人工智能可以帮助研究人员确定哪些论文可以被复制，旨在解决再现危机

近年来，学者和研究人员越来越关注所谓的复制/再现危机。许多研究在尝试复制时无法获得相同的显著结果，因此科学界担心研究结果经常被过度强调。这个问题影响了从心理学到人工智能等多个领域。当谈到人工智能领域时，许多未经同行评审的论文声称取得了令人印象深刻的结果，但其他研究人员无法复制这些结果。为了解决这个问题并减少不可复制研究的数量，研究人员设计了一个人工智能模型，旨在确定哪些论文可以被复制。

据Fortune报道，一组来自凯洛格管理学院和西北大学复杂系统研究所的研究人员发表了一篇新论文，提出了一种深度学习模型，可以潜在地确定哪些研究是可复制的，哪些不是。如果人工智能系统能够可靠地区分可复制和不可复制的研究，它可以帮助大学、研究机构、公司和其他组织筛选出数千篇研究论文，以确定哪些论文最有可能是有用和可靠的。

西北大学团队开发的人工智能系统不使用研究人员通常用来确定研究有效性的经验/统计证据。该模型实际上使用自然语言处理技术来尝试量化论文的可靠性。系统从论文作者的语言中提取模式，发现某些词语模式表明更大的可靠性。

研究团队利用了自1960年代以来的心理学研究，发现人们经常通过他们使用的词语来传达他们对自己的想法的信心水平。基于这一想法，研究人员认为论文作者在撰写论文时可能会无意识地信号他们对研究结果的信心。研究人员进行了两轮训练，使用了不同的数据集。最初，模型是在大约200万篇科学论文摘要上进行训练的，而第二次模型是在一项旨在确定哪些心理学论文可以被复制的项目中训练的——心理学再现项目。

经过测试，研究人员将模型应用于来自心理学和经济学等各个领域的数百篇论文。研究人员发现，他们的模型比通常用于确定论文结果是否可以被复制的统计技术提供了更可靠的预测。

凯洛格管理学院教授和研究人员布莱恩·乌兹（Brian Uzzi）向Fortune解释说，虽然他希望人工智能模型有一天可以被用来帮助研究人员确定结果有多大可能被复制，但研究团队不确定他们的模型学到了什么模式和细节。机器学习模型经常是黑箱，这是一个常见的问题，但这可能会使其他科学家犹豫是否使用该模型。

乌兹解释说，研究团队希望该模型可以被用来解决冠状病毒危机，帮助科学家更快地了解病毒并确定哪些研究结果是有前途的。正如乌兹对Fortune所说：

“我们希望开始将其应用于COVID问题——一个当前的问题，很多事情变得宽松，我们需要建立在以前工作的坚实基础上。目前尚不清楚哪些以前的工作将被复制或不被复制，我们没有时间进行复制。”

乌兹和其他研究人员希望通过使用进一步的自然语言处理技术来改进模型，包括他们为分析企业盈利电话会议记录而创建的技术。研究团队已经建立了一个包含大约30,000份电话会议记录的数据库，他们将分析这些记录以寻找线索。如果团队能够建立一个成功的模型，他们可能能够说服分析师和投资者使用该工具，这可能会为该模型和其技术的其他创新用途铺平道路。