هوش مصنوعی با توانایی فوقالعاده خود در تحلیل دادهها، حالا وارد عرصه اعتبارسنجی مقالات علمی شده است. اخیراً مشخص شد که یک اشتباه ریاضی در تحقیقاتی درباره ظروف پلاستیکی منجر به نگرانیهای نادرست شده بود، اما هوش مصنوعی این خطا را در چند ثانیه شناسایی کرد.
این اتفاق منجر به ایجاد دو پروژه جدید شد که هدف آنها کشف اشتباهات علمی با کمک مدلهای هوش مصنوعی است. پروژه Black Spatula، یک ابزار متنباز است که تاکنون ۵۰۰ مقاله را بررسی کرده و بهصورت مستقیم با نویسندگان برای اصلاح خطاها در ارتباط است. همزمان، پروژه YesNoError که با الهام از Black Spatula ایجاد شده، بیش از ۳۷ هزار مقاله را در دو ماه گذشته تحلیل کرده و یافتههای خود را در وبسایت مخصوصش منتشر میکند.
این ابزارها، که از مدلهای زبانی پیشرفته (LLMs) استفاده میکنند، میتوانند طیف گستردهای از خطاها را در مقالات علمی، از جمله اشتباهات محاسباتی، روششناسی و ارجاع، شناسایی کنند. آنها ابتدا دادههای تصویری و جدولی را استخراج کرده و سپس از مدلهای پیچیده استدلالی برای بررسی خطاها بهره میبرند.
در حالی که بسیاری از محققان از این فناوری استقبال کردهاند، برخی نیز نگران دقت آن و احتمال آسیب به اعتبار پژوهشگران هستند. بااینحال، متخصصان معتقدند که هوش مصنوعی میتواند نقش مهمی در بهبود دقت و اعتبار مقالات علمی ایفا کند و در آینده به ابزاری کلیدی برای ارزیابی پژوهشهای علمی تبدیل شود.
کد خبر ۲۱۲۰۳۱۲۱۹.۳۵۹
منبع:نیچر
