Kaip dirbtinis intelektas paveiks mokslinius tyrimus

Devašišas Shrestha

Grafinis mandagumas: ScienceNordic / Mette Friis-Mikkelsen

Technologija visada vaidino svarbų vaidmenį mokslo proveržyje, ir tikimasi, kad dirbtinis intelektas žengs ją žingsniu toliau ir pakels mokslinių tyrimų juostą į naujus lygius. Ši technologija yra sprendimas visiems sudėtingiems tyrimų uždaviniams, su kuriais mokslininkams teko susidurti praeityje ir ypač dabartyje. Dabar jie tokius iššūkius gali spręsti daug veiksmingiau ir laiku nei žmonės. Skaitmeniniame amžiuje, kai yra visa visuma informacijos, o didžiąją dalį jos informacijos galima rasti elektroninėje erdvėje, žmonėms nereikia susidoroti su užduotimi rankiniu būdu analizuoti didžiulį kiekį turimų duomenų, kad būtų galima pastebėti modelius, nustatyti anomalijas ir gauti naudingų įžvalgų. Vietoj to, AI įrankiai yra naudojami, kad tokios užduotys būtų lengvos ir efektyvios.

Giovanni Colavizza, duomenų mokslininkas, tiriantis mokslinius leidinius viso teksto analizėje Alano Turingo institute Londone, „International Journal of Science“ rašė, kad šiuolaikinės PG priemonės aprūpintos „šiuolaikiškiausios informacijos paieškos galimybėmis“. . Straipsnyje teigiama, kad internete galima rasti daugybę mokslinės literatūros, kiekvienais metais paskelbiama 1 mln. Naujų mokslinių darbų. Atsižvelgiant į tokį neįtikėtiną publikavimo tempą, mokslininkams beveik neįmanoma surinkti, analizuoti ir įvertinti didžiulį kiekį mokslinių darbų, kad būtų galima išbandyti skirtingas hipotezes. Ši problema gali būti išspręsta naudojant pažangiausias dirbtinio intelekto technologijas, kurios gali padėti mokslininkams išskirti konkretų turinį pagal reikalavimus, nes jie turi galimybę filtruoti, reitinguoti ir grupuoti paieškos rezultatus. Tokios technologijos pavyzdys yra „Iris.ai“, kuri veikia kaip tyrimų padėjėja, kad padėtų vartotojams išsiaiškinti ir įgyti atitinkamų mokslinių žinių.

PG dirbantys įrankiai, tokie kaip „Iris“, turi tokią neįtikėtiną saugojimo ir apdorojimo galią, kad „ji gali neperskaityti visų iki šiol buvusių TED pokalbių nuorašus“, o štai „kaip tiksliai veikia„ Iris.ai ““. Straipsnyje „5 būdai dirbtinis intelektas ardys mokslą “. Tokios varomosios priemonės kaip„ Iris “yra specialiai sukurtos stulbinančiai gebančios„ nubrėžti mokslą aplink TED kalbą “, nes jis gali„ išanalizuoti (-us) pokalbių scenarijus. Naudodamiesi natūralios kalbos apdorojimo algoritmais, tokios priemonės gali panaudoti (…) atvirosios prieigos akademinę literatūrą, kad surastų pagrindinius pranešimus, susijusius su pokalbio turiniu “ir elegantiškai vizualizuoja susijusių mokslo darbų grupes. Tyrimų mokslininkams tai reiškia, kad reikia įvesti 300–500 žodžių savo tyrimų temos aprašymą arba tiesiog esamo dokumento URL, kad „Iris“ galėtų pateikti 1000 atitikmenų dokumentų žemėlapį, kaip teigiama skyrelyje „Kaip AI technologija gali sutramdyti mokslinę literatūrą“.

„Iris“ bendražygis Mario Ritola minėjo, kad jų komandos ateities tikslas yra paversti Iris iš tyrimų asistento realiu mokslininku. Tai reiškia, kad ji pati gali suformuluoti hipotezę išanalizavusi ir ištyrusi esamus mokslinius darbus, rinkti duomenis vykdydama eksperimentus ir modeliavimą bei parašyti naujus darbus, remdamasi rezultatais. Ji taip pat užsimena apie „demokratizavimo prieigą prie mokslo žinių“ ir jos paskelbimą viešai pasitelkiant PG padėjėjus, kurie galėtų išsiaiškinti svarbią informaciją „pasitelkdami PG“.

Iš tikrųjų IBM komanda jau pasiekė tai, ką įsivaizduoja ponia Ritola. Jie teigia, kad yra sukūrę PG algoritmus, galinčius padaryti naujus mokslinius atradimus ir darbus, sujungdami teksto gavybą, vizualizaciją ir analizę, kad būtų galima išgauti faktus ir pasiūlyti naujas tikėtinas hipotezes. Tai gali reikšti, kad netolimoje ateityje moksliniai tyrimai gali automatizuoti mokslininkus, kad jie sutelktų dėmesį į svarbesnes užduotis.

Dirbtinis intelektas taip pat padeda mokslo bendruomenei akademinės leidybos srityje. Tai gali padėti atlikti tarpusavio vertinimus, ieškoti ir išgauti skelbiamą turinį, taip pat aptikti plagiatą ir nustatyti duomenų fiksavimą, kaip minėta „Dirbtinis intelektas tiriant ir leidžiant“. PG naudojami įrankiai taip pat naudingi mokslinėje komunikacijoje, nes jie nėra linkę į tokius pačius šališkumus kaip žmonės.

Dirbtinis intelektas, be akademinės bendruomenės, daro įtaką ir mokslinei žurnalistikai. Bertrand Pecquerie, „Global Editors Network“ generalinis direktorius, sako, kad „AI bus trečiojo žurnalistikos sutrikimo katalizatorius, galintis pakeisti naujienų rengimo ir vartojimo būdą.“ Šiandieniniame pasaulyje kompiuteriai gali pasakyti istorijas be žmonių. Naujienų rašymo robotai, tokie kaip „LA Times“ „Quakebot“ ar „Washington Post“ „Heliograph“, gali sugalvoti daugiau naujienų, nei žmonės, ir daug greičiau. Greičiausiai jie ateis į naujienų salonus ir perims didžiąją dalį žiniasklaidos darbo - per artimiausius kelerius metus.

Įspūdingas faktas yra tas, kad šie botai netgi gali imituoti jūsų garsaus rašytojo balsą, kai rašote mokslo darbus ir straipsnius. Be to, šie robotai yra aprūpinti galimybėmis, kurias žurnalistams ir redaktoriams reikia dešimtmečių, kad būtų galima sukurti, ty „numatyti svarbiausius tyrimų darbus, apie kuriuos reikia pranešti, ir tų straipsnių dalis, į kuriuos reikėtų sutelkti ieškant vertų naujienų.“ AI gali įveikti iššūkiai ir problemos, su kuriais dažnai susiduria mokslininkai, turintys ribotą darbo su užduotimi patirtį.

Įžengiame į naują mokslinių tyrimų amžių, kai kasdienes tyrimų užduotis atliks mašinos, leidžiančios mokslininkams sutelkti dėmesį į didesnius tyrimų ir plėtros klausimus. Taigi dirbtinis intelektas žada giliai pertvarkyti mokslinius tyrimus ir tyrinėjimus. PG ne tik paskatins naujoves, atradimus ir mokslo pažangą, bet ir pagreitins tyrimų procesą.