尊龙凯时官方网站《科学》：AI有望帮助消化海量论文？仍面临技术和法律障碍

　　尊龙凯时官方网站当地时间2023年11月21日，据《科学》（Science）杂志报道，人工智能（AI）有望帮助科研人员消化大量论文，但面临技术和法律障碍。

　　约瑟夫·吉迪奥蒂斯（Iosif Gidiotis）今年开始攻读瑞典皇家理工学院（KTH Royal Institute of Technology）教育技术博士学位，获悉AI驱动的新工具可以帮助“消化”文献，很感兴趣。

　　在全球科学领域，去年共发表了近300万篇论文。在论文数量激增的情况下，AI研究助理“听起来很棒”。

　　吉迪奥蒂斯希望AI能够找到与其研究问题更相关的论文，并总结出亮点。然而事情并不如他想象中顺利。当他尝试使用一种名为Elicit的AI工具时，他发现只有部分相关，而且Elicit的摘要不够准确，无法满足他的需求。“获得Elicit的结果后，你的直觉是要自己阅读原文来验证摘要是否正确尊龙凯时官方网站尊龙凯时官方网站，所以它并不能节省时间。”

　　Elicit“表示”，它正在继续为25万普通用户改进算法。在一项调查中，该工具平均每周为人们节省90分钟的阅读和搜索时间。据悉，Elicit由一家非营利性研究组织创建于2021年，旨在帮助科学家浏览文献。

　　“这些平台呈爆炸式增长。”安德里亚·基亚雷利（Andrea Chiarelli）说，她在研究咨询公司（Research Consulting）的出版工作中关注AI工具，然而，这些工具的生成系统容易产生虚假内容，并且许多搜索到的论文都需要付费。

　　基亚雷利表示：“很难预测哪些AI工具会占上风，而且有一定程度的炒作，但它们显示出巨大的前景。”

　　与引发全球关注的 ChatGPT（OpenAI研发的一款聊天机器人程序）和其他大语言模型 （LLM） 一样，一些新工具在大量文本样本上进行“训练”，学习识别单词关系，这些关联使算法能够对搜索结果求和。它们还根据论文中的上下文识别相关内容，相较于仅使用关键字查询，会产生更广泛的结果。

　　从头开始培训大语言模型对大部分组织来说太过昂贵，因此Elicit和其他AI工具使用开源的大语言模型，而在其用于“训练”的文本中，许多是非科学的。

　　有些AI工具走得更远。例如，Elicit 按概念组织论文，查询“过多”，可以出现关于“减少嗜睡”和“损害运动表现”的单独论文集。高级版本每月收费10美元，还可使用额外的内部编程来提高准确性。

　　另一个名为 Scim 的工具有助于将读者的目光吸引到论文最相关的部分。该工具是非营利性组织——艾伦AI研究所（Allen Institute for AI）创建的语义阅读器（Semantic Reader）工具的一项功能，它像一个自动墨迹荧光笔，用户可以对其进行自定义，应用于有关新颖性、目标和其他主题的陈述。

　　“它提供了一篇论文是否值得阅读的快速诊断和分类，这非常有价值。”美国密歇根大学（University of Michigan）的信息科学家艾达（Eytan Adar）说，他试用过早期版本。还有一些工具可以注释摘要，允许用户自己判断准确性。

　　为了尽量避免产生错误的响应，艾伦研究所（Allen Institute）使用受过科学论文“训练”的大语言模型来操作语义阅读器，但这种方法的有效性很难衡量。美国麻省理工学院（Massachusetts Institute of Technology）的计算机科学家迈克尔·卡宾（Michael Carbin）说：“这些都是边缘的技术难题。”

　　艾伦研究所语义学者（Semantic Scholar）论文库的首席科学家韦尔德（Dan Weld）的说：“目前，我们拥有的最佳标准是让受过良好教育的人来观察AI输出并仔细分析它。”

　　该研究所已经收集了300多名付费研究生和数千名志愿测试人员的反馈。质量检验显示，将Scim应用于非计算机科学论文会产生故障，因此该研究所目前仅为大约55万篇计算机科学论文提供Scim。

　　其他研究人员强调，只有当开发人员和用户能够访问论文全文，为搜索结果和内容分析提供信息时，AI工具才能发挥潜力。澳大利亚皇家墨尔本理工大学（Royal Melbourne Institute of Technology，RMIT）计算语言学家卡琳·弗斯普尔（Karin Verspoor）说：“如果我们不能访问文本，那么我们对这些文本中所捕获的知识的看法就很有限。”

　　全球最大的科学出版商爱思唯尔（Elsevier）也将其AI工具限制在论文摘要上。今年8月，这家商业公司在其Scopus数据库中首次推出了AI辅助搜索功能，该数据库列出了9300万篇研究出版物，成为最大的研究出版库之一。为了响应查询，其算法会识别最相关的摘要，并使用 ChatGPT来提供整体摘要。

　　Scopus AI还按概念对摘要进行分组。目前，用户的反馈是：这种方法足以“帮助跨学科领域的研究人员快速了解特定主题” 。

　　艾伦研究所采取了不同的方法：它与50多家出版商谈判达成协议，允许其开发人员对付费论文的全文进行数据挖掘。韦尔德说，几乎所有的出版商都免费提供访问权限，因为AI为他们带来流量。即便如此，根据许可限制，Semantic Reader用户只能访问Semantic Scholar的6000万篇全文论文中的800万篇全文。

　　实现大规模的数据挖掘还需要让更多的作者和出版商采用非PDF格式，以帮助机器有效地消化论文的内容。美国白宫2022年的一项指令要求尊龙凯时官方网站，由联邦资金制作的文件必须是机器可读的，但各机构尚未提出细节。

　　尽管面临挑战，计算机科学家已经在寻求开发更复杂的AI，以从文献中收集更丰富的信息。他们希望收集线索以加强药物发现并不断更新系统评价。例如，由美国国防高级研究计划局（Defense Advanced Research Projects Agency）支持的研究探索了一种能够自动生成科学假设的系统。

　　目前，使用AI工具的科学家需要保持合理的怀疑态度，美国马萨诸塞大学阿默斯特分校（University of Massachusetts Amherst）交互式信息访问系统研究者哈米德·扎马尼（Hamed Zamani）说：“LLM肯定会变得更好。但现在，它们有很多局限性。它们提供了错误的信息。科学家们应该非常清楚这一点，并仔细检查它们的输出。”