Enligt University of Alberta Ali Shiri kommer stora språkmodeller och Genai med en rad möjligheter och utmaningar för akademiker.
Generativ AI, särskilt stora språkmodeller (LLM), presenterar spännande och aldrig tidigare skådade möjligheter och komplexa utmaningar för akademisk forskning och stipendium.
Eftersom de olika versionerna av LLM: er (som Chatgpt, Gemini, Claude, Perplexity.ai och Grok) fortsätter att sprida, börjar akademisk forskning genomgå en betydande omvandling.
Studenter, forskare och instruktörer i högre utbildning Behöver AI -kunskaper, kompetenser och färdigheter för att hantera dessa utmaningar och risker.
I en tid med snabb förändring rekommenderas studenter och akademiker att se till sina institutioner, program och enheter för disciplinspecifik policy eller riktlinjer som reglerar användningen av AI.
Forskare användning av AI
En ny studie leds av en datavetenskaplig forskare fann att minst 13,5 st av biomedicinska sammanfattningar förra året visade Tecken på AI-genererad text.
Stora språkmodeller kan Stöd nu nästan varje steg i forskningsprocessenäven om försiktighet och mänsklig övervakning alltid behövs för att bedöma när användning är lämplig, etisk eller berättigad – och för att redogöra för frågor om kvalitetskontroll och noggrannhet. Llms kan:
- Hjälp brainstorma, generera och förfina forskningsidéer och formulera hypoteser;
- Designexperiment och uppförande och syntetislitteraturrecensioner;
- Skriva och felsöka kod;
- Analysera och visualisera både kvalitativa och kvantitativa data;
- Utveckla tvärvetenskapliga teoretiska och metodologiska ramverk;
- Föreslå relevanta källor och citat, sammanfatta komplexa texter och utkast till abstrakt;
- Stödja spridning och presentation av forskningsresultat, I populära format.
Det finns emellertid betydande oro och utmaningar kring lämplig, etisk, ansvarsfull och effektiv användning av generativa AI -verktyg i genomförandet av forskning, skrift och forskning. Dessa inkluderar:
- Felaktig presentation av data och författarskap;
- Svårigheter att replikera forskningsresultat;
- Data och algoritmiska fördomar och felaktigheter;
- Användar- och datasekretess och konfidentialitet;
- Kvalitet på utgångar, data och citeringstillverkning;
- Och upphovsrätt och intrång i immateriell egendom.
AI Research Assistants, ”Deep Research” AI -agenter
Det finns Två kategorier av nya LLM-förbättrade verktyg som stöder akademisk forskning:
AI Research Assistants: Antalet AI -forskningsassistenter som stöder olika aspekter och steg i forskningsprocessen växer med exponentiell takt. Dessa tekniker har potential att förbättra och utöka traditionella forskningsmetoder i akademiskt arbete. Exempel inkluderar AI -assistenter som stöder:
- Konceptkartläggning (Kumu, Gitmind, Mindmeister);
- Litteratur och systematiska recensioner (framkallar, undermind, Notebooklm, Scipace);
- Litteratursökning (konsensus, forskning, anslutna artiklar, scite);
- Litteraturanalys och sammanfattning (vetenskap, pappersmältning, angelägen);
- Och forskningsämne och trenddetektering och analys (Scinapse, Tlooto, Dimension AI)
’Deep Research’ AI -agenter: Fältet för konstgjord intelligens går snabbt fram med ökningen av ”djup forskning” AI -agenter. Dessa nästa generationsagenter kombinerar LLMS, återhämtningsförstärkt generation och sofistikerade resonemang för att genomföra djupgående, flerstegsanalyser.
Forskning genomförs för närvarande för att utvärdera kvaliteten och effektiviteten hos djupa forskningsverktyg. Nya utvärderingskriterier utvecklas för att bedöma deras prestanda och kvalitet.
Kriterier inkluderar element som kostnad, hastighet, redigeringslätt och total användarupplevelse – liksom Citation och skrivkvalitet och hur dessa djupa forskningsverktyg följer instruktionerna.
Syftet med djupa forskningsverktyg är att noggrant extrahera, analysera och syntetisera vetenskaplig information, empiriska data och olika perspektiv från ett brett utbud av källor online och sociala medier. Utgången är en detaljerad rapport, komplett med citat, som erbjuder djupgående insikter i komplexa ämnen.
På bara en kort spännvidd på fyra månader (december 2024 till februari 2025) introducerade flera företag (som Google Gemini, Perplexity.ai och Chatgpt) sina ”Deep Research” -plattformar.
Allen Institute for Artificial Intelligence, a Icke-vinstdrivande AI Research Institute baserat i Seattleexperimenterar med ett nytt forskningsverktyg för öppen åtkomst som heter AI2 Scholarqa som hjälper Forskare genomför litteraturrecensioner mer effektivt genom att ge mer djupgående svar.
Nya riktlinjer
Flera riktlinjer har utvecklats för att uppmuntra ansvarsfull och etisk användning av generativ AI i forskning och skrivande. Exempel inkluderar:
LLMS stöder tvärvetenskaplig forskning
LLMS är också kraftfulla verktyg för att stödja tvärvetenskaplig forskning. Nyligen framväxande forskning (ännu inte granskas) på LLM: s effektivitet för forskning Föreslår att de har stor potential inom områden som biologiska vetenskaper, kemiska vetenskaper, teknik, miljö och samhällsvetenskap. Det föreslår också att LLMS kan hjälpa till att eliminera disciplinära silor genom att samla data och metoder från olika områden och automatisera datainsamling och generering för att skapa tvärvetenskapliga datasätt.
Att hjälpa till att analysera och sammanfatta stora volymer forskning över olika discipliner kan hjälpa tvärvetenskapligt samarbete. ”Expert Finder” AI-drivna plattformar kan analysera forskarprofiler och publiceringsnätverk för att kartlägga expertis, identifiera potentiella samarbetspartners över områden och avslöja oväntade tvärvetenskapliga anslutningar.
Denna nya kunskap tyder på att dessa modeller kommer att kunna hjälpa forskare att driva genombrott genom att kombinera insikter från olika områden – som epidemiologi och fysik, klimatvetenskap och ekonomi eller samhällsvetenskap och klimatdata – för att hantera komplexa problem.
Forskningsfokuserad AI-läskunnighet
Kanadensiska universitet och forskningspartnerskap tillhandahåller AI -läskunnighetsutbildning till människor på universitet och bortom.
De Alberta Machine Intelligence Institute Erbjuder K-12 AI-läskunnighetsprogrammering och andra resurser. Institutet är en inte för vinst organisation och en del av Kanadas pan-kanadensiska artificiell intelligensstrategi.
Många universitet är erbjudande AI -läskunnighet utbildningsmöjligheter som fokuserar specifikt på användningen av generativa AI -verktyg i hjälpa forskningsaktiviteter.
Samarbets universitetsarbete sker också. Som vice dekan vid fakulteten för examen och postdoktorstudier vid University of Alberta (och en informationsvetenskapsprofessor) har jag arbetat med dekaner från University of Manitoba, University of Winnipeg och Vancouver Island University för att utveckla riktlinjer och rekommendationer Runt generativ AI och examen och postdoktorell forskning och övervakning.
Med tanke på den växande kraften och förmågan hos stora språkmodeller finns det ett brådskande behov av att utveckla AI -läskunnighet som är skräddarsydd för akademiska forskare.
Denna utbildning bör fokusera på både potentialen och begränsningarna för dessa verktyg i de olika stadierna i forskningsprocessen och skrivandet.
Av Ali Shiri
Ali Shiri är professor i informationsvetenskap och vice dekan vid fakulteten för examen och postdoktor vid Alberta universitet. Han fick en doktorsexamen i informationsvetenskap från University of Strathclyde Department of Computer and Information Sciences i Glasgow, Skottland och Teaches, Undersöker och skriver om digital informationsinteraktion och hämtning, digitala bibliotek, data, inlärningsanalys, artificiell intelligens och etik.
