Peer review adalah bagian penting dari penelitian ilmiah. Ini berperan penting dalam memastikan kebenaran dan akurasi temuan sebelum dipublikasikan. Namun, proses peer review dilakukan oleh manusia, dan manusia pasti membuat kesalahan. Namun, teknologi yang muncul mungkin memegang kunci untuk memperbaiki ini.
BeInCrypto berbicara dengan Co-Founder YesNoError Matt Schlicht dan CEO Mira Network Magnus Bratt untuk memahami bagaimana kecerdasan buatan (AI) dan ilmu terdesentralisasi (DeSci) bergabung untuk mengubah proses ilmiah yang ditinjau oleh rekan sejawat.
Harga dari Pengawasan yang Cacat
Bahkan manusia paling cerdas pun membuat kesalahan. Dalam ilmu pengetahuan, kesalahan ini bisa berdampak besar. Sejarah –baik yang baru maupun lama– telah membuktikannya berulang kali.
Pada tahun 1998, NASA meluncurkan Mars Climate Orbiter untuk mempelajari atmosfer planet tersebut. Proyek ini melibatkan investasi US$125 juta dan hampir 10 bulan perjalanan untuk mencapainya.
Setibanya di sana, orbiter terbakar dan rusak, dan NASA segera menyatakan misi tersebut gagal. Yang paling menyakitkan adalah kegagalan misi tersebut ditelusuri kembali ke kesalahan navigasi sederhana.
Tim navigasi yang dipimpin oleh Jet Propulsion Laboratory (JPL) menggunakan satuan metrik dalam perhitungan mereka. Sementara itu, Lockheed Martin Astronautics, perancang dan pembuat pesawat luar angkasa, memberikan data percepatan penting dalam satuan Inggris.
Kegagalan Lockheed Martin untuk mengonversi satuan Inggris ke metrik menjelaskan kesalahan kritis yang menyebabkan pesawat luar angkasa mendekati Mars terlalu dekat dan terbakar saat tiba.
“Peer review tradisional secara inheren terbatas oleh kesalahan manusia dan subjektivitas. Reviewer mungkin mengabaikan kekurangan metodologis penting atau kesalahan statistik karena bias individu, kepentingan yang bertentangan, atau hanya keterbatasan dari pemeriksaan manual,” terang Bratt kepada BeInCrypto.
Penyelidikan selanjutnya menemukan bahwa kurangnya peer review yang ketat dan independen terhadap perhitungan navigasi berkontribusi pada kesalahan konversi satuan yang tidak terdeteksi. Namun, ada kasus yang lebih baru di mana mekanisme peer review gagal menangani kesalahan sederhana seperti itu.
Kasus Terbaru Kesalahan Manusia dalam Sains
Salah satu peristiwa terbaru yang menunjukkan sejauh mana kesalahan manusia dalam penelitian ilmiah yang ditinjau oleh rekan sejawat terjadi tahun lalu. Pada bulan Oktober, sebuah studi yang diterbitkan dalam jurnal kimia lingkungan Chemosphere mengungkapkan bahwa penghambat api elektronik ada dalam beberapa produk plastik hitam rumah tangga, seperti peralatan dapur.
Studi ini memicu banyak laporan media, termasuk artikel di media seperti The Atlantic dan National Geographic, yang mendesak konsumen untuk membuang peralatan dapur plastik hitam mereka. Ini juga memicu kekhawatiran publik di media sosial.
Namun, pada bulan Desember, dengan biaya 30 sen dan dalam 30 detik, sebuah OpenAI query yang meninjau temuan studi tersebut menemukan bahwa penulis telah melewatkan satu nol.
“Kami salah menghitung dosis referensi untuk orang dewasa 60 kg, awalnya memperkirakannya sebesar 42.000 ng/hari, padahal nilai yang benar adalah 420.000 ng/hari,” terang koreksi tersebut ujar.
Penelitian asli mengandung kesalahan signifikan dengan faktor 10, di mana paparan yang diberikan dinyatakan sebagai 80% dari batas legal untuk racun tertentu padahal sebenarnya hanya 8%. Dengan kata lain, kesalahan ini secara signifikan melebih-lebihkan paparan terhadap racun tersebut.
“Saya akan mengatakan bahwa batasan nomor satu yang sangat jelas dari peer review adalah bahwa manusia membuat kesalahan. Ini adalah orang-orang yang sangat pintar. Ini diterbitkan di mana-mana. Ini berlangsung selama dua bulan, dan jutaan orang melihat artikel ini, dan tidak ada yang menyadari kesalahan ini. Ternyata jika Anda mengambil makalah itu dan mengirimkannya ke model terbaru OpenAI, Anda cukup mengatakan, ‘hei, apakah ada kesalahan dalam makalah ini?’ Dengan biaya sekitar 30 sen dan dalam 30 detik, model tersebut langsung mengatakan ya,” ujar Schlicht.
Menanggapi peristiwa ini, para pendukung AI dan DeSci mencatat kekurangan ini dalam pendekatan tradisional terhadap sains.
Membayangkan Ulang Peer Review dengan AI dan DeSci
Konsep peer review sudah ada selama berabad-abad. Sejak awal, konsep ini telah mengalami beberapa perubahan.
“Peer review tidak selalu menjadi proses formal dan anonim seperti yang kita kenal sekarang. Pada masa awal jurnal ilmiah (pertengahan 1600-an), editor—seperti Henry Oldenburg di Royal Society—memutuskan apa yang akan diterbitkan tanpa berkonsultasi dengan ahli eksternal. Selama abad ke-18 dan ke-19, seiring berkembangnya komunitas ilmiah, diskusi informal dan evaluasi internal secara bertahap berkembang menjadi praktik yang lebih sistematis. Pada pertengahan abad ke-20, ketika output penelitian meledak, jurnal mengadopsi peer review eksternal yang terstruktur (seringkali dengan reviewer anonim) untuk membantu menjaga kualitas dan keadilan. Saat ini, kita melihat berbagai model—dari review single-blind dan double-blind hingga review terbuka dan pasca-publikasi—yang mencerminkan upaya berkelanjutan untuk menyeimbangkan transparansi, efisiensi, dan ketelitian dalam lanskap ilmiah yang berkembang pesat,” terang Bratt.
DeSci telah berkembang untuk menemukan solusi teknologi Web3 untuk mengatasi tantangan kritis yang muncul sebagai bagian dari pendekatan tradisional terhadap penelitian ilmiah. Akibatnya, agen AI menjadi solusi yang jelas untuk konsekuensi berpotensi bencana yang dapat ditimbulkan oleh kesalahan manusia pada mekanisme peer review.
“Kecerdasan buatan dapat secara otomatis menandai kesalahan, ketidakkonsistenan, dan plagiarisme sambil mencocokkan manuskrip dengan reviewer yang paling sesuai—membantu mengurangi bias dan meringankan beban kerja reviewer. Platform sains terdesentralisasi, menggunakan blockchain atau teknologi serupa, dapat merekam riwayat review secara transparan dan memungkinkan evaluasi yang bersumber dari kerumunan, meningkatkan akuntabilitas dan kepercayaan. Bersama-sama, alat-alat ini menyederhanakan dan meningkatkan peer review, memastikan kontrol kualitas yang lebih cepat dan lebih dapat diandalkan,” tambahnya.
Teknologi baru ini juga membuat kontribusi terhadap review ilmiah menjadi lebih mudah diakses.
“Ilmu terdesentralisasi dan kecerdasan buatan dapat sangat membantu peer review dengan menurunkan biaya peer review dengan memungkinkan AI melakukannya dengan biaya yang jauh lebih rendah dan dengan kecepatan yang jauh lebih cepat. DeSci dapat memberikan kemampuan kepada semua orang untuk memiliki peer review tak terbatas secara instan,” ujar Schlicht.
Efisiensi, kecepatan, desentralisasi, dan pengurangan biaya dapat membuka jalan baru untuk mengatasi masalah ilmiah kompleks yang sejauh ini belum terpecahkan.
Mempercepat Kemajuan Ilmiah dengan AI
Teknologi baru seperti AI menawarkan pendekatan baru yang menjanjikan untuk tantangan ilmiah rumit, termasuk penelitian kanker, umur panjang manusia, dan penyakit Alzheimer.
Berkat penelitian manusia selama berabad-abad, jutaan artikel ilmiah diterbitkan oleh jurnal di seluruh dunia saat ini, yang berarti data dalam jumlah besar. Agen AI dapat menyimpan, menyaring, dan menganalisis dataset yang ada dengan kecepatan yang tidak mungkin dilakukan manusia saat ini.
“Kecerdasan buatan mengubah penelitian kanker dan memiliki potensi besar untuk mempercepat penemuan pengobatan yang efektif. Alat AI sudah terbukti sangat berharga dengan cepat menyaring dataset besar untuk menemukan penanda genetik dan target obat baru, memodelkan bagaimana kanker berkembang, dan bahkan menyarankan kombinasi pengobatan inovatif. Terobosan ini tidak hanya mempercepat fase penemuan awal tetapi juga mengoptimalkan desain uji klinis dan memprediksi respons pasien dengan akurasi yang semakin meningkat. Meskipun kanker tetap menjadi kumpulan penyakit yang kompleks, dampak AI yang semakin besar membuat tujuan penyembuhan semakin dapat dicapai dan memberi energi pada seluruh komunitas penelitian,” terang Bratt kepada BeInCrypto.
YesNoError (YNE) milik Schlicht membangun whitepaper untuk inisiatif terdesentralisasi yang memanfaatkan model bahasa besar (LLM) canggih untuk mengaudit semua literatur ilmiah yang ada secara sistematis. Token YNE dibangun pada model ekonomi di mana holder token dapat memilih proyek mana yang harus diprioritaskan.
Agen AI bertanggung jawab untuk memindai kesalahan mulai dari kesalahan perhitungan sederhana hingga pemalsuan data. Tujuan lebih luas dari proyek ini adalah mengembangkan alat untuk memverifikasi klaim ilmiah yang dapat diakses oleh peneliti, institusi, dan publik.
“Berapa banyak makalah penelitian yang telah ditulis tentang umur panjang? Katakanlah ada satu juta. Katakanlah Anda adalah laboratorium yang berfokus pada umur panjang. Ukuran tim Anda yang diperlukan dari perspektif manusia untuk tidak hanya sekadar membaca satu juta makalah, tetapi juga menganalisisnya dengan akurat dan mensintesis data tersebut, tidak dapat dilakukan pada skala manusia. Namun ketika Anda mulai merancang sistem berbasis agen AI yang dapat membaca satu juta makalah secara instan, Anda dapat mengatur AI ini untuk mencapai kesimpulan, kembali dengan informasi yang disintesis, dan kemudian membawanya ke tim manusia. Jadi itulah cara yang sangat jelas di mana AI dapat membantu mencapai terobosan dalam umur panjang atau tujuan ilmiah lainnya,” ucap Schlicht.
Pemain besar lainnya mulai mengikuti tren yang semakin populer ini. Advanced Micro Devices (AMD) dan peneliti dari Johns Hopkins University baru-baru ini mengembangkan Agent Laboratory. Kerangka kerja AI ini dirancang untuk mengotomatisasi bagian penting dari penelitian ilmiah.
Sistem ini menggunakan model bahasa besar untuk melakukan tinjauan literatur, merancang eksperimen, dan menghasilkan laporan, termasuk kode dan dokumentasi. Namun, sistem ini tidak terdesentralisasi atau berbasis model token. Hasil awal menunjukkan kerangka kerja ini dapat mengurangi biaya penelitian hingga 84% dibandingkan metode otomatis lainnya tanpa mengorbankan kualitas penelitian.
Namun, jika proyek lain di sektor kripto berniat mengembangkan proyek serupa, AI dalam DeSci bisa memiliki masa depan yang menjanjikan.
Pandangan Cerah DeSci
Menurut CoinGecko, kapitalisasi pasar DeSci adalah US$1,05 miliar pada waktu publikasi. Selama setahun terakhir, sektor ini telah menunjukkan pertumbuhan yang stabil dan inovasi yang konstan. Banyak proyek baru dengan cepat menjadi pemain utama.
Schlicht dan Bratt memprediksi bahwa ukuran pasar untuk ilmu pengetahuan terdesentralisasi akan tumbuh secara eksponensial.
“Saya pikir 10 tahun dari sekarang, kapitalisasi pasar DeSci bisa lebih dari 10.000 kali lipat dari saat ini. Karena kombinasi kecerdasan buatan, desentralisasi, dan token, ilmu pengetahuan akan mengalami peningkatan terobosan secara eksponensial,” ujar Schlicht.
Menanggapi hal tersebut, Bratt menambahkan:
“Jika berhasil, ini bisa dengan mudah menjadi 5-10% dari pasar penelitian ilmiah global yang sudah mencapai triliunan.”
Namun, mereka juga memperkirakan DeSci akan menghadapi perlawanan dari lobi medis dan ilmiah tradisional.
Menghadapi Status Quo
Sementara penelitian ilmiah dapat didanai melalui hibah dari berbagai lembaga pemerintah, institusi, dan yayasan, sebagian besar didanai oleh perusahaan swasta.
Sebuah laporan UCLA 2023 menunjukkan bahwa hampir 80% dari sekitar US$57 miliar yang dihabiskan untuk penelitian kanker di AS pada 2021 berasal dari sektor swasta, terutama perusahaan farmasi besar. Laporan tersebut juga melaporkan keterbatasan dalam berbagi hasil penelitian.
“Ada kepentingan yang dapat melobi untuk melarang aktivitas pasar semacam itu guna melindungi pemain yang sudah ada,” terang Bratt.
Bagi Schlicht, DeSci menghadirkan peluang untuk menentang kepentingan pribadi.
“Sebelumnya, perusahaan dapat mengontrol penelitian mana yang didanai. DeSci mengganggu hal itu dan memungkinkan siapa saja untuk mendapatkan dana jika orang percaya bahwa ide mereka bagus,” ucapnya.
Karena teknologi blockchain memungkinkan anonimitas dan memprioritaskan privasi, dia berpendapat bahwa inovator akan lebih sulit dilacak.
“Saya tidak percaya bahwa pelobi akan dapat menghentikan DeSci. Einstein berikutnya mungkin anonim. Bisa jadi seseorang dengan avatar penguin, atau gambar profil katak. Bisa jadi seseorang dengan NFT sebagai profil mereka, dan serangkaian angka dalam nama mereka. Pelobi bahkan tidak bisa menemukan mereka, karena mereka tidak tahu siapa mereka, dan mereka didanai dengan cara terdesentralisasi. Mereka bahkan memiliki tim orang-orang pseudonim lainnya yang bekerja dengan mereka, baik manusia maupun AI,” papar Schlicht.
Tapi sebelum mempertimbangkan potensi persaingan antara pelobi medis tradisional dan inovator dalam ilmu pengetahuan terdesentralisasi, DeSci masih berada di jalur menuju kedewasaan.
Pada akhirnya, konvergensi AI dan sains terdesentralisasi menawarkan paradigma baru yang kuat untuk penelitian ilmiah. Peluang ini berpotensi meningkatkan keandalan dan efisiensi tinjauan sejawat, mendemokratisasi akses ke pendanaan, dan mempercepat terobosan di berbagai bidang ilmiah.
Memantau kemajuan AI dan sains terdesentralisasi akan sangat penting untuk mengintegrasikan teknologi ini secara bertanggung jawab ke dalam penelitian ilmiah.
Penyangkalan
Seluruh informasi yang terkandung dalam situs kami dipublikasikan dengan niat baik dan bertujuan memberikan informasi umum semata. Tindakan apa pun yang dilakukan oleh para pembaca atas informasi dari situs kami merupakan tanggung jawab mereka pribadi.
Selain itu, sebagian artikel di situs ini merupakan hasil terjemahan AI dari versi asli BeInCrypto yang berbahasa Inggris.
