AI võib aidata teadlastel kindlaks teha, milliseid dokumente saab paljundada, eesmärgiga tegeleda paljunemiskriisiga

Viimastel aastatel on järjest rohkem tähelepanu pööratud sellele, mida teadlased ja teadlased nimetavad replikatsiooni/reprodutseeritavuse kriisiks. Paljud uuringud lihtsalt ei anna sama olulisi tulemusi, kui proovitakse uuringut korrata, ja selle tulemusena on teadusringkonnad mures, et tulemusi sageli üle tähtsustatakse. Probleem puudutab nii erinevaid valdkondi nagu psühholoogia ja tehisintellekt. Tehisintellekti valdkonnas avaldatakse palju eksperdihinnanguta töid, mis näitavad muljetavaldavaid tulemusi, mida teised teadlased ei suuda reprodutseerida. Probleemi lahendamiseks ja mittereprodutseeritavate uuringute arvu vähendamiseks on teadlased loonud tehisintellekti mudeli, mille eesmärk on kindlaks teha, milliseid pabereid saab kopeerida.

Nagu teatas Fortuneuus paber Kellogi juhtimiskooli ja Northwesterni ülikooli keerukate süsteemide instituudi teadlaste meeskonna poolt avaldatud uurimus tutvustab sügavat õppimismudelit, mis võib potentsiaalselt määrata, millised uuringud on tõenäoliselt reprodutseeritavad ja millised mitte. Kui AI-süsteem suudab usaldusväärselt eristada reprodutseeritavad ja mittereprodutseeritavad uuringud, võib see aidata ülikoolidel, uurimisinstituutidel, ettevõtetel ja muudel üksustel filtreerida läbi tuhandete uurimistööde, et teha kindlaks, millised paberid on kõige tõenäolisemalt kasulikud ja usaldusväärsed.

Northwesterni meeskonna väljatöötatud tehisintellektisüsteemid ei kasuta seda tüüpi empiirilisi / statistilisi tõendeid, mida teadlased tavaliselt uuringute kehtivuse kindlakstegemiseks kasutavad. Mudel kasutab paberi usaldusväärsuse kvantifitseerimiseks tegelikult loomuliku keele töötlemise tehnikaid. Süsteem eraldab mustrid töö autorite kasutatavast keelest, leides, et mõned sõnamustrid näitavad suuremat usaldusväärsust kui teised.

Uurimisrühm tugines 1960ndate aastate psühholoogilistele uuringutele, mis näitasid, et inimesed väljendavad sageli kasutatavate sõnade kaudu oma ideede suhtes valitsevat usaldust. Sellest ideest lähtudes arvasid teadlased, et paberi autorid võivad paberite kirjutamisel teadmatult märku anda oma usaldusest oma uurimistulemuste vastu. Teadlased viisid läbi kaks koolitusvooru, kasutades erinevaid andmekogumeid. Algselt koolitati mudelit ligikaudu kahe miljoni teadustööde kokkuvõtte põhjal, teisel korral aga täielike paberite põhjal, et võtta aluseks projekti, mille eesmärk oli kindlaks teha, milliseid psühholoogiatöid saab reprodutseerida – reprodutseeritavuse projekt: psühholoogia.

Pärast testimist kasutasid teadlased mudelit sadade teiste paberite kogumile, mis olid pärit erinevatest valdkondadest, nagu psühholoogia ja majandus. Uurijad leidsid, et nende mudel andis usaldusväärsema prognoosi paberi reprodutseeritavuse kohta kui statistilised meetodid, mida tavaliselt kasutatakse selleks, et teha kindlaks, kas paberi tulemusi saab korrata või mitte.

Teadlane ja Kellogi juhtimiskooli professor Brian Uzzi selgitas Fortune'ile, et kuigi ta loodab, et tehisintellekti mudelit saab kunagi kasutada selleks, et aidata teadlastel kindlaks teha, kui tõenäoline on tulemuste reprodutseerimine, pole uurimisrühm mustrites kindel ja kirjeldab oma mudelit üksikasjalikult. õppinud. Asjaolu, et masinõppemudelid on sageli mustad kastid, on AI-uuringutes tavaline probleem, kuid see asjaolu võib panna teised teadlased mudeli kasutamise suhtes kõhklema.

Uzzi selgitas, et uurimisrühm loodab, et mudelit saab potentsiaalselt kasutada koroonaviiruse kriisi lahendamiseks, aidates teadlasi rohkem viirusest kiiresti aru saama ja teha kindlaks, millised uuringutulemused on paljulubavad. Nagu Uzzi Fortune'ile ütles:

„Tahame hakata seda rakendama COVID-probleemi puhul – see on praegu probleem, kus paljud asjad muutuvad lõdvaks ja me peame tuginema eelneva töö väga tugevale alusele. On ebaselge, millist eelnevat tööd korratakse või mitte, ja meil pole aega replikatsioonide tegemiseks.

Uzzi ja teised teadlased loodavad mudelit täiustada, kasutades täiendavaid loomuliku keele töötlemise tehnikaid, sealhulgas tehnikaid, mille meeskond lõi ettevõtte tulude kõnede ärakirjade analüüsimiseks. Uurimisrühm on juba loonud ligikaudu 30,000 XNUMX kõne ärakirja andmebaasi, mida nad vihjete jaoks analüüsivad. Kui meeskond suudab luua eduka mudeli, võivad nad veenda analüütikuid ja investoreid tööriista kasutama, mis võib sillutada teed mudeli ja selle tehnikate muudele uuenduslikele kasutusviisidele.