Artykuł opublikowany na arXiv stawia fundamentalne pytanie: dlaczego naukowcy powinni nadal uprawiać naukę, jeśli sztuczna inteligencja robić to będzie lepiej? Zamiast unikać tego tematu, autorzy podchodzą go frontalnie i proponują odpowiedź opartą na istocie badań naukowych - są one wartościowe przede wszystkim dlatego, że budują trwałe i zbiorowe zrozumienie świata przez ludzi, służące ludzkim celom i wartościom. To rozróżnienie zmienia całe podejście do kwestii delegowania pracy do AI.
Na podstawie tego principium artykuł proponuje dwuczęściowy test dla każdego potencjalnego zadania naukowego. Pierwsza część - zrozumienie człowieka - wymaga, aby społeczność naukowa pozostała zdolna do wyjaśnienia, obrony i kwestionowania uzyskanych wyników, oraz aby naukowcy utrzymali umiejętności do tego konieczne. Druga część - kierunek człowieka - wymaga, aby ostateczne decyzje o tym, które pytania badawcze są ważne i co znaczą odkrycia, pozostały w rękach odpowiedzialnych ludzi. Ten test można zastosować do każdej fazy badań, od formułowania hipotezy, przez przeprowadzenie eksperymentów, aż po recenzję i kształcenie nowych naukowców.
Dane podejście zasadniczo różni się od istniejących już wytycznych na trzy sposoby. Nie opiera się na normach uczciwości naukowej, lecz na głębokim zrozumieniu celu nauki. Działa niezależnie od tego, czy AI przewyższa ludzi czy nie - nie zależy od przejściowych ograniczeń obecnych systemów. Najważniejsze: każdą decyzję o użyciu AI ocenia się nie po typie narzędzia, ale po jej wpływie na rzeczywiste ludzkie zrozumienie i zdolność do kierowania badaniami.