W kierunku zautomatyzowanego pisarstwa naukowego

Rano, przeglądając działy informatyki na Arxiv, tak jak to robię większość poranków, natknąłem się na niedawny artykuł z Federalnego Uniwersytetu w Ceará w Brazylii, oferujący nową ramę przetwarzania języka naturalnego w celu zautomatyzowania podsumowywania i ekstrakcji danych z artykułów naukowych.

Ponieważ jest to mniej więcej to, co robię każdego dnia, artykuł przypomniał mi komentarz na wątku pisarzy na Reddit wcześniej tego roku – przepowiednię, że pisanie naukowe będzie jednym z pierwszych dziennikarskich prac, które zostaną przejęte przez uczenie maszynowe.

Niech będzie jasne – absolutnie wierzę, że zautomatyzowany pisarz naukowy jest na horyzoncie, i że wszystkie wyzwania, które przedstawiam w tym artykule, są albo rozwiązywalne teraz, albo ostatecznie będą. Tam, gdzie jest to możliwe, podaję przykłady. Dodatkowo, nie zajmuję się tym, czy bieżące lub niedalekie pisarstwo naukowe AI będzie w stanie napisać spójnie; opierając się na bieżącym poziomie zainteresowania w tym sektorze przetwarzania języka naturalnego, zakładam, że ten problem zostanie ostatecznie rozwiązany.

Zamiast tego, pytam, czy pisarz naukowy AI będzie w stanie zidentyfikować istotne historie naukowe zgodnie z (bardzo zróżnicowanymi) pożądanymi wynikami wydawców.

Nie myślę, że jest to nieuchronne; opierając się na przeglądaniu nagłówków i/lub kopii około 2000 nowych artykułów naukowych na temat uczenia maszynowego każdego tygodnia, mam bardziej cyniczne spojrzenie na stopień, w jakim artykuły akademickie mogą być algorytmicznie rozbite, zarówno w celach indeksowania akademickiego, jak i dziennikarstwa naukowego. Jak zwykle, to ludzie są tymi, którzy stają na przeszkodzie.

Wymagania dla zautomatyzowanego pisarza naukowego

Rozważmy wyzwanie zautomatyzowania raportowania naukowego na temat najnowszych badań akademickich. Aby to uczynić uczciwie, ograniczymy się głównie do kategorii CS bardzo popularnego, niezamkniętego domeinu Arxiv z Cornell University, który ma co najmniej kilka systematycznych, szablonowych cech, które mogą być wstawione do potoku ekstrakcji danych.

Załóżmy również, że zadanie, które mamy do wykonania, tak jak w przypadku nowego artykułu z Brazylii, polega na iteracji przez tytuły, podsumowania, metadane i (jeśli jest to uzasadnione) treść ciała nowych artykułów naukowych w poszukiwaniu stałych, niezawodnych parametrów, tokenów i działających, redukowalnych informacji z dziedziny.

Jest to, po wszystkim, zasada, na której opierają się bardzo udane nowe ramy są zdobywające grunt w dziedzinach raportowania o trzęsieniach ziemi, pisarstwa sportowego, dziennikarstwa finansowego i kryteriów zdrowotnych, i rozsądnym punktem wyjścia dla AI-wspieranego dziennikarza naukowego.

… (reszta treści)