„Smalsu naudoti dirbtinį intelektą savo tyrimams skatinti? Štai programos, kurių neturėtumėte praleisti.“
Kai Mohammedas Shafi, Indijos technologijos instituto Guvahatyje civilinės inžinerijos doktorantas, 2022 m. pabaigoje pirmą kartą pamatė savo draugus, išbandančius dirbtinio intelekto (DI) įrankius, jis iš karto nepastebėjo jų patrauklumo. Dažniausiai žmonės, regis, naudojo generatyvines DI platformas, tokias kaip „OpenAI“ „ChatGPT“, kaip „Google“ pakaitalą arba kaip naujovę idėjoms apie pokštus ir pravardes generuoti. „Buvo smagu su jomis žaisti, bet nebūtinai jaučiau jų ryšį su savo kursiniais darbais ar tyrimais“, – sako jis.
Tačiau jis greitai suprato, kai pradėjo matyti, kad kuriami vis daugiau DI įrankių, skirtų studentų ir mokslininkų poreikiams tenkinti. Dabar kasdienis DI naudotojas Shafi sukūrė visą DI platformų, kurios viena kitą papildo, kanalą. Jos informuoja jį apie naujus tyrimus, analizuoja sudėtingas temas, šalina eksperimentų triktis, tvarko jo rašymą ir citatas bei padeda jam orientuotis paskaitų ir tyrimų reikalavimuose.
Dabar Shafi teigia, kad dirbtinio intelekto atsiradimas buvo „tyrimų revoliucija“ – šią nuomonę, regis, palaiko ir kiti. Apklausos rodo, kad daugelis universitetų studentų ir mokslininkų savo darbe naudoja dirbtinį intelektą, dažnai kas savaitę ar net kasdien. Nors daugelis pedagogų ir akademinių įstaigų iš pradžių reagavo atsargiai, akademinė bendruomenė, regis, vis labiau nori leisti studentams naudoti dirbtinį intelektą, nors ir kontroliuojamai. Nors nebūtų neįmanoma grįžti prie ankstesnio jo darbo būdo, Shafi teigia: „Sunku įsivaizduoti, kad jis norėtų to daryti“.
Čia „Nature“ nagrinėja, kaip akademikai ir studentai gali panaudoti dirbtinį intelektą, kad supaprastintų įvairias tyrimų proceso dalis.
Paaiškinkite savo literatūros apžvalgą
Danielis Weldas, akademinės paieškos sistemos „Semantic Scholar“ vyriausiasis mokslininkas, įsikūręs Sietle, Vašingtone, teigia, kad daugelis populiarių dirbtinio intelekto platformų „labai pažengė į priekį“ srityje, vadinamoje aktyviu mokymusi – metodu, kuris imituoja, kaip žmogus spręstų tyrimo klausimą.
Tokios programos kaip „Google Gemini Deep Research“ (prenumerata Jungtinėse Valstijose kainuoja 19,99 USD per mėnesį) ir „OpenAI“ giluminiai tyrimai (nemokami naudotojai: gali gauti ribotą skaičių nemokamų „OpenAI“ giluminių tyrimų atsakymų per dieną, o laikui bėgant planuojama didinti prieigą) siūlo galingiausius įrankius šiuo atžvilgiu, ir daugelis įmonių pristato panašius produktus.
Studentai gali įvesti užklausą, pagrįstą jų pačių duomenimis ar dokumentais, ir tada atsitraukti, nes šie pažangūs modeliai atlieka išsamias paieškas maždaug per 30 minučių. Galutinėje ataskaitoje gali būti tekstas, paveikslėliai ir vizualizacijos, o visa išvestis yra kruopščiai cituojama – dar vienas šuolis, palyginti su ankstesnėmis iteracijomis, sako Isa Fulford, „OpenAI“ techninė tyrėja San Franciske, Kalifornijoje, kuri padėjo sukurti „Deep Research“. „Ypač mokslinių tyrimų kontekste pripažįstame, kad teisingumas yra labai svarbus, ir manome, kad šis modelis geriau nei bet kuris kitas mūsų išleistas modelis įtraukia tinkamas citatas“, – sako ji.
Chuckas Downingas, apskaitos doktorantas Masačusetso technologijos institute (MIT) Kembridže, teigia, kad šie giluminių tyrimų įrankiai buvo ypač naudingi gilinantis į nepažįstamas temas. Vieno projekto metu Downingas naudojo „OpenAI“ giluminius tyrimus. Tyrimas, skirtas parengti ataskaitą, kurioje būtų įvertinti įvairūs gamybos įmonių išmetamų teršalų kiekio mažinimo metodai. „Pradėdamas tyrimą daug nežinojau, bet nemažai išmokau, todėl dabar nuolat naudojuosi šiomis išsamiomis analizėmis“, – sako jis. „Tai geriau nei bet kas kita, ką iki šiol naudojau, ieškant gerų straipsnių ir pateikiant informaciją taip, kad ją būtų lengva suprasti.“
Kitos programos leidžia studentams giliau pasinerti į vieną dokumentą arba nedidelę straipsnių kolekciją. Pavyzdžiui, studentams skirta dirbtinio intelekto platforma „SciSpace“ turi funkciją „Pokalbis su PDF“ (nemokamas „Basic“ planas suteikia ribotą naudojimą. Neribotai prieigai galima įsigyti mokamą „Premium“ planą, kurio kaina prasideda nuo 12 USD per mėnesį, kai sąskaita mokama kasmet). Vartotojai gali įkelti straipsnį ir užduoti klausimus apie jo turinį – šią funkciją naudoja ir kitos platformos, tokios kaip „Claude“, „NotebookLM“ ir „PDF.ai“.
Davidui Tompkinsui, žmogaus raidos doktorantui Kornelio universitete Itakoje, Niujorke, šis metodas padėjo neatsilikti nuo sparčiai augančios mokslinės literatūros. Tompkinsas dažnai lankosi žurnalų klubo susitikimuose, pasinaudojęs Claude'o pagalba, kad parengtų pasirinkto straipsnio santrauką, o vėliau užduoda tikslingesnius klausimus, pagrįstus grupės diskusija. „Aš vis dar tvirtai tikiu, kad norint juos iki galo suprasti, reikia skaityti straipsnius, bet pasiruošti tapo daug lengviau, kai jaučiuosi įsitempęs“, – sako jis. „Kai kuriais atžvilgiais jaučiu, kad labiau įsitraukiu į medžiagą su šiais įrankiais, nei anksčiau.“
Sukurkite savo hipotezę
Dirbtinio intelekto gebėjimas sujungti daugybę informacijos gijų, regis, palengvino identifikavimą pašalinti tyrimų spragas ir susieti idėjas – nors neseniai atlikta apklausa rodo, kad per didelis pasitikėjimas generatyviniu dirbtiniu intelektu gali slopinti žmogaus kritinio mąstymo įgūdžius. Weldas, kuris taip pat yra dirbtinio intelekto tyrėjas Alleno dirbtinio intelekto institute Sietle, teigia, kad idėjų generavimo įrankių paklausa yra tokia didelė, kad jis ir jo komanda kuria hipotezių generavimo ir aptikimo produktus, kuriais bandoma sujungti idėjas skirtinguose straipsniuose į kažką naujo. „Mes juos veikia viduje, bet stengiamės užtikrinti, kad jie veiktų patikimai“, – sako jis ir priduria, kad jo Alleno instituto grupė tikisi juos viešai paskelbti per ateinančius kelis mėnesius.
Dirbdamas prie savo disertacijos, kurioje daugiausia dėmesio skiriama mikroplastiko pernešimui per dirvožemį ir į gruntinius vandenis, Shafi kreipėsi į tokias programas kaip vizualizacijos įrankis „Research Rabbit“.
„Research Rabbit“ (pagrindinė paslauga, įskaitant literatūros paiešką, citavimo žemėlapių sudarymą ir bendradarbiavimo funkcijas, tyrėjams yra visiškai nemokama ir tokia išliks) paima vieną „pradinį straipsnį“ ir sukuria tarpusavyje susijusį tyrimų tinklą, susietą pagal temą, autorių, metodologiją ar kitas pagrindines savybes. Perkeliant rezultatus į pokalbių robotą, pvz., „ChatGPT“, „galima ieškoti paslėptų nuorodų ar naujų idėjų darbų rinkinyje“, – sako Shafi.
Dirbtinio intelekto valdomos programos taip pat tampa vis labiau pajėgios atlikti eksperimentinius asistentus. Būdamas doktorantu MIT, Zhichu Ren sukūrė programinę įrangą „Copilot for Real-world Experimental Scientist“ (CRESt) (nėra galimybės naudoti už šios grupės ribų), kuri sujungia kelias dirbtinio intelekto technologijas į patobulintą pokalbių robotą (Z. Ren ir kt. Preprint at ChemRxiv https://doi.org/pdwv; 2023). Vartotojai gali bendrauti su CRESt taip, kaip su kolega, ir tai gali padėti kurti ir vykdyti eksperimentus, gaunant ir analizuojant duomenis, įjungiant ir išjungiant įrangą naudojant skaitmeninius jungiklius, maitinant robotines rankas, dokumentuojant išvadas ir įspėjant mokslininkus el. paštu, kai iškyla problemų ar baigiasi protokolai. 2023 m. konferencijos pranešime CRESt padėjo tyrėjams, prioritetizuodamas kandidatų lydinius naujam kuro elementui ir siūlydamas eksperimentus, kuriuos grupė galėtų atlikti, kad juos išbandytų. „Norėjau sukurti įrankį, kuris galėtų ir toliau padėti net ir keičiantis jūsų poreikiams“, – sako Renas, kuris dabar dirba dirbtinio intelekto startuolyje „Labig“ Kembridže, Masačusetso valstijoje. „DI gali tai padaryti taip, kaip negali statinė, rašytinė dokumentacija.“
Tačiau net ir studentams, neturintiems prieigos prie tokio pažangaus dalyko kaip CRESt, DI vis tiek gali būti naudingas kolega. Pavyzdžiui, „Gemini Deep Research“ gali sugeneruoti „asmeninį daugiataškį tyrimo planą“ be kitų funkcijų, o tokie ištekliai kaip „Scite“ (nemokamas arba pigus planas (apie 7,99 USD/mėn.) su pagrindine išmaniąja paieška) ir „Elicit“ (jis naudoja freemium modelį, siūlantį galingą nemokamą „Basic“ planą pagrindinėms funkcijoms, tokioms kaip dokumentų paieška ir duomenų ištraukimas, su mokamu „Plus“ planu (10 USD/mėn. per metus) už daugiau kreditų, eksportą (RIS, CSV) ir išplėstines funkcijas, ir „Pro“ planu (42 USD/mėn. per metus) už sistemines apžvalgas) yra apmokestinami kaip tyrimų asistentai. Vartotojai gali šioms programoms pateikti, pavyzdžiui, keletą straipsnių arba darbinę hipotezę ir paprašyti atlikti eksperimentų rinkinį teorijai patikrinti.
Josephas Fernandezas, biomedicinos inžinerijos doktorantas Kolorado universiteto Anschutz medicinos miestelyje Auroroje, teigia, kad ir toliau naudoja „ChatGPT“ daugeliui dalykų, įskaitant eksperimentų trikčių šalinimą. Anksčiau šis robotas jam padėjo ieškoti paaiškinimų, kai vienas iš jo tyrimų grąžindavo neįprastas vertes, ir apskaičiuoti serijinius skiedimus, kad nebūtų švaistomi brangūs reagentai. „ChatGPT“ taip pat pavadavo jo komitetą, generuodamas konkrečius klausimus, kad patikrintų jo tyrimo pasiūlymą prieš egzaminus.
„Manau, kad iš tikrųjų jus riboja tik jūsų vaizduotė, net jei kai kurie panaudojimo būdai yra labiau kasdieniški nei kiti“, – sako jis. „Šiais laikais, jei man kyla klausimas ar užduotis, paprastai svarstau, ar „ChatGPT“ gali padėti.“ Supaprastinkite savo statistiką
Kodo redaktoriai, įskaitant „GitHub“ „Copilot“ („GitHub Copilot“ siūlo kelis planus: nemokamą (ribotą), „Pro“ (10 USD/mėn. arba 100 USD/metus asmenims), „Pro+“ (39 USD/mėn. arba 390 USD/metus pažangiems modeliams), „Amazon CodeWhisperer“ (dabar „Amazon Q Developer“ (turi du pagrindinius lygius: nemokamą lygį pagrindinėms funkcijoms ir ribotam pažangiam naudojimui, ir „Pro“ lygį už 19 USD vienam vartotojui per mėnesį, kuris atrakina didesnius limitus, visas funkcijas, pvz., kodo pasiūlymus, įmonės valdiklius ir prieigą prie AWS konteksto.)) ir „Anysphere“ „Cursor“ („Hobby“ (nemokama): ribotos agento užklausos, tinka testavimui, apima „Pro“ bandomąją versiją.) siekia, kad pradedantiesiems būtų lengva naudoti kodavimą duomenims tvarkyti, analizės srautams kurti, aprašomajai statistikai vykdyti ir vizualizacijoms generuoti. Tyrėjai pastebi, kad tokie įrankiai taip pat gerokai aplenkė tokias svetaines kaip „GitHub“ ir „Stack Exchange“ kaip pagrindiniai trikčių šalinimo ištekliai. Užuot valandų valandas ieškoję atsakymų, vartotojai gali tiesiog paryškinti kodo dalį ir paprašyti pokalbių roboto ją ištaisyti, Downing. sako.
„Galvoju apie tai, ką reiškia doktorantui paprastai didžiausios užduotys vis dažniau yra kodavimas ir duomenų analizė, bent jau skaičiavimo srityse, todėl viskas, kas čia padeda, yra tiesiog neproporcingai naudinga“, – sako jis. Nors jis jau laikė save tinkamu programuotoju, teigia, kad jo mėgstamiausia priemonė „Cursor“ jį pagerino, pašalindama nuobodesnius aspektus ir palengvindama konkrečių duomenų rinkinio aspektų tyrimą. Užuot visą savo laiką skyręs derinimui (kodo valymui), jis sako, kad „skiria daugiau pastangų tam, kad iš tikrųjų pažintų pagrindinius duomenis ir dirbtų su savo kodu taip, kad padėtų man mokytis. Jei man kas nors smalsu, labai lengva generuoti aprašomąją statistiką, kažką panašaus į diagramą.“
Tompkinsas taip pat pastebėjo, kad tokios priemonės kaip „Claude“ yra būtinos rašant kodą, skirtą patrauklioms, dinamiškoms vizualizacijoms. Gero grafiko, ypač interaktyvaus, sukūrimas gali pareikalauti šimtų kodo eilučių, ir Tompkinsas teigia, kad anksčiau tokio lygio pastangos jį atbaidydavo. „Bet kai pradėjau naudoti „Claude“, galėjau jį išrašyti tiesiogine prasme šimtus kodo eilučių“, – sako jis. Gautos vizualizacijos labai padėjo kitiems suprasti jo tyrimą, kuriame aprašoma, kaip nedideli pokyčiai žmonių informacijos suvokime gali paveikti jų reakciją į ją.
Tačiau jis priduria, kad statistinei analizei vis dar visada rašo savo kodą: „Noriu įsitikinti, kad tai, ką pranešu, yra tai, ką visiškai suprantu ir galiu apginti pateikdamas straipsnį.“
Šios dirbtinio intelekto programos daugiausia dėmesio skiria naujo kodo generavimui, tačiau Gaurav Ragtah, įkūręs platformą pavadinimu „CatalyzeX“, įžvelgė galimybę pritaikyti esamą kodą. Pavyzdžiui, jei tyrėjai kiekvienam eksperimentui parašo naują analizės srautą, kitiems gali būti sunkiau atkurti savo darbą, ypač jei dokumentacija yra prasta arba kūrėjas nustoja atnaujinti savo kodą. Vietoj to, San Franciske įsikūręs Ragtah norėjo palengvinti kitų paskelbto kodo paiešką ir bendrinimą. „CatalyzeX“ (tyrimų įrankis „CatalyzeX“ turi savo pakopinę kainodarą: nemokama, 5 USD/mėn. („Pro“ versija su įspėjimais) ir 10 USD/mėn. („Elite“ versija su išplėstinėmis funkcijomis)) naudoja žiniatinklio platformą ir naršyklės plėtinį, kad pažymėtų atvirojo kodo kodą, bendrinamą tokiuose tinklalapiuose kaip „Google Scholar“ ar „PubMed“ indeksuotuose straipsniuose, o tyrėjai gali ieškoti kodo platformoje naudodami raktinius žodžius. Pavyzdžiui, asmuo, besidomintis mašininio mokymosi naudojimu vėžio nustatymui, galėtų ieškoti modifikuoto duomenų apdorojimo srauto, kuris padėtų spręsti problemą, kad viešai prieinami duomenys dažnai apima mažus imties dydžius.
„Nors kai kurie iš šių kodo generatorių yra nuostabūs mums nereikia kaskart išradinėti dviračio, kai yra puikių pavyzdžių, ką bandote daryti“, – sako Ragtah. „Atvirasis kodas apsaugo žmones nuo būtinybės pradėti nuo nulio ir suteikia jiems pagrindą, ant kurio jie gali kurti ir tobulėti, tuo pačiu palengvindamas tyrimų palyginamumą.“ Nušlifuokite savo rašymą
Ankstyviausi ir akivaizdžiausi pokalbių robotų panaudojimo būdai buvo rašymo įrankiai, o teksto generavimas išlieka viena iš svarbiausių užduočių. Tačiau apibendrintas dirbtinis intelektas kartais gali sunkiai susidoroti su mokslinio rašymo subtilybėmis, todėl kūrėjai kuria platformas, kurios tiesiogiai tenkina unikalius mokslo, technikos ir medicinos disciplinų tyrėjų ir studentų poreikius.
Tokie įrankiai kaip „Paperpal“ (10 dolerių per mėnesį už pagrindinį naudojimą) ir „Thesify“ (2,49 EUR/mėn.) tikrina akademinius rankraščius pagal žurnalų pateikimo gaires, pavyzdžiui, ir siūlo šablonus tyrimų pasiūlymams, literatūros apžvalgoms, santraukoms, disertacijoms ir esė. „SciSpace“, kartu su tokiomis platformomis kaip „Coral AI“, „Quillbot“ ir „OpenAI“ „Whisper“, taip pat reklamuoja vertimo galimybes, apimančias dešimtis kalbų – tai naudinga priemonė tokiems tyrėjams kaip María Mercedes Hincapié-Otero, ląstelių biologijos doktorantė Helsinkio universitete Suomijoje, kuri užaugo kalbėdama ispaniškai Kolumbijoje.
DI įrankiai aptinka klaidas mokslinių darbų straipsniuose: augančio judėjimo viduje
Hincapié-Otero dažnai naudoja dirbtinį intelektą, kad patikrintų savo rašymo sklandumą, gramatiką ir toną, ir naudojosi „ChatGPT“, be kitų programų, neoficialiems el. laiškams rengti ir sėkmingai kreipėsi dėl darbo. „Mokslininkams, kurie anglų kalbą kalba kaip antrąja kalba, jau tenka neproporcingai didelė našta“, – sako ji ir priduria, kad kartais jautėsi nejaukiai dėl savo gebėjimo paaiškinti sudėtingas mokslines temas rašant anglų kalba. „DI puikiai pakeičia mano idėjas ar raštą, kai noriu, kad kitas asmuo man pateiktų savo idėjas ar raštą, bet niekas nėra pasiekiamas, ir tai paprastai suteikia man ramybę susitelkti į svarbesnius dalykus.“
Ši idėja padidinti prieigą prie institucinių žinių yra viena iš priežasčių, kodėl buvęs neuromokslininkas Marcas-Oliveris Gewaltigas 2024 m. kartu įkūrė Šveicarijos įmonę „Thesify“ kaip daugiafunkcę platformą studentams. „Turėjau itin dėmesingo vadovo pranašumą, kuris atidžiai viską perskaitė ir davė mums atsiliepimų,“ – sako jis. „Ne visada taip būna, ir dabar matau, kaip sunku dėstytojams rasti laiko perduoti visas savo žinias studentams. Laimei, dirbtinio intelekto dėka galime palengvinti šią naštą abiem pusėms.“
„Thesify“ ne tik teikia atsiliepimus apie mokslinius darbus ir disertacijas, bet ir yra viena iš nedaugelio platformų, skirtų studentų mokymui kitoje svarbioje srityje: dotacijų rašymo srityje. Gewaltigo teigimu, dotacijų paraiškos retai pateikiamos dirbtinio intelekto mokymo duomenyse, tačiau išmokti jas struktūrizuoti yra būtinas įgūdis, kuriam lavinti paprastai reikia metų. Panašiai platformos konferencijų ir žurnalų paieškos priemonės padeda studentams nustatyti susitikimus ir publikacijas, kuriose jų darbai greičiausiai bus priimti.
„Šios priemonės, kuri iš tikrųjų yra daugelio šių platformų tikslas, tikslas – padidinti efektyvumą ir produktyvumą, tačiau moksle tai kartais reiškia ką kita“, – sako jis, turėdamas omenyje tai, kad didelė dalis sėkmės akademinėje bendruomenėje priklauso nuo patirties ir gero mentorystės. „Dar reikia nueiti ilgą kelią, kad būtų sukurtas kažkas panašaus į tikrai apibendrintą intelektą, tačiau dabar turime galimybių padaryti informaciją prieinamesnę visiems.“” [A]
A. Nature 640, 555-557 (2025) By Amanda Heidt
Komentarų nėra:
Rašyti komentarą