AI, Araştırmacıların Hangi Kağıtların Çoğaltılabileceğini Belirlemesine Yardımcı Olabilir, Üreme Krizini Ele Almayı Amaçlıyor

Bilim adamlarının ve araştırmacıların kopyalama/yeniden üretilebilirlik krizi olarak adlandırdıkları duruma son yıllarda giderek daha fazla ilgi gösteriliyor. Pek çok çalışma, çalışmanın tekrarı denendiğinde aynı önemli sonuçları veremez ve sonuç olarak, bilim camiası bulguların genellikle gereğinden fazla vurgulandığından endişe duyar. Sorun, psikoloji ve yapay zeka gibi çok çeşitli alanları etkiliyor. Yapay zeka alanına gelince, diğer araştırmacıların yeniden üretemeyeceği etkileyici sonuçları öne süren hakemli olmayan birçok makale yayınlanıyor. Sorunun üstesinden gelmek ve tekrarlanamayan çalışmaların sayısını azaltmak için araştırmacılar, hangi kağıtların tekrarlanabileceğini belirlemeyi amaçlayan bir AI modeli tasarladılar.

Fortune tarafından bildirildiği gibi, Yeni bir kâğıt Kellog Yönetim Okulu ve Northwestern Üniversitesi'ndeki Karmaşık Sistemler Enstitüsü'nden bir araştırmacı ekibi tarafından yayınlanan bu araştırma, hangi çalışmaların tekrarlanabilir olup olmayacağını potansiyel olarak belirleyebilen derin bir öğrenme modeli sunuyor. AI sistemi arasında güvenilir bir şekilde ayrım yapabiliyorsa tekrarlanabilir ve tekrarlanamayan çalışmalar, üniversitelerin, araştırma enstitülerinin, şirketlerin ve diğer kuruluşların binlerce araştırma makalesini filtreleyerek hangi makalelerin yararlı ve güvenilir olabileceğini belirlemelerine yardımcı olabilir.

Northwestern ekibi tarafından geliştirilen yapay zeka sistemleri, araştırmacıların genellikle çalışmaların geçerliliğini tespit etmek için kullandıkları ampirik/istatistiksel kanıt türlerini kullanmıyor. Model aslında bir makalenin güvenilirliğini denemek ve ölçmek için doğal dil işleme tekniklerini kullanıyor. Sistem, bir makalenin yazarları tarafından kullanılan dildeki kalıpları çıkarıyor ve bazı kelime kalıplarının diğerlerinden daha fazla güvenilirliğe işaret ettiğini buluyor.

Araştırma ekibi, 1960'lar kadar eski, insanların fikirlerine duydukları güven düzeyini kullandıkları sözcükler aracılığıyla ilettiklerini ortaya koyan psikolojik araştırmalardan yararlandı. Bu fikirle hareket eden araştırmacılar, makale yazarlarının makalelerini yazarken bilmeden araştırma bulgularına olan güvenlerini gösterebileceklerini düşündüler. Araştırmacılar, farklı veri kümelerini kullanarak iki tur eğitim gerçekleştirdiler. Başlangıçta model, bilimsel makalelerden yaklaşık iki milyon özet üzerinde eğitilirken, ikinci kez model, hangi psikoloji makalelerinin yeniden üretilebileceğini belirlemeyi amaçlayan bir projeden - Yeniden Üretilebilirlik Projesi: Psikoloji - almak üzere tam kağıtlar üzerinde eğitildi.

Test ettikten sonra, araştırmacılar modeli psikoloji ve ekonomi gibi çeşitli alanlardan alınan yüzlerce başka makaleden oluşan bir koleksiyona yerleştirdiler. Araştırmacılar, modellerinin bir makalenin tekrar üretilebilirliği konusunda, bir makalenin sonuçlarının tekrarlanıp tekrarlanamayacağını belirlemek için tipik olarak kullanılan istatistiksel tekniklerden daha güvenilir bir tahmin verdiğini keşfettiler.

Araştırmacı ve Kellog Yönetim Okulu Profesörü Brian Uzzi, Fortune'a yaptığı açıklamada, yapay zeka modelinin bir gün araştırmacıların sonuçların ne kadar muhtemel olduğunu tespit etmelerine yardımcı olmak için kullanılabileceğinden umutlu olduğunu ancak araştırma ekibinin modellerin kalıplarından ve ayrıntılarından emin olmadığını söyledi. öğrendi. Makine öğrenimi modellerinin genellikle kara kutular olduğu gerçeği, yapay zeka araştırmalarında yaygın bir sorundur ancak bu gerçek, diğer bilim adamlarının bu modeli kullanmakta tereddüt etmesine neden olabilir.

Uzzi, araştırma ekibinin modelin potansiyel olarak koronavirüs krizinin üstesinden gelmek için kullanılabileceğini umduğunu ve bilim adamlarına daha fazla yardımcı olduğunu açıkladı. virüsü hızlı bir şekilde anlayın ve hangi çalışma sonuçlarının umut verici olduğunu belirleyin. Uzzi'nin Fortune'a dediği gibi:

"Bunu, şu anda pek çok şeyin gevşemeye başladığı bir sorun olan COVID sorununa uygulamaya başlamak istiyoruz ve önceki çalışmalardan çok güçlü bir temel üzerine inşa etmemiz gerekiyor. Daha önce hangi çalışmaların tekrarlanıp tekrarlanmayacağı belli değil ve tekrarlar için zamanımız yok.”

Uzzi ve diğer araştırmacılar, ekibin kurumsal kazançlarla ilgili arama dökümlerini analiz etmek için oluşturduğu teknikler de dahil olmak üzere daha ileri doğal dil işleme tekniklerinden yararlanarak modeli geliştirmeyi umuyor. Araştırma ekibi, ipuçları için analiz edecekleri yaklaşık 30,000 arama dökümünden oluşan bir veritabanı oluşturdu. Ekip başarılı bir model oluşturabilirse, analistleri ve yatırımcıları aracı kullanmaya ikna edebilir, bu da model ve teknikleri için diğer yenilikçi kullanımların önünü açabilir.