مختبر الحكومة الأمريكية يستخدم GPT-3 لتحليل الأوراق البحثية
يمكن للأداة التي صُنعت باستخدام الذكاء الاصطناعي ChatGPT أن تساعد على استخراج المعلومات من الملخصات الورقية العلمية، وتساعد الباحثين على تحديد المعلومات المهمة عبر آلاف المقالات
أنشأ مختبر أبحاث تابع للحكومة الأمريكية أداة لإيجاد وتلخيص المعرفة في ملخصات الأوراق العلمية. يستخدم نفس الذكاء الاصطناعي Artificial intelligence (اختصارا: الذكاء الاصطناعي AI)، والذي يدعم برنامج chatbot ChatGPT الذي تمت إتاحته للجمهور مؤخراً.
يقول جون داجديلين John Dagdelen: «هناك خط رؤية يصل بنا إلى الوقت الذي سيكون لدينا فيه مساعدون باحثون من الذكاء الاصطناعي AI يمكنهم الوصول إلى كميات لا تصدق من المعلومات».
بدأ داجديلين وزملاؤه بمختبر لورنس بيركلي Lawrence Berkeley الوطني في كاليفورنيا بتدريس الأداة GPT-3 – وهي ذكاء اصطناعي أنشأته شركة OpenAI يمكنه قراءة ملخصات نصية والإجابة عن مطالبات المحادثة – لقراءة ملخصات أوراق أبحاث علوم المواد Materials science، ومن ثم بحثت الأداة GPT-3 عن المعلومات ذات الصلة وقدَّمتها بطريقة مفيدة.
أولاً، أظهر الفريق 100 مثالٍ للذكاء الاصطناعي لهذه المهمة – على سبيل المثال، أخذ ملخص عن بطارية ليثيوم بمكونات كيميائية تجريبية وتقديم المعلومات في تنسيق بيانات قياسي يحدد بوضوح الأسماء الكيميائية والصيغ والأوصاف العامة والتطبيقات العملية.
بعد أن أظهر للذكاء الاصطناعي ما يجب فعله، استخدمه الباحثون للمساعدة على إنشاء 500 مثالٍ آخر. وبعد ذلك، صحح الفريق أيَّة أخطاء، وتمت إعادة الأَمْثلة في الذكاء الاصطناعي لضبط أدائه. ومن ثمَّ، اختبر الفريق 65 ملخصاً ووجد أنه يمكنه انتقاء نحو 75% من المعلومات ذات الصلة في أي ملخص معين.
يمكن لأي باحث اتباع طريقة تغذية أمثلة GPT-3 حول الكيفية التي يرغبون فيها من الذكاء الاصطناعي لاسترداد وتنسيق المعرفة العلمية من الملخصات. ولكن أحد القيود هو أن الأداة GPT-3 وخدمات الذكاء الاصطناعي الأخرى تحد من مقدار النص الذي يمكن إدخاله فيها، مما يعني أنه لا يمكن للباحثين استخدام الأداة GPT-3 بسهولة لتحليل الأوراق البحثية بكاملها، كما يقول أنوبهاف جاين Anubhav Jain، وهو جزء من الفريق.
وتقول جاكي كول Jacqui Cole، من جامعة كيمبريدج University of Cambridge في المملكة المتحدة، إن الذكاء الاصطناعي الذي يمكنه استخراج المعلومات بدقة من النص سيمثل «نقلة نوعية» في مساعدة الباحثين على الوصول إلى المعرفة العلمية.
من المعروف أن الأداة GPT-3 تؤدي إلى حدوث أخطاء، وكانت هذه هي الحال أيضاً هنا. يبدو أن أفضل الحلول هي تعليم الذكاء الاصطناعي باستخدام أمثلة مصححة لأسوأ أخطائه، أو تعليم الذكاء الاصطناعي لاستخراج البيانات تماماً كما تظهر في الملخصات، كما يقول عضو الفريق ألكسندر دن Alexander Dunn.
يمكن لهذه الاستراتيجية الخاصة بتدريس الأداة GPT-3 للتدقيق في الأبحاث الحالية، بحثاً عن شذرات مفيدة من المعرفة، أن تعمل أيضاً في مجالات علمية أخرى تتجاوز مجرد علم المواد. يقول دن: «في السابق، كان بعض الباحثين الأكاديميين يفحصون مئات أو آلاف الأوراق… الآن يمكننا أن نجعل الذكاء الاصطناعي يمر 1000 مرة أو أكثر وأن نحصل حقاً على صورة شاملة للبيانات في مجال فرعي معين من العلوم».
© 2022, New Scientist, Distributed by Tribune Content Agency LLC
بقلم جيريمي هسو
