Kunstig intelligens (AI) revolusjonerar den vitskaplege fellesskapen ved å tilby nyskapande verktøy som hjelper forskarar på ulike stadier av deira studium. AI sin analytiske evne vert i aukande grad nytta i akademia, der teknologiselskap verda over skapar løysingar som integrerer sømlaust inn i kvart steg av forskingsarbeidsflyten.
Forskarar har no tilgang til AI-drevente verktøy som TLDR for å oppsummere studiepapir, kartleggingsdatabasar for å identifisera forskingshola, konsensusmotorar for å avdekka ekspertinnsikt, og plattformer som HeyScience for å letta på medgransking. Desse framsteg har vunne merksemd frå investerarar, med betydeleg finansiering sjåande AI-oppstartar.
Selskapet Elicit, til dømes, sikra seg imponerande 9 millionar dollar kort tid etter lanseringa for sitt forskingsarbeidsflytsystem. På same sett fekk oppstarten NobleAI basert i California 17 millionar euro for å utvikla sin plattform for materialvitskap og kjemisk syntese.
Europeiske motstykke kjem også fram, med selskapet Iris basert i Oslo som sikra seg 7,6 millionar euro i ein finansieringsrunde. Iris sitt hovudprodukt er ein AI-motor som silar gjennom akademisk litteratur og gjer at forskarar raskt kan identifisera relevant informasjon på tvers av fleire dokument, noko som dramatisk reduserer anstrenginga som tradisjonelt er nødvendig for slike oppgåver.
Iris sin plattform er til nytte for eit breitt spekter av brukarar som spenner frå akademia til bedriftskundar som Materiom og Finnish Food Authority, som nyttar teknologien til strategiske føremål som kontroll av fugleinfluensa gjennom datadrevne innsikter.
Administrerande direktør for Iris, Anita Schjøll Abildgaard, stadfester at deira AI-verktøy gjer det raskt å fingra gjennom eit stort tal forskingspapir for å finna relevant informasjon ved skjæringa mellom spesialiserte fagfelt, ein analyse som tradisjonelt ville tatt månader manuelt.
For å handtera AI si tendens til å generera faktiske unøyaktigheiter – noko som vart tydeleg i det omdiskuterte Galactica-programmet lansert av Meta og raskt utsett grunna produksjon av meningslause AI-genererte tekstar – utmerkar Iris seg ved å nytta kognitive grafer, datauttrekking og liknande kontekstar for å forsikra seg om innhaldets nøyaktigheit.
Forplikta til å tilby presisjon, arbeider Iris òg med å betra innhaldets sannferdigheit knytt til AI-resultat ved å verifisera mot strukturerte kunnskapsbasar og liknande kjelder i det verkelege liv. Abildgaard understrekar viktigheita av desse realitetsanker, då korrekte grunnlag er avgjerande viktig i forsking. Iris ser fram til å utvida verktøykassa for å hjelpa forskarar med navigering i informasjonslandskapet med størst mogeleg faktisk integritet.