論文の概要: What is Left for Us? Second Scholarship Against the Degradation of Research by AI
- arxiv url: http://arxiv.org/abs/2607.04049v1
- Date: Sat, 04 Jul 2026 22:45:23 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-07 22:26:29.805855
- Title: What is Left for Us? Second Scholarship Against the Degradation of Research by AI
- Title（参考訳）: AIによる研究の劣化に対する第二の学術研究
- Abstract要約: 生成AIは、判断が成立し、学術的信頼が構築されるという実践を損なうことによって、研究を劣化させることができると我々は主張する。
代わりに必要なのは、しばしば摩擦や学術的なコミュニティへの参加を通じて、徐々に判断が形成される、生きた実践としての研究への新たなコミットメントである。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: We argue that generative AI can degrade research by eroding the very practices through which scholarly judgement is formed and academic trust is built. As constitutive conditions for the production and validation of knowledge, these practices cannot be reduced to the final outputs of research, which is what AI so effectively simulate. Accordingly, when researchers delegate central tasks of inquiry to systems like Large Language Models, they may stop enacting these practices and, with them, lose access to the formation they provide. An individual research output generated by AI may even appear improved but the researcher behind it fails to develop. Against this risk, merely keeping humans in the loop as prompters or quality checkers of AI outputs is insufficient to preserve research as a site of intellectual formation. What is needed instead is a renewed commitment to research as a lived practice in which judgement is formed gradually, often through frictions, and participation in a scholarly community. We defend it because it rests on four sources and warrants of research that cannot be automated: tacit knowledge, personal commitment, socialisation, and deep reading. This practice enacts what we call second scholarship, by which we understand the reappropriation of scholarly craft, chosen out of a critical experience of what generative AI can and cannot do. What cannot and should not be delegated becomes what research communities must value and answer for. This is what is left for us.
- Abstract（参考訳）: 生成AIは、学術的判断や学術的信頼を築き上げるという実践を損なうことによって、研究を劣化させることができると我々は主張する。
知識の生成と検証のための構成条件として、これらのプラクティスは研究の最終成果に還元することはできない。
したがって、研究者が大規模言語モデルのようなシステムに調査の中枢的なタスクを委任すると、これらのプラクティスが実行されなくなるかもしれない。
AIによって生成された個々の研究成果も改善されているように見えるかもしれないが、その裏側の研究者は開発に失敗している。
このリスクに対して、AIアウトプットのプロンプトや品質チェッカーとして人間をループに留まらせるだけでは、知的形成の場として研究を維持するには不十分である。
代わりに必要なのは、しばしば摩擦や学術的なコミュニティへの参加を通じて、徐々に判断が形成される、生きた実践としての研究への新たなコミットメントである。
それは、自動化できない4つの情報源と保証、すなわち暗黙の知識、個人的なコミットメント、社会化、深い読書に依存しているからです。
このプラクティスは、第2の奨学金と呼ばれるものを実行し、そこでは、生成的AIができることとできないことの批判的な経験から選ばれた、学術的工芸の再開を理解する。
委譲できないこととすべきでないことは、研究コミュニティが評価し、答えなければならないものになります。
これが私たちに残されたものです。
関連論文リスト
- AI Finds A Way [27.866393720797785]
この研究は、100人以上の研究者の作品を表す様々な機械学習サブフィールドから、26個の手書きの逸話を提示する。
モデルと人間の価値を一致させることで、驚くべき、潜在的に有害な結果をもたらすことなく驚くべき発見をすることができる、という課題を説明している。
科学的な発見を加速するためにこれらの同じ学習力学を利用することができると我々は主張する。
論文 参考訳（メタデータ） (2026-08-24T22:29:38Z) - Personalized Auto-Research: Towards a True AI Co-Scientist [90.01790420664169]
研究目標を考えると、最先端のシステムは研究者に依存しないままである。
小説、価値、実現可能なものは研究者によって異なる。
本稿では,検索,仮説探索,実験,執筆,レビューを通じて,グラフグラウンドの研究者コンテキストをスレッド化するフレームワークを提案する。
論文 参考訳（メタデータ） (2026-08-14T20:43:27Z) - AI for Auto-Research: Roadmap & User Guide [107.0834449839233]
研究ライフサイクル全体にわたってAIをエンドツーエンドに分析する。
我々は、信頼できる援助と信頼できない自律性の間に、鋭くステージに依存した境界を特定できる。
障害モードを排除するのではなく、より大きな自動化が不明瞭であることが示されています。
論文 参考訳（メタデータ） (2026-05-18T17:08:26Z) - Rethinking Science in the Age of Artificial Intelligence [0.0]
我々は、ピアレビュー、倫理的評価、検証のような学術的学問において、AIは強化されるが人間の判断に取って代わるものではないと論じる。
本稿では、透明性、妥当性、説明責任を促進する政策を通じて、科学実践におけるAIの故意導入を訴える。
論文 参考訳（メタデータ） (2025-11-13T17:26:00Z) - Lessons from a Chimp: AI "Scheming" and the Quest for Ape Language [6.363408523327004]
我々は、現在のAIシステムが「計画」能力を開発しているかどうかを問う最近の研究を検討する。
我々は、この分野での現在の研究実践を1970年代に採用されたものと比較し、非ヒト霊長類が自然言語を習得できるかどうかを検証した。
私たちは、AIスキーマの研究がこれらの落とし穴を避けるために積極的に取り組むことを推奨します。
論文 参考訳（メタデータ） (2025-07-04T09:16:11Z) - AI4Research: A Survey of Artificial Intelligence for Scientific Research [55.5452803680643]
我々はAI for Research(AI4Research)に関する総合的な調査を行う。
まず、AI4Researchの5つの主要なタスクを分類する系統分類を導入する。
主要な研究ギャップを特定し、将来有望な方向性を明らかにする。
論文 参考訳（メタデータ） (2025-07-02T17:19:20Z) - Rigor in AI: Doing Rigorous AI Work Requires a Broader, Responsible AI-Informed Conception of Rigor [83.99510317617694]
我々は、厳格なAI研究と実践が持つべきものに対するより広範な概念が必要とされると論じている。
我々は,AIコミュニティの作業に関する対話に有用な言語とフレームワークを提供することを目標としている。
論文 参考訳（メタデータ） (2025-06-17T15:44:41Z) - O1 Replication Journey: A Strategic Progress Report -- Part 1 [52.062216849476776]
本稿では,O1 Replication Journeyに具体化された人工知能研究の先駆的アプローチを紹介する。
我々の方法論は、長期化したチームベースのプロジェクトの不規則性を含む、現代のAI研究における重要な課題に対処する。
本稿では,モデルにショートカットだけでなく,完全な探索プロセスの学習を促す旅行学習パラダイムを提案する。
論文 参考訳（メタデータ） (2024-10-08T15:13:01Z) - AI Research is not Magic, it has to be Reproducible and Responsible: Challenges in the AI field from the Perspective of its PhD Students [1.1922075410173798]
欧州13カ国から28名のAI博士候補を調査した。
課題は、データセット、モデル、実験などのAIリソースの発見可能性と品質だ。
責任と再現可能なAI研究プラクティスをすぐに採用する必要がある。
論文 参考訳（メタデータ） (2024-08-13T12:19:02Z) - A Survey of AI Reliance [10.930678550455568]
この調査は、AI依存に関する新しい包括的な社会技術的視点を提示する。
この調査は、厳格なAI依存の研究をガイドする形態的ボックスをもたらす分類フレームワークを紹介している。
論文 参考訳（メタデータ） (2024-07-22T09:34:58Z) - Generative AI in Writing Research Papers: A New Type of Algorithmic Bias
and Uncertainty in Scholarly Work [0.38850145898707145]
大規模言語モデル(LLM)と生成AIツールは、バイアスを特定し、対処する上での課題を提示している。
生成型AIツールは、不正な一般化、幻覚、レッド・チーム・プロンプトのような敵攻撃を目標とする可能性がある。
研究原稿の執筆過程に生成AIを組み込むことで,新しいタイプの文脈依存型アルゴリズムバイアスがもたらされることがわかった。
論文 参考訳（メタデータ） (2023-12-04T04:05:04Z) - The Role of AI in Drug Discovery: Challenges, Opportunities, and
Strategies [97.5153823429076]
この分野でのAIのメリット、課題、欠点についてレビューする。
データ拡張、説明可能なAIの使用、従来の実験手法とAIの統合についても論じている。
論文 参考訳（メタデータ） (2022-12-08T23:23:39Z) - Metaethical Perspectives on 'Benchmarking' AI Ethics [81.65697003067841]
ベンチマークは、人工知能(AI)研究の技術的進歩を測定するための基盤とみられている。
AIの顕著な研究領域は倫理であり、現在、ベンチマークのセットも、AIシステムの「倫理性」を測定する一般的な方法もない。
我々は、現在と将来のAIシステムのアクションを考えるとき、倫理よりも「価値」について話す方が理にかなっていると論じる。
論文 参考訳（メタデータ） (2022-04-11T14:36:39Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。