MIT propõe novas regras para IA na academia: crédito e treinamento

A expansão das capacidades de inteligência artificial está levando universidades a reavaliar como conduzem pesquisa e formação, com foco em mudanças na matemática, estatística, machine learning e engenharia. Em um ensaio publicado pelo MIT Statistics and Data Science Center, Sasha Rakhlin sintetiza discussões sobre como a IA acelera a produção de resultados e altera a forma de verificar e melhorar modelos.

O texto destaca que, em áreas onde verificação e avaliação são rápidas e confiáveis, sistemas podem gerar candidatos, aprender com resultados e acelerar o avanço científico. Rakhlin defende que departamentos repensem o que valorizam em artigos e na formação de doutorandos, incluindo reconhecimento de contribuições reais mesmo quando partes do trabalho usam IA, além de orientar universidades a construir infraestrutura e fluxos compartilhados para permitir colaboração entre laboratórios com agentes de IA.