Генеративный ИИ, особенно большие языковые модели (БЯМ), открывает новые и беспрецедентные возможности, но также ставит сложные задачи перед академическими исследованиями.
С появлением различных версий БЯМ, таких как ChatGPT, Gemini, Claude, Perplexity.ai и Grok, академические исследования начинают претерпевать значительные изменения.
Студентам, исследователям и преподавателям в высших учебных заведениях необходимо обладать знаниями, компетенциями и навыками в области ИИ, чтобы решать эти задачи и минимизировать риски.
В эпоху быстрых перемен студентам и учёным рекомендуется обращаться к своим учебным заведениям, программам и подразделениям за политическими директивами или рекомендациями, регулирующими использование ИИ в конкретных дисциплинах.
Недавнее исследование, проведённое специалистом по работе с данными, показало, что по крайней мере 13,5% биомедицинских рефератов в прошлом году содержали признаки текста, сгенерированного ИИ.
Большие языковые модели могут поддерживать практически каждый этап исследовательского процесса, хотя для оценки целесообразности, этичности и обоснованности их использования всегда необходимы осторожность и человеческий контроль.
Однако существуют серьёзные опасения и проблемы, связанные с надлежащим, этическим, ответственным и эффективным использованием инструментов генеративного ИИ в проведении исследований, написании и распространении результатов.
Основные проблемы включают:
- Этические аспекты: использование ИИ в научных исследованиях поднимает вопросы об авторстве, плагиате и достоверности данных.
- Качество и точность: необходимость контроля качества и точности результатов, полученных с помощью ИИ.
- Ограничения и потенциальные ошибки: возможность ошибок и искажений при использовании ИИ в научных целях.
Новые инструменты для научных исследований с использованием БЯМ
Существует две категории инструментов, поддерживающих научные исследования с использованием БЯМ:
1. ИИ-помощники для исследований: число ИИ-помощников, поддерживающих различные аспекты и этапы исследовательского процесса, растёт в геометрической прогрессии. Эти технологии могут расширить и усовершенствовать традиционные методы исследования в академической работе.
2. «Глубокие исследовательские» агенты ИИ: эти агенты нового поколения сочетают БЯМ, методы поиска и генерации с усовершенствованными системами рассуждений для проведения глубоких, многоэтапных анализов.
Исследования в настоящее время проводятся для оценки качества и эффективности инструментов глубокого исследования. Разрабатываются новые критерии оценки их производительности и качества.
Критерии включают такие элементы, как стоимость, скорость, простота редактирования и общий пользовательский опыт, а также качество цитирования и письма.
Цель инструментов глубокого исследования — тщательно извлекать, анализировать и синтезировать научную информацию, эмпирические данные и различные точки зрения из широкого спектра онлайн-источников и социальных сетей.
В течение всего четырёх месяцев (с декабря 2024 года по февраль 2025 года) несколько компаний, таких как Google Gemini, Perplexity.ai и ChatGPT, представили свои платформы для «глубоких исследований».
Институт искусственного интеллекта Аллена, некоммерческий исследовательский институт, базирующийся в Сиэтле, экспериментирует с новым инструментом для исследований с открытым доступом под названием Ai2 ScholarQA, который помогает исследователям более эффективно проводить обзоры литературы, предоставляя более подробные ответы.
Рекомендации по ответственному использованию ИИ в исследованиях
БЯМ также являются мощными инструментами для поддержки междисциплинарных исследований. Недавние исследования (ещё не прошедшие рецензирование) об эффективности БЯМ для исследований показывают, что они имеют большой потенциал в таких областях, как биологические науки, химические науки, инженерия, экология, а также социальные науки.
ИИ-платформы, работающие по принципу «эксперт-найдётся», могут анализировать профили исследователей и сети публикаций для сопоставления экспертных знаний, выявления потенциальных сотрудников в разных областях и обнаружения неожиданных междисциплинарных связей.
Это новое знание предполагает, что эти модели смогут помочь исследователям добиться прорывов, объединяя идеи из разных областей — таких как эпидемиология и физика, климатология и экономика, социальные науки и климатические данные — для решения сложных проблем.
Канадские университеты и исследовательские партнёрства предоставляют образование в области ИИ для людей в университетах и за их пределами.
Институт машинного интеллекта Альберты предлагает программы по повышению ИИ-грамотности для учащихся начальной и средней школы. Институт является некоммерческой организацией и частью Панаканадской стратегии в области искусственного интеллекта.
Многие университеты предлагают образовательные возможности для повышения ИИ-грамотности, которые сосредоточены на использовании инструментов генеративного ИИ в исследовательской деятельности.
Учитывая растущие возможности больших языковых моделей, существует острая необходимость в разработке программ обучения ИИ, адаптированных для научных исследователей.
Это обучение должно быть сосредоточено как на потенциале, так и на ограничениях этих инструментов на разных этапах исследовательского процесса и написания.