פרופ' פרדקין מציג הנחיות לשימוש ב-AI בדוקטורט
פרופ' עקיבא פרדקין ממכון PHD Institute פרסם הנחיות מפורטות לשילוב AI בדוקטורט — שלוש רמות שימוש, מה מותר ומה אסור, ודרישת שקיפות מלאה. היתרונות: קיצורן של פעולות טכניות ופינוי זמן לחשיבה ביקורתית. הסיכונים: מודלים ממציאים מקורות, וסטודנטים מאבדים את תהליך הלמידה.

פרופ' פרדקין מציג הנחיות לשימוש ב-AI בדוקטורט
AI מותר — השאלה היא מאיפה עובר הקו
כלי AI חדרו לאקדמיה במהירות מסחררת, ומי שעובד על דוקטורט יודע כמה מפתה לבקש מהצ'אט לעשות את העבודה השחורה. פרופ' עקיבא פרדקין, מייסד ומנהל מכון PHD Institute, ניסה לעשות סדר בנושא עם מסמך הנחיות מפורט — ולא, הוא לא אומר ״אסור״. הוא דווקא כן אומר ״מותר״, אבל מגדיר את הגבולות בצורה ברורה.
נקודת המוצא חיובית: השימוש בבינה מלאכותית אינו פסול כשלעצמו, והוא מותר בהחלט ככלי עזר למחקר ולכתיבה אקדמית. התנאי המרכזי הוא שהאחריות האקדמית נותרת במלואה בידי הדוקטורנט, שהמחקר שומר על מקוריותו, ושכל שימוש מתועד בהתאם לאתיקה.
כלי AI אינם מחליפים חשיבה מחקרית, שיפוט מדעי או תרומה אינטלקטואלית עצמאית — הם נועדו לתמוך בהם. אם אתם עובדים באקדמיה, או מלווים חברים בדוקטורט, זה הקשר שלכם לסיפור הזה.
שלוש הרמות: מסייע, משתף, מחליף
אחד הדברים היותר מעניינים במסמך הוא החלוקה לשלוש רמות שימוש:
- משתמש מסייע — הכלי משפר פעולה שהחוקר כבר ביצע בעצמו.
- משתמש משתף — הכלי מציע חלופות שהחוקר בוחן, מבקר ומפתח.
- משתמש מחליף — המכונה מבצעת בפועל את הפעולה האינטלקטואלית במקום החוקר.
״שתי הרמות הראשונות לגיטימיות ומועילות בכפוף לשקיפות ולבקרה״, מסביר פרופ' פרדקין. ״אבל הרמה השלישית דורשת תשומת לב מיוחדת. היא עלולה לגרוע ממהות ההכשרה המחקרית״.
הכלל המנחה פשוט: ככל שהפעולה נוגעת יותר לליבה של המחקר — בחירת הבעיה, בניית הטיעון, הצדקת המתודולוגיה, פרשנות ממצאים והסקת מסקנות — נדרשת מעורבות עצמאית גבוהה יותר.
היתרונות: להפחית את השחיקה, לא את החשיבה
פרופ' פרדקין לא מתעלם מהיתרונות. ״מערכות בינה מלאכותית יכולות לקצר פעולות טכניות וחזרתיות ולפנות זמן יקר לקריאה ביקורתית ולפיתוח מסגרת מושגית״, הוא מסביר. ״הן משמשות כבן שיח ראשוני לסיעור מוחות, מסייעות בשיפור הבהירות והסגנון הלשוני, במיוחד עבור מי שכותבים בשפה שאינה שפת האם שלהם, ותומכות בכתיבת קוד ובביצוע ניתוחים טכניים — כל עוד החוקר מבין את התהליך ולא מתייחס אליו כקופסה שחורה״.
מעבר לכך, שימוש ביקורתי בכלים מפתח אוריינות מחקרית עדכנית — מיומנות שעולם המדע של היום דורש מכולם.
הסיכונים: מודלים ממציאים, וסטודנטים מאבדים את תהליך הלמידה
אבל יש גם צדדים אפלים שכדאי להכיר. עבודת דוקטורט אינה רק מוצר סופי — היא תהליך הכשרה ממושך שבו נבנית זהותו המקצועית של החוקר. התמודדות עם עמימות, כתיבה מחדש ותיקון טיעונים בעקבות ביקורת הם שלבים חיוניים. כפי שמציין פרופ' פרדקין, קיצור הדרך אל התוצר עלול לקצר גם את תהליך הלמידה.
במסמך מוזכרים דבריו של דוקטור ירון כהן צמח, שלפיהם לסטודנטים כיום חסרה לעיתים האפשרות הפשוטה לנסות ולא להצליח. ניסוי וטעייה אינם תקלה — הם מנגנון מרכזי לבניית עצמאות מחקרית.
דגש קריטי נוסף: מודלי שפה נוטים להציג את המשותף, הסביר והנפוץ ביותר. במחקר מתקדם, הערך האמיתי טמון דווקא בזיהוי פערים בספרות, בהצגת מחלוקות תיאורטיות ובחריגה מן המובן מאליו. הסתמכות רחבה מדי על נוסחים חלקים של המכונה עלולה ליצור טקסט אחיד וחסר עמדה ביקורתית.
״חשוב לזכור שהמודלים עלולים לטעות או להמציא הפניות ביבליוגרפיות שאינן קיימות״, מתריע פרופ' פרדקין. ״לכן כל פרט חייב להיבדק מול מקורות אמיתיים״.
כמו כן, יש להקפיד על פרטיות וסודיות — לא להזין נתוני מחקר רגישים, פרטים על משתתפי המחקר או טיוטות שטרם פורסמו למערכות חיצוניות.
מה מותר, מה אסור — בקצרה
מותר (תחת בקרה אנושית):
- סיעור מוחות ראשוני, הבהרה ובחינת כיווני חקירה אפשריים
- שיפור ניסוח ובהירות, תיקון שגיאות לשון ודקדוק
- תרגום טקסטים תוך וידוא דיוק מושגי
- סיכום חומרים שהחוקר עצמו הזין
- סיוע בכתיבת קוד ואלגוריתמים מתוך הבנה מלאה של התוכן
אסור:
- כתיבה מלאה או חלקית של פרקים מהותיים — סקירת ספרות, מתודולוגיה, ניתוח ממצאים, דיון ומסקנות — ללא תרומה אינטלקטואלית עצמאית ברורה
- הסתמכות על המערכת כמקור ידע סמכותי
- ציטוטים או הפניות שלא נבדקו במקור
- ניתוח נתונים והסקת מסקנות ללא הבנה ובקרה אנושית
שקיפות: תיעוד הוא תנאי הכרחי
עיקרון מרכזי נוסף בהנחיות: שקיפות וגילוי נאות. על החוקר לציין במפורש — בפרק ייעודי, הערת שוליים או נספח — אם וכיצד נעשה שימוש בכלי AI במהלך העבודה, כולל פירוט של סוג הכלי ומטרת השימוש.
גילוי נאות הוא תנאי הכרחי אך לא מספיק, והוא ממש לא מכשיר שימוש שמחליף את החשיבה העצמאית.
מבחן התוצר מול מבחן התהליך
שילוב הטכנולוגיה משנה גם את אופן ההערכה האקדמית. מכיוון שטקסט מלוטש לא מעיד בהכרח על עומק ההבנה, ההמלצה היא לעבור ממבחן התוצר אל מבחן התהליך — דגש על היכולת של החוקר להגן על החלטותיו, להסביר מדוע בחר בכיוון מסוים ודחה חלופות אחרות, ולתאר את אופן השימוש בכלים.
״מומלץ לקיים תיאום ציפיות מוקדם עם המנחה האקדמי, שהופך למנטור שמלווה את תהליך החשיבה עצמו״, מבהיר פרופ' פרדקין.
מבחן עצמי קצר
פרופ' פרדקין מציע מבחן עצמי פשוט לפני כל שימוש ב-AI:
- האם הפעולה שאני מבקש מהכלי היא חלק מהיכולת המחקרית שהדוקטורט אמור להוכיח?
- האם אוכל להסביר, להצדיק ולשחזר את התוצר גם ללא הכלי?
- האם אימתתי את כל העובדות והמקורות מול מקורות ראשוניים?
- האם אני מזין מידע חסוי או רגיש בשיחה עם הצ'אט?
- האם ארגיש בנוח לתאר את השימוש במהלך מבחן בעל פה?
אם עניתם ״לא״ על יותר מאחת מהשאלות, כדאי לשקול מחדש.
בעולם שבו מודלי AI הופכים נגישים יותר מיום ליום, הנחיות כאלה — ברורות, מעשיות ונטולות היסטריה — הן בדיוק מה שחסר. השאלה היחידה היא מתי מוסדות נוספים ילכו בכיוון.