การเขียนวิทยาศาสตร์แบบอัตโนมัติ

ในช่วงเช้านี้ ขณะที่ฉันกำลังท่องไปตามส่วนคอมพิวเตอร์ศาสตร์ของ Arxiv เช่นเดียวกับที่ฉันทำทุกเช้า ฉันพบกับ เอกสาร ล่าสุดจาก Federal University of Ceara ในบราซิล ซึ่งนำเสนอเฟรมเวิร์กการประมวลผลภาษาธรรมชาติใหม่เพื่อทำให้การสรุปและดึงข้อมูลหลักจากเอกสารวิทยาศาสตร์เป็นอัตโนมัติ

เนื่องจากสิ่งนี้คือสิ่งที่ฉันทำทุกวัน เอกสารดังกล่าวจึงทำให้ฉันนึกถึงความคิดเห็นในスレดผู้เขียนของ Reddit ในช่วงต้นปีนี้ – การทำนายที่มีผลกระทบต่อการทำงานของนักเขียนวิทยาศาสตร์จะอยู่ในหมู่งานสื่อสารมวลชนที่จะถูกแทนที่ด้วยการเรียนรู้ของเครื่องแรก

ให้ฉันชี้แจง – ฉัน เชื่ออย่างแน่นอน ว่านักเขียนวิทยาศาสตร์อัตโนมัติกำลังจะมาถึง และที่ทุกความท้าทายที่ฉันระบุไว้ในบทความนี้สามารถแก้ไขได้ในปัจจุบัน หรือในที่สุดก็จะสามารถทำได้ โดยที่เป็นไปได้ ฉันให้ตัวอย่างสำหรับสิ่งนี้ นอกจากนี้ ฉันไม่ได้กล่าวถึงว่านักเขียนวิทยาศาสตร์อัตโนมัติในปัจจุบันหรือในอนาคตอันใกล้จะสามารถ เขียน ได้อย่างเข้าใจได้หรือไม่ โดยอาศัย ระดับของความสนใจ ในส่วนนี้ของ NLP ฉันสมมติว่าความท้าทายนี้จะถูกแก้ไขในที่สุด

แต่ฉันต้องการถามว่านักเขียนวิทยาศาสตร์อัตโนมัติจะสามารถ ระบุ เรื่องราวทางวิทยาศาสตร์ที่เกี่ยวข้องตามผลลัพธ์ที่ต้องการของนักพิมพ์ (ซึ่งมีความหลากหลายสูง) ได้หรือไม่

ฉันไม่คิดว่ามันจะเกิดขึ้นในเร็วๆ นี้ โดยอาศัยการค้นหาฮेडไลน์และ/หรือเนื้อหาของเอกสารวิทยาศาสตร์ใหม่ๆ ประมาณ 2,000 ฉบับเกี่ยวกับการเรียนรู้ของเครื่องทุกสัปดาห์ ฉันมีมุมมองที่เป็นปฏิปักษ์มากกว่าเกี่ยวกับระดับที่การยื่นเอกสารทางวิชาการสามารถถูกแบ่งออกเป็นอัลกอริทึมได้ ไม่ว่าจะเป็นสำหรับการดัชนีทางวิชาการหรือสำหรับการสื่อสารมวลชนทางวิทยาศาสตร์ มันเป็น คน ที่ทำให้การทำงานยากขึ้น

ข้อกำหนดสำหรับนักเขียนวิทยาศาสตร์อัตโนมัติ

มาทำความเข้าใจกับความท้าทายของการรายงานวิทยาศาสตร์อัตโนมัติเกี่ยวกับการวิจัยทางวิชาการล่าสุด เพื่อรักษาความยุติธรรม เราจะจำกัดมันไว้เพียงหมวดคอมพิวเตอร์ศาสตร์ของ โดเมน Arxiv ที่เปิดให้ใช้งานฟรีจาก Cornell University ซึ่งมีคุณสมบัติที่เป็นระบบและแบบแผนที่สามารถเชื่อมต่อกับข้อมูลการดึงข้อมูลได้

สมมติว่าภารกิจที่มอบหมายให้เหมือนกับเอกสารใหม่จากบราซิล คือการวนซ้ำหัวข้อ สรุป ข้อมูลอ้างอิง และ (ถ้าเป็นเรื่องที่สมควร) เนื้อหาของเอกสารวิทยาศาสตร์ใหม่ๆ เพื่อค้นหาค่าคงที่ พารามิเตอร์ที่เชื่อถือได้ โทเค็น และข้อมูลโดเมนที่สามารถลดรูปและใช้ได้

นี่คือหลักการเดียวกับที่ เฟรมเวิร์กใหม่ กำลังได้รับการยอมรับในด้านการรายงาน การรายงานแผ่นดินไหว การเขียนเกี่ยวกับ กีฬา การรายงาน การเงิน และ การรายงานเกี่ยวกับสุขภาพ และเป็นจุดเริ่มต้นที่สมเหตุสมผลสำหรับนักเขียนวิทยาศาสตร์ที่มีพลังงานจาก AI… (การแปลจะดำเนินต่อไปตามข้อกำหนดและกฎที่ให้ไว้)