در تضاد باشد. اما هوش مصنوعی می‌تواند ابزار مفیدی برای ارتقاء کار خودتان قبل از ارسال به یک آژانس تأمین مالی یا مجله باشد.

یک مطالعه که در ماه اکتبر در arXiv منتشر شد، رویکرد سیستماتیک‌تری به داوری همتا با مدل‌های زبان بزرگ داشت. تیمی از دانشمندان کامپیوتر در دانشگاه استنفورد، جریان کاری مبتنی بر هوش مصنوعری را توسعه دادند که یک مقاله را گرفته و نوشته را برای تولید بازخورد ساختاریافته تحلیل می‌کند. آن‌ها دریافتند که توصیه‌های ارائه‌شده توسط GPT-4 در مورد مقالات علمی، با بازخورد مطرح‌شده توسط انسان‌ها به میزان ۳۰ درصد برای مجلات «Nature» و ۳۹ درصد برای ارسالی‌ها به کنفرانس «ICLR» همپوشانی دارد تقریباً به همان میزانی که بین هر دو داور انسانی اندازه‌گیری کردند.

شما می‌توانید از هوش مصنوعی بخواهید تا نقش یک داور را برای گرنت شما بازی کند. با ارائه یکسری معیارها و پرسش‌های مشخص، می‌توانید از نقاط ضعف کار خود آگاه شوید.

مثال عملی: دریافت بازخورد برای یک صفحه اهداف مشخص (Specific Aims)

پرامپت:

«شما بازخورد داوری همتای باکیفیتی برای صفحات اهداف مشخص برای درخواست‌های گرنت که به NIH ارسال می‌شوند، تهیه می‌کنید. بازخورد خود را در بخش‌هایی سازماندهی کنید که توسط هشت سوال زیر هدایت می‌شوند: ۱. شکاف دانشی مشخص و/یا موانع پیشرفت که مورد توجه قرار گرفته چیست؟ ۲. هدف پژوهش پیشنهادی چیست؟ …( ادامه سؤالات)»

خروجی ChatGPT: خلاصه بازخورد

1. شکاف دانشی/موانع پیشرفت
   • پاسخ نویسنده: ناتوانی پژوهش فعلی در درک کامل مکانیسم‌های عصبی پشت فیلتر حسی در مخچه پستانداران که با اختلالاتی مانند اوتیسم و اسکیزوفرنی مرتبط است.
   • پیشنهاداتی برای بهبود:
     • جنبه‌های خاص فیلتر حسی که هنوز کشف نشده‌اند را روشن کنید.
     • شواهد دقیق‌تری برای ارتباط این شکاف با اختلالات ذکر شده ارائه دهید.
2. هدف پژوهش پیشنهادی
   • پاسخ نویسنده: تشریح مکانیسم‌های سلولی و مداری فیلتر حسی با استفاده از ماهی‌های مورمرید الکتریکی ضعیف به عنوان یک سیستم مدل.
   • پیشنهاداتی برای بهبود:
     • پیامدهای گسترده‌تر را مشخص کنید: توضیح دهید که چگونه یافته‌های این سیستم مدل می‌تواند به درک مخچه پستانداران کمک کند.
     • اهداف روشن و قابل اندازه‌گیری تعریف کنید.

این بازخورد دو چیز مفید را فراهم می‌کند. اول، با درخواست از هوش مصنوعی برای بازتاب نوشته شما، می‌توانید درک بهتری از آنچه واقعاً منتقل می‌کنید، به دست آورید. دوم، پیشنهاداتی برای بهبود دریافت می‌کنید. ارزش واقعی شخصیت‌های هوش مصنوعی نه در آموزش نحوه نوشتن گرنت‌های بهتر، بلکه در برجسته کردن نقاط کور در نوشته‌های ما نهفته است.

آیا هوش مصنوعی واقعاً شما را به نویسنده‌ای کارآمدتر تبدیل می‌کند؟

یکی از وعده‌های بزرگ ابزارهای هوش مصنوعی مولد مانند «ChatGPT» این بود که ربات‌ها کارهای نوشتاری تکراری را از بین خواهند برد. اما وقتی صحبت از کارهای نوشتاری پیچیده‌تر می‌شود، آیا استفاده از هوش مصنوعی واقعاً در زمان شما صرفه‌جویی می‌کند؟

نزدیک به دو سال پس از آغاز عصر هوش مصنوعی مولد، دیگر نیازی به تکیه بر حکایات نداریم؛ داده‌های واقعی در مورد چگونگی تأثیر هوش مصنوعی بر فرآیند نوشتن وجود دارد. در یک مطالعه که سال گذشته در «Science» منتشر شد، محققان از کارگران تحصیل‌کرده خواستند تا کارهای نوشتاری واقعی مربوط به شغل خود را تکمیل کنند و کسانی که به طور تصادفی برای استفاده از «ChatGPT» انتخاب شده بودند، وظایف را ۴۰ درصد سریع‌تر انجام دادند. مطالعه دیگری روی چند صد مشاور تجاری مزایای مشابهی را نشان داد. کسانی که از هوش مصنوعی استفاده می‌کردند، ۲۵ درصد در کارهای سنگین نوشتاری سریع‌تر بودند.

با این حال، یافته‌های حوزه پزشکی موضوع را پیچیده‌تر می‌کند. دو مطالعه نشان دادند که پزشکانی که از پیش‌نویس‌های تولید شده توسط هوش مصنوعی برای پاسخ به پیام‌های بیماران استفاده می‌کردند، تقریباً به همان اندازه پزشکان بدون هوش مصنوعی زمان صرف کردند. نتیجه این است که اگرچه افزایش بهره‌وری ممکن است اما قطعاً تضمین شده نیست.

با این حال، نگاهی فراتر از نتایج اصلی در این مطالعات، برخی مزایای پیش‌بینی‌نشده استفاده از هوش مصنوعی را آشکار می‌کند. در یکی از مطالعات، حتی اگر پزشکان با استفاده از محتوای تولید شده توسط هوش مصنوعی در زمان صرفه‌جویی نکردند، گزارش دادند که بار شناختی کمتر و فرسودگی شغلی کم‌تری را تجربه کرده‌اند. این نشان می‌دهد که ویرایش ممکن است از نظر شناختی کمتر از نوشتن طاقت‌فرسا باشد.

کمک هوش مصنوعی همچنین می‌تواند کیفیت را بهبود بخشد. کارگران تحصیل‌کرده در مطالعات فوق، نوشته‌هایی تولید کردند که ۱۸ درصد کیفیت بالاتری داشتند و عملکرد مشاوران ۴۰ درصد کیفیت بالاتری داشت. همچنین مشخص شد که پاسخ‌های هوش مصنوعی به بیماران همدلانه‌تر از پاسخ‌های پزشکان واقعی ارزیابی می‌شود.

مثال عملی: ویرایش لحن ایمیل با هوش مصنوعی

 یکی از کاربردهای مورد علاقه من برای هوش مصنوعی، ویرایش لحن ایمیل‌هایم است. یک ایمیل تند و عصبانی را به هوش مصنوعی بدهید و از آن بخواهید آن را با تدبیر و دیپلماسی بازنویسی کند. ایمیل بازنویسی‌شده احتمالاً در حل مشکل فوری مؤثرتر خواهد بود زیرا لحنی محترمانه را حفظ می‌کند، بر حل مسئله به جای سرزنش تمرکز دارد و روابط حرفه‌ای را حفظ می‌کند.

مهندسی پرامپت چقدر اهمیت دارد؟

اندکی پس از آنکه «ChatGPT» به صورت عمومی عرضه شد، «The Atlantic» اعلام کرد که پرامپت‌نویسی یا تعامل با هوش مصنوعی برای دریافت پاسخ مورد نظر، «مهم‌ترین مهارت شغلی این قرن» خواهد بود. اگرچه «مهندسی پرامپت» یک مهارت واقعی است اما تمام این تأکید بر پرامپت‌نویسی با نقطه فروش اصلی چت‌بات‌های هوش مصنوعی مولد در تضاد است؛ اینکه شما می‌توانید به زبان ساده با آن‌هاچت کنید.

اما کلمات دقیقی که برای پرامپت‌نویسی استفاده می‌کنید احتمالاً کمتر از آنچه فکر می‌کنید اهمیت دارند. برخی از موفق‌ترین کاربران واقعاً با هوش مصنوعی مانند یک قطعه فناوری رفتار نمی‌کنند. آن‌هادر عوض با آن مانند یک فرد با استعداد اما ساده‌لوح و کمی غیرقابل اعتماد رفتار می‌کنند.

یک رویکرد بهتر این است که به این فکر کنید که از یک «همکار ساده‌لوح» انسانی چه می‌خواهید. شما ممکن است جزئیات بیشتری در مورد نقش به او بدهید، شرحی از کار آزمایشگاه خود ارائه دهید یا یک نمونه به او بدهید و از او بخواهید آن را با شرایط شما تطبیق دهد.

رویکرد یک معلم را در پیش بگیرید

 بسیاری از تکنیک‌های پرامپت‌نویسی پیشرفته مانند درخواست از هوش مصنوعی برای فکر کردن گام به گام یا ارائه مثال‌هایی از خروجی‌های ترجیحی و غیرترجیحی استراتژی‌هایی هستند که برای آموزش یا تربیت یک فرد استفاده می‌کنید. اگر گیر کردید یا خروجی‌های خوبی دریافت نمی‌کنید، از خود بپرسید اگر یک دانشجو متوجه نمی‌شد چه کار می‌کردید. این تغییر کلیدی در رویکرد شما به استفاده از هوش مصنوعی است.

چرا نوشتن با هوش مصنوعی ممکن است به وعده‌های خود عمل نکند؟

کارایی همه‌چیز نیست. تلاش شناختی درگیر شدن با نثر ممکن است بخش مهمی از چیزی باشد که پیشرفت علمی را به پیش می‌برد.

حقیقت این است که فرآیند نوشتن اغلب به اندازه محصول نهایی یا حتی بیشتر، اهمیت دارد. وقتی دانشمندان برای توضیح واضح روش‌شناسی خود تلاش می‌کنند، ممکن است شکاف‌هایی در درک خود کشف کنند. وقتی برای بیان اینکه چرا رویکرد خاص آن‌هااهمیت دارد، تلاش می‌کنند، ممکن است ارتباطات جدیدی را کشف کنند یا فرضیه‌های خود را اصلاح کنند. من گمان می‌کنم که تلاش‌های بی‌شمار خصوصی با نوشتن، به عنوان موتورهای خاموش کشف علمی عمل کرده‌اند.

عصب‌شناس، «ایو ماردر»، به زیبایی این ارزش شناختی را به رسمیت می‌شناسد: «مهم‌تر از همه، نوشتن رسانه‌ای است که به شما امکان می‌دهد تا برای همیشه، اکتشافات جدید خود را توضیح دهید… تصادفی نیست که برخی از بهترین و تأثیرگذارترین دانشمندان ما مقالات زیبا و خوش‌ساختی می‌نویسند. بنابراین، تلاش کنید تا نوشتن را به یکی از لذت‌های بزرگ زندگی خود به عنوان یک دانشمند تبدیل کنید و علم شما از آن بهره‌مند خواهد شد.»

صادقانه‌ترین راهنمایی‌ای که می‌توانم ارائه دهم این است؛ قبل از درخواست کمک از هوش مصنوعی، مکث کنید و از خود بپرسید که آیا در تلاش برای روشن کردن تفکر خود هستید یا صرفاً تولید متن. اگر اولی است اگر واقعاً در حال تلاش برای توضیح یک مفهوم یا بیان اینکه چرا رویکرد شما اهمیت دارد هستید این تلاش ممکن است ارزش حفظ کردن را داشته باشد. ناراحتی از ندانستن اینکه دقیقاً چگونه چیزی را بگویید، اغلب سیگنال مهمی است که شما در لبه درک خود هستید، شاید در آستانه ورود به قلمرو جدیدی باشید. دانشمندانی که در آینده‌ای اشباع از هوش مصنوعی، هیجان‌انگیزترین و معنادارترین کارها را انجام می‌دهند، کسانی نخواهند بود که می‌توانند به طور کارآمد گرنت‌ها و مقالات قابل قبولی تولید کنند بلکه کسانی خواهند بود که به این سیگنال احترام می‌گذارند و تشخیص می‌دهند که تلاش برای نوشتن، در واقع تلاش برای کشف در لباس مبدل است.

با هوش مصنوعی، ما دانشمندان در معرض خطر بهینه‌سازی راه خود به سوی مقالات زیبا هستیم، در حالی که پیشرفت بنیادی در علوم اعصاب متوقف باقی می‌ماند. ممکن است با لیست‌های انتشار چشمگیر بمیریم، در حالی که از بیماری‌هایی که نتوانستیم درمان کنیم، جان می‌بازیم.

مسیر پیش رو به معنای تصدیق این است که کارایی همیشه پیشرفت نیست، حذف اصطکاک همیشه بهبود نیست و ابزارهایی که برای بهره‌ورتر کردن ما طراحی شده‌اند، گاهی اوقات ممکن است ما را کمتر توانا کنند. این پیام پیچیده‌تر از پیامی است که با آن شروع کردم اما پیچیدگی اغلب جایی است که حقیقت در آن زندگی می‌کند.