Andmekeskkond “Iris” kasuksinvalijatele ulatub akadeemiast ettevõtetele nagu Materiom ja Soome Toiduamet, kes kasutavad tehnoloogiat strateegilistel eesmärkidel, näiteks lindude katkutõrjes andmetel põhinevate teadmiste kaudu.
Iris’e tegevjuht Anita Schjøll Abildgaard kinnitab, et nende tehisintellekti tööriistad võimaldavad kiiresti läbi vaadata suure hulga teadusartikleid, et leida olulist informatsiooni spetsialiseerunud valdkondades ristuvate teemade kohta. See on analüüs, mis võtaks käsitsi tehes kuid aega.
Pidades silmas AI kalduvust tootma faktilisi ebatäpsusi – nagu seda näitas Meta poolt käivitatud ja kiiresti lõpetatud vastuoluline Galactica programm, mis tootis mõttetuid AI-genereritud tekste – paistab Iris silma, kasutades kognitiivseid graafe, andmete ekstraheerimist ja konteksti sarnasuse teste sisu täpsuse tagamiseks.
Pühendunud täpsuse tagamiseks töötab Iris ka selle nimel, et parandada nende tehisintellekti väljundite sisu täpsust kontrollides seda struktureeritud teadmistepõhiste ja reaalse maailma allikatega sarnasuste vastu. Abildgaard rõhutab nende tegelikkuse ankru olulisust, kuna täpne alus on teadustöös ülioluline. Iris soovib laiendada oma tööriistakomplekti, et aidata teadlasi suunata infolõnga kõige faktilisima terviklikkusega.
Põhiküsimused ja vastused:
Mõned põhilised viisid, kuidas AI-d rakendatakse teaduslikes uurimustes?
AI-d kasutatakse uurimisartiklite kokkuvõtmiseks, uurimislünkade tuvastamiseks, ekspertiiside avastamiseks, eakaaslaste arvustuste hõlbustamiseks ja informatsiooni väljavõtmiseks akadeemilisest kirjandusest.
Millised väljakutsed või vaidlused on seotud AI-ga teaduslikes uurimustes?
Üheks peamiseks väljakutseks on tagada AI-genereritud sisu täpsus ja usaldusväärsus, nagu seda näitas Meta Galactica programmi ümber keerelnud vaidlus, mis tootis mõttetuid AI-genereritud tekste. AI väljundite faktilise terviklikkuse säilitamine on ülioluline, eriti teadustöös.
AI eelised teaduslikes uurimustes:
– Säästab aega, analüüsides kiiresti laia valikut kirjandusest.
– Leiab uurimislüngad efektiivsemalt kui käsitsi meetodid.
– Hõlbustab laialdasemat ja efektiivsemat koostööd ja eakaaslaste arvustusi.
– Pakub parema arusaamise ja globaalsete probleemide, nagu lindude katk, kontrollimiseks vajalike tööriistu.
AI puudused teaduslikes uurimustes:
– Potentsiaal ebatäpse või faktiliselt ebausaldusväärse info genereerimiseks.
– Vajadus pidevaks kontrollimiseks struktureeritud teadmistepõhiste ja reaalse elu andmete vastu.
– Potentsiaalne sõltuvus AI tööriistadest võiks vähendada juhuste ja individuaalsete arusaamade rolli avastustes.
Seotud lingid:
– Lisateabe saamiseks viimaste tehisintellekti edusammude kohta külastage AI.org.
– AI rakendustes teaduslikes uuringutes rohkem avastamiseks vaadake DeepMind.
– Sisse vaadake AI juhitud materjaliteaduse ja keemilise sünteesi parenduste kohta, minge IBM Watson Health.
Palun pange tähele, et siin esitatud URL-id on näitlikel eesmärkidel. Enne faktiteabe või linkide lisamist veenduge, et URL-id on kehtivad, ligipääsetavad veebisaitidele käsitsi.