AI搜索引擎助力科学家创新

开发者希望通过帮助科学家从大量文献中发现联系从而解放科学家,让他们专注于发现和创新。

f7aceee6385ffdc0e200d4cc39a0512f.png

图片来源:The Project Twins

对于专注于历史的研究者Mushtaq Bilal来说,他在未来科技中投入了大量时间。

Bilal在丹麦南部大学( University of Southern Denmark )欧登塞分校做博士后,他的研究方向为19世纪文学中小说的演变。然而,最有影响力的是他的在线教程,他在其中作为学术界和利用人工智能(AI)迅速扩张的搜索工具之间的非正式大使。

多年来,借助于文学背景,Bilal一直在解构学术写作的过程,但现在他的工作已经有了新方向。他说:“去年11月ChatGPT出现时,我意识到可以使用不同的AI应用程序实现许多写作步骤的自动化。”

由机器学习和大型语言模型驱动的新一代搜索引擎正在超越关键字搜索,从科学文献错综复杂的网络中提取并建立关联关系。一些程序,如Consensus,可对是非问题给出基于研究背景的答案;其他程序,如Semantic Scholar,Elicit和Iris,仅能充当数字化助手,如整理参考目录,推荐新的论文和生成研究摘要等。整体上,这些平台为写作早期提供了便利。然而,批评家指出,这些程序尚未通过测试,有可能会延续学术出版过程中存在的偏差。

工具开发团队表示,这些工具是为了应对“信息过载”(information overload),释放科学家们的创造性。华盛顿州西雅图的艾伦人工智能研究所(Allen Institute for Artificial Intelligence )的Daniel Weld和Semantic Scholar的首席科学家表示,科学知识的增长速度如此之快,以至于科学家几乎不可能掌握最新的研究进展。“大多数搜索引擎会帮你找到论文,但需要你自己尝试获取其中的信息。”他说。AI工具可将论文精炼为关键点从而有助于使这些信息更易于获取,Weld说。“我们都是Google Scholar的忠实粉丝,我仍然觉得它很有帮助,但我们可以做得更好。”

## 下一个伟大的想法

做得更好的关键在于另一种类型的搜索。Google Scholar,PubMed和其他标准搜索工具使用关键字来定位相似的论文。相比之下,AI算法使用向量比较。论文被翻译成一组数字,称为向量,其在“向量空间”中的接近程度对应于它们的相似性。“我们可以解析搜索查询的更多含义,因为向量中嵌入的上下文信息比文本本身嵌入的更多。”,位于加利福尼亚州旧金山的Consensus的首席软件工程师Megan Van Welie解释说。

Bilal使用AI工具跟踪论文之间的联系,进入了有趣的兔子洞。在研究巴基斯坦小说中对穆斯林的描述时,基于他的搜索,AI生成的推荐引导Bilal走向孟加拉文学,并在他的论文中阐述了这部分内容。博后期间,Bilal专注于研究安徒生童话在印第安殖民地是如何被解释的。“所有花在孟加拉文学史上的时间都涌了回来,”他说。Bilal使用Elicit来迭代和完善他的问题,利用Research Rabbit识别来源,Scite(它不仅告诉用户论文被引用的频率,还会指出施引论文中的具体内容)来跟踪学术论著。

位于伦敦卫生与热带医学学院的冈比亚医学研究委员会单位疫苗学团队的研究技术员Mohammed Yisa关注了Bilal的Twitter(现在称为X),有时Yisa会花时间测试Bilal推文中提到的平台。

Yisa特别喜欢使用Iris,这是一个创建类似地图的可视化搜索引擎,将论文与主题相连接。将“种子论文”输入到Iris中会生成一个相关出版物的嵌套地图,类似于世界地图。点击地图的深层部分就像从全国范围的视图缩放到州(子主题)和城市(个别论文)。

Yisa表示:“我认为自己是一个视觉学习者,地图可视化是我以前从未见过的。”他目前正在使用这些工具识别关于疫苗公平性的综述性文章,“看看谁现在在谈论它,正在说什么,以及什么还没有被提到”。

其他工具,如Research Rabbit和LitMaps,通过节点的网络映射将论文连接在一起。一款针对医疗专业人士的搜索引擎System Pro,创建了类似的可视化效果,主题之间通过相关性连接在一起。

尽管这些搜索依赖于“提取算法”( extractive algorithms)来提取有用的片段,但一些平台正在推出生成式功能,使用AI创建原始文本。例如,艾伦研究所的Semantic Reader“将AI引入到PDF手稿的阅读体验中”,Weld说。如果用户在方程式中遇到一个符号或者在文中引用,会弹出一个卡片,显示符号的定义或引用论文的AI生成摘要。

Elicit正在测试用于生成更好查询的头脑风暴功能以助于创建一种比前四个搜索结果更好且提供多论文摘要的方式。该方法使用了Open AI的ChatGPT,但只在科学论文上进行了训练,因此与基于整个互联网的搜索相比,它对于“幻觉”(生成的文本中看似正确但实际上不准确的错误)的容忍度较低,Ought公司的工程主管James Brady解释说。“如果你正在发表与你的声誉有关的声明,科学家们希望得到更可靠、可以信任的信息。”

尼日利亚伊巴丹大学的生物医学研究员Miles-Dei Olufeagba仍然认为PubMed是金标准,称其为“医学科学家的避难所”。Olufeagba尝试过Consensus、Elicit和Semantic Scholar。他表示,来自PubMed的结果可能需要更多时间来整理,但最终会找到更高质量的论文。他说,AI工具“往往会丢失一些对文献检索至关重要的信息”。

AI工具可以帮助研究者更深入地挖掘文献,找到新的研究前沿。然而,这类工具也存在一些问题。首先,它们可能会复制和放大现有的偏见。例如,如果AI工具主要依赖于英语的研究文献,那么它可能会忽视非英语的研究成果。此外,如果机器学习模型主要是根据西方的研究文献训练的,那么它可能偏向于西方的观点和方法。其次,这些工具可能会过度简化复杂的科学论文,从而导致误解或误导。

尽管存在这些问题,但许多研究者还是看好这些工具的潜力。Bilal表示,尽管他注意到了一些限制,但他仍然觉得这些工具对他的研究非常有帮助。他说:“我觉得这是一种力量,可以帮助我提高效率,更好地理解我正在阅读的内容,找到新的联系。”

早期阶段

AI平台也容易出现与其人类创建者相同的偏见。研究反复证明学术出版和搜索引擎在某些群体(包括女性[1]和有色人种[2])方面呈现劣势,这些劣势也在存在于AI工具。

例如,带有重音字符的名字的科学家们描述了使用Semantic Scholar创建个人资料的困难。并且,由于包括Semantic Scholar和Consensus在内的几个搜索引擎使用引用计数和影响因子等指标来确定排名,发表在著名期刊或引人注目的作品无论如何都会排在研究更相关的作品之前,从而产生了Weld所称的“富者愈富效应”。(Consensus联合创始人兼首席执行官Eric Olson表示,一篇论文与查询的相关性始终是确定其排名的首要指标。)

这些引擎没有明确将预印本标记为需要更严格审查的内容,并且将其与经正式同行评审的已发表论文一起显示。而对于有争议的问题,比如儿童疫苗是否导致自闭症或人类是否对全球变暖,Consensus有时会返回延续错误或未经验证的答案。对于这些充满争议的问题,Olson表示,团队有时会手动审查结果并标记有争议的论文。

然而,开发人员表示,最终验证任何声明是用户的责任。这些平台通常会标明何时进行beta测试,有些平台还有标志指示论文的质量。除了一个“有争议”的标签外,Consensus目前正在开发一种方法来标注研究类型、参与者数量和资金来源,Elicit也有类似的功能。

但加拿大蒙特利尔的AI公司Hugging Face的科学家Sasha Luccioni警告说,一些AI公司过早的发布产品,是因为它们依赖用户改进产品,这是科技初创企业界的常见做法,但与科学界不太契合。有些团队不肯公开他们的模型,这使其很难通过伦理上审查。例如,Luccioni研究AI模型的碳足迹,但她表示很难获得基本的数据,例如模型的大小或训练期间的时间——“这些基本的东西并不会泄露任何机密”。而早期的Semantic Scholar等平台会分享其基础软件,以便其他人可以在此基础上进行开发(Consensus、Elicit、Perplexity、Connected Papers和Iris都使用Semantic Scholar语料库),“现如今,公司不提供任何信息,所以这已经不再是科学的问题,而更多地成为了产品问题”。

对于Weld来说,这就更需要确保Semantic Scholar的透明度。“我确实认为人工智能发展很快,而‘让我们领先于其他人’的动机可能会推动我们朝着危险的方向发展,”他说。“但我也认为人AI技术可以带来巨大的益处。世界面临的一些主要挑战最好是通过真正充满活力的研究计划来解决的,这就是每天早上让我充满激情的原因——帮助提高科学家的生产力。”

参考文献

[1].  Ross, M. B. et al. Nature 608, 135–145 (2022).

[2].  Salazar , J. W. et al. JAMA Int. Med. 181, 1248–1251 (2021).

阅读原文内容

doi: https://doi.org/10.1038/d41586-023-01907-z

往期精品(点击图片直达文字对应教程)

3e0b800bcf53f37c893cc58816a096ac.jpeg

2d4f9f3030c6b655c6a525293b4ce97c.jpeg

2d9d2d68a587fbc9a524d8f5ff0ecf3b.jpeg

4564326ed8c3268585d10b11390eeff7.jpeg

d2b4d6afff7831ff7436c9c1a13e604f.jpeg

5aefda23c956babdc88aa7a7cee103ed.jpeg

90e121ceefce164c0fac57a8503d94eb.jpeg

3a9273dae0c55e13a9e577f64d5960bc.jpeg

0f3c66a2633da75e09c5db4f054dfb6a.jpeg

12f21091a4f2f2525c0468ef24709fe9.jpeg

24013c8c1435cdb66efb7007b2a2ac59.jpeg

bde5fd72c5ebc29ac577aa3c529823a5.jpeg

cfb02dc1c6da0404f62af6ad24f150dc.png

629ad0f4accf55d30d058628fb2ef8f3.png

9c3e3b03bc75e54a3a9f3c87cdbbf257.png

cb9dee2fd112fd83ae0a607c81580b34.png

3ffa4b67530209847ab1dc1c8295d6dc.jpeg

f5a63e15ee3db24d78c4aefc0f20a5fd.jpeg

99ea993e4e314c6a929ca3e7b1c13cea.jpeg

736d5dc0b43e0204229f5822cdd8c3f6.jpeg

edfd97ccfff0693724cb2f64eb4c7fad.png

9451cc04b5be2d8677bb9cfd9210eaa8.png

8783320b8e13c5f7bb4634158bd7be9f.jpeg

425a489ec2a81149dc5001f4f2496545.png

3bb58d71a4fb4c5ba1b3541eaa51414b.png

aa93fc686f30611de2f83f9c4610e122.jpeg

a81583bf40e3d9e99bd00b33d3f25e02.png

7ad41933e0ad8a4224990db7ec0f61f3.png

机器学习

28e5b4deb441376c700b269a8d564f56.png

e75074196c8f600e1ec52c00ed0c0bf9.jpeg

0e03e044407e0b09dfb2cefb77e3e93b.jpeg

5872267c8050a5d4a13087e632495e04.png

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:/a/81176.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

SpringBoot + Vue 前后端分离项目 微人事(九)

职位管理后端接口设计 在controller包里面新建system包,再在system包里面新建basic包,再在basic包里面创建PositionController类,在定义PositionController类的接口的时候,一定要与数据库的menu中的url地址到一致,不然…

[python爬虫] 爬取图片无法打开或已损坏的简单探讨

本文主要针对python使用urlretrieve或urlopen下载百度、搜狗、googto(谷歌镜像)等图片时,出现"无法打开图片或已损坏"的问题,作者对它进行简单的探讨。同时,作者将进一步帮你巩固selenium自动化操作和urllib…

部署工业物联网可以选择哪些通信方案?

部署工业物联网有诸多意义,诸如提升生产效率,降低管理成本,保障生产品质稳定,应对长期从业劳动力变化趋势等。针对不同行业、场景,工业物联网需要选择不同的通信方案,以达到成本和效益的最佳平衡。本篇就简…

《HeadFirst设计模式(第二版)》第十章代码——状态模式

如下图所示,这是一个糖果机的状态机图,要求使用代码实现: 初始版本: package Chapter10_StatePattern.Origin;/*** Author 竹心* Date 2023/8/19**/public class GumballMachine {final static int SOLD_OUT 0;final static int…

Python学习笔记_进阶篇(二)_django知识(一)

本章简介: Django 简介Django 基本配置Django urlDjango viewDjango 模板语言Django Form Django 简介 Django是一个开放源代码的Web应用框架,由Python写成。采用了MVC的软件设计模式,即模型M,视图V和控制器C。它最初是被开发来…

攻防世界-PHP2

原题 解题思路 这题需要查看页面的phps文件(这玩意从没见过)。phps的文件是存放php的源代码的,但是不是所有网站都有。 只要让传入的idadmin就可以得到key了。 但是直接传入admin不行。用burp编码。 结果还是不行: 那就再…

【C++】做一个飞机空战小游戏(十)——子弹击落炮弹、炮弹与飞机相撞

[导读]本系列博文内容链接如下: 【C】做一个飞机空战小游戏(一)——使用getch()函数获得键盘码值 【C】做一个飞机空战小游戏(二)——利用getch()函数实现键盘控制单个字符移动【C】做一个飞机空战小游戏(三)——getch()函数控制任意造型飞机图标移动 【C】做一个飞…

Linux笔试题(4)

67、在局域网络内的某台主机用ping命令测试网络连接时发现网络内部的主机都可以连同,而不能与公网连通,问题可能是__C_ A.主机ip设置有误 B.没有设置连接局域网的网关 C.局域网的网关或主机的网关设置有误 D.局域网DNS服务器设置有误 解析:在局域网络内的某台主…

视频怎么转gif高清动图?分享一款视频转gif工具

许多小伙伴都不知道如何将拍摄的短视频转gif图片,本文将分享一款专业的视频转gif工具,打来浏览器即可将视频在线转gif(https://www.gif.cn),操作简单,使用方便,下面是详细的步骤。 打开网站&am…

linux系统服务学习(六)FTP服务学习

文章目录 FTP、NFS、SAMBA系统服务一、FTP服务概述1、FTP服务介绍2、FTP服务的客户端工具3、FTP的两种运行模式(了解)☆ 主动模式☆ 被动模式 4、搭建FTP服务(重要)5、FTP的配置文件详解(重要) 二、FTP任务…

实验一 VMware 17 虚拟机下安装Ubuntu16.04

系列文章目录 文章目录 系列文章目录前言一、pandas是什么?二、使用步骤 1.引入库2.读入数据总结 前言 古人云:“工欲善其事,必先利其器。” 我们在学习分布式数据库原理知识同时少不了实操,在做实验之前,把相关实验…

AI 绘画Stable Diffusion 研究(十二)SD数字人制作工具SadTlaker插件安装教程

免责声明: 本案例所用安装包免费提供,无任何盈利目的。 大家好,我是风雨无阻。 想必大家经常看到,无论是在产品营销还是品牌推广时,很多人经常以数字人的方式来为自己创造财富。而市面上的数字人收费都比较昂贵,少则几…

解决多模块内核心模块有接口打包成jar后被依赖并调用遇到的问题(springcloud集成ruoyi.quartz)

项目准备开发个新功能,刚好很喜欢ruoyi写的任务调度,因此想到了集成ruoyi.quartz模块 ,遇到了很多问题: 首先因为ruoyi.quartz模块依赖了ruoyi.common模块,因此第一步我需要把common模块一部分依赖项复制到了quartz模块内&#xf…

Python 的下一代 HTTP 客户端

迷途小书童 读完需要 9分钟 速读仅需 3 分钟 1 环境 windows 10 64bitpython 3.8httpx 0.23.0 2 简介 之前我们介绍过使用 requests ( https://xugaoxiang.com/2020/11/28/python-module-requests/ ) 来进行 http 操作,本篇介绍另一个功能非常类似的第三方库 httpx&…

pointnet C++推理部署--tensorrt框架

classification 如上图所示,由于直接export出的onnx文件有两个输出节点,不方便处理,所以编写脚本删除不需要的输出节点193: import onnxonnx_model onnx.load("cls.onnx") graph onnx_model.graphinputs graph.inpu…

时序预测 | MATLAB实现WOA-CNN-LSTM鲸鱼算法优化卷积长短期记忆神经网络时间序列预测

时序预测 | MATLAB实现WOA-CNN-LSTM鲸鱼算法优化卷积长短期记忆神经网络时间序列预测 目录 时序预测 | MATLAB实现WOA-CNN-LSTM鲸鱼算法优化卷积长短期记忆神经网络时间序列预测预测效果基本介绍模型描述程序设计学习总结参考资料 预测效果 基本介绍 时序预测 | MATLAB实现WOA-…

VBA技术资料MF45:VBA_在Excel中自定义行高

【分享成果,随喜正能量】可以不光芒万丈,但不要停止发光。有的人陷入困境,不是被人所困,而是自己束缚自己,这时"解铃还须系铃人",如果自己无法放下,如何能脱困? 。 我给V…

03_缓存双写一致性

03——缓存双写一致性 一、缓存双写一致性 如果redis中有数据,需要和数据库中的值相同如果redis中无数据,数据库中的值要是最新值,且准备回写redis 缓存按照操作来分,可以分为两种: 只读缓存 读写缓存 同步直写操作…

解决:(error) ERR unknown command shutdow,with args beginning with

目录 一、遇到问题 二、出现问题的原因 三、解决办法 一、遇到问题 要解决连接redis闪退的问题,按照许多的方式去进行都没有成功,在尝试使用了以下的命名去尝试时候,发现了这个问题。 二、出现问题的原因 这是一个粗心大意导致的错误&am…

Azure静态网站托管

什么是静态网站托管 Azure Blob的静态网站托管是一项功能,它允许开发人员在Azure Blob存储中托管和发布静态网站。通过这个功能,您可以轻松地将静态网页、图像、视频和其他网站资源存储在Azure Blob中,并直接通过提供的URL访问这些资源。 官…