Trí tuệ nhân tạo có thể giúp các nhà nghiên cứu xác định哪些 bài báo có thể được sao chép, nhằm giải quyết cuộc khủng hoảng về sự tái tạo

Trong những năm gần đây, ngày càng nhiều sự chú ý được dành cho vấn đề mà các học giả và nhà nghiên cứu gọi là cuộc khủng hoảng về tính tái tạo. Nhiều nghiên cứu đơn giản là không thể đưa lại cùng một kết quả đáng kể khi cố gắng sao chép nghiên cứu, và do đó, cộng đồng khoa học lo ngại rằng các phát hiện thường được nhấn mạnh quá mức. Vấn đề này ảnh hưởng đến các lĩnh vực đa dạng như tâm lý học và trí tuệ nhân tạo. Khi nói đến lĩnh vực trí tuệ nhân tạo, nhiều bài báo không được đánh giá ngang hàng được xuất bản với những kết quả ấn tượng mà các nhà nghiên cứu khác không thể sao chép. Để giải quyết vấn đề này và giảm số lượng nghiên cứu không thể sao chép, các nhà nghiên cứu đã thiết kế một mô hình trí tuệ nhân tạo nhằm xác định哪些 bài báo có thể được sao chép.

Theo Fortune đưa tin, một bài báo mới được xuất bản bởi một nhóm nhà nghiên cứu từ Trường Quản lý Kellog và Viện Hệ thống Phức tạp tại Đại học Northwestern trình bày một mô hình học sâu có thể xác định được những nghiên cứu nào có khả năng được tái tạo và những nghiên cứu nào không. Nếu hệ thống trí tuệ nhân tạo có thể phân biệt một cách đáng tin cậy giữa các nghiên cứu có thể tái tạo và không tái tạo, nó có thể giúp các trường đại học, viện nghiên cứu, công ty và các tổ chức khác lọc qua hàng nghìn bài báo nghiên cứu để xác định những bài báo nào có khả năng được hữu ích và đáng tin cậy.

Hệ thống trí tuệ nhân tạo được phát triển bởi nhóm nghiên cứu Northwestern không sử dụng loại bằng chứng kinh nghiệm/thống kê mà các nhà nghiên cứu thường sử dụng để xác định tính hợp lệ của các nghiên cứu. Thay vào đó, mô hình này sử dụng các kỹ thuật xử lý ngôn ngữ tự nhiên để cố gắng lượng hóa độ tin cậy của một bài báo. Hệ thống này trích xuất các mẫu trong ngôn ngữ được sử dụng bởi các tác giả của một bài báo, tìm thấy rằng một số mẫu từ ngữ cho thấy độ tin cậy cao hơn những mẫu khác.

Đội nghiên cứu đã dựa trên nghiên cứu tâm lý học từ những năm 1960, đã tìm thấy rằng người ta thường truyền đạt mức độ tin cậy họ có trong ý tưởng của mình thông qua từ ngữ họ sử dụng. Phát triển ý tưởng này, các nhà nghiên cứu nghĩ rằng các tác giả của bài báo có thể vô tình gửi tín hiệu về sự tin cậy của họ trong các phát hiện nghiên cứu khi viết bài báo của họ. Các nhà nghiên cứu đã tiến hành hai vòng đào tạo, sử dụng các tập dữ liệu khác nhau. Lần đầu tiên, mô hình được đào tạo trên khoảng hai triệu tóm tắt từ các bài báo khoa học, trong khi lần thứ hai, mô hình được đào tạo trên các bài báo đầy đủ từ một dự án nhằm xác định哪些 bài báo tâm lý học có thể được tái tạo – Dự án Tái tạo: Tâm lý học.

Sau khi thử nghiệm, các nhà nghiên cứu đã triển khai mô hình trên một bộ sưu tập gồm hàng trăm bài báo khác, được lấy từ các lĩnh vực như tâm lý học và kinh tế. Các nhà nghiên cứu đã tìm thấy rằng mô hình của họ đưa ra dự đoán đáng tin cậy hơn về tính tái tạo của một bài báo so với các kỹ thuật thống kê thường được sử dụng để xác định liệu kết quả của một bài báo có thể được sao chép hay không.

Giáo sư Brian Uzzi của Trường Quản lý Kellog đã giải thích với Fortune rằng mặc dù ông hy vọng rằng mô hình trí tuệ nhân tạo có thể được sử dụng để giúp các nhà nghiên cứu xác định khả năng sao chép của kết quả, nhưng đội nghiên cứu không chắc chắn về các mẫu và chi tiết mà mô hình của họ đã học được. Việc các mô hình học máy thường là những hộp đen là một vấn đề phổ biến trong nghiên cứu trí tuệ nhân tạo, nhưng điều này có thể khiến các nhà khoa học khác do dự khi sử dụng mô hình.

Uzzi giải thích rằng đội nghiên cứu hy vọng rằng mô hình có thể được sử dụng để giải quyết cuộc khủng hoảng coronavirus, giúp các nhà khoa học hiểu nhanh hơn về virus và xác định những kết quả nghiên cứu nào là đầy hứa hẹn. Như Uzzi nói với Fortune:

“Chúng tôi muốn bắt đầu áp dụng điều này vào vấn đề COVID – một vấn đề hiện tại mà nhiều thứ đang trở nên lỏng lẻo, và chúng tôi cần xây dựng trên một nền tảng vững chắc của công việc trước. Không rõ công việc trước nào sẽ được sao chép hay không và chúng tôi không có thời gian cho việc sao chép.”

Uzzi và các nhà nghiên cứu khác hy vọng sẽ cải thiện mô hình bằng cách sử dụng các kỹ thuật xử lý ngôn ngữ tự nhiên进一步, bao gồm cả các kỹ thuật mà đội đã tạo ra để phân tích các bản ghi cuộc gọi về thu nhập doanh nghiệp. Đội nghiên cứu đã xây dựng một cơ sở dữ liệu gồm khoảng 30.000 bản ghi cuộc gọi mà họ sẽ phân tích để tìm kiếm manh mối. Nếu đội có thể xây dựng một mô hình thành công, họ có thể thuyết phục các nhà phân tích và nhà đầu tư sử dụng công cụ này, điều có thể mở đường cho các ứng dụng sáng tạo khác cho mô hình và các kỹ thuật của nó.