Springer Nature، یکی از بزرگ‌ترین ناشران دانشگاهی جهان، و Google DeepMind یک همکاری تحقیقاتی را برای ساختن یک دستیار بررسی همتای مبتنی بر هوش مصنوعی اعلام کرده‌اند که به محققان کمک می‌کند تا دست‌نوشته‌ها را به‌طور مؤثرتر ارزیابی کنند - و روند بازبینی را که تحت فشار فزاینده‌ای است، کاهش دهد.

این همکاری که در 26 اکتبر اعلام شد، ترکیبی از تخصص Springer Nature در مدیریت بررسی همتایان با مدل‌های هوش مصنوعی Gemini Google DeepMind است. یک نمونه اولیه در حال آزمایش است، اگرچه شرکا جدول زمانی برای استقرار گسترده تر اعلام نکرده اند. For more context on this story, see our ongoing more AI stories.

چرا بررسی همتا تحت فشار است

بررسی همتایان مکانیزم دروازه‌بانی علم مدرن است و در تلاش است تا از این راه عقب بماند. بر اساس این اعلامیه، افزایش حجم ارسال‌ها و پیچیدگی فزاینده تحقیقات، درخواست‌های بیشتری را برای داوران همتا ایجاد می‌کند - محققانی که داوطلبانه زمان خود را برای ارزیابی نسخه‌های خطی برای مجلات اختصاص می‌دهند.

دستیار جدید برای کمک به بازبینان در مسیریابی دست نوشته های پیچیده، تجزیه و تحلیل حجم زیادی از متن، نمودارها و شکل ها، و شناسایی مناطقی که نیاز به بررسی دقیق تر دارند، طراحی شده است. شرکا می گویند، هدف این است که وقت داوران را آزاد کنند تا بتوانند روی سؤالاتی تمرکز کنند که به تخصص و قضاوت علمی تخصصی نیاز دارند - بخش هایی از کار که نمی توان آنها را به ماشین واگذار کرد.

ساخته شده بر روی Gemini - و در داخل دیوارهای Springer Nature نگهداری می شود

این دستیار با کیت توسعه عامل منبع باز Google (ADK) در حال توسعه است و به طور کامل در محیط خصوصی Gemini Enterprise Springer Nature عمل می کند. به گفته شرکا، این رویکرد تضمین می کند که نسخه های خطی و سایر محتوای مورد استفاده برای توسعه و آزمایش سیستم در زیرساخت امن Springer Nature باقی می مانند و از محرمانه بودن نویسنده و بازبین محافظت می کند.

این انتخاب طراحی یکی از دائمی‌ترین نگرانی‌های مربوط به هوش مصنوعی در انتشارات علمی را برطرف می‌کند: وقتی تحقیقات منتشر نشده توسط مدل‌های شخص ثالث پردازش شود، چه اتفاقی می‌افتد. Springer Nature با نگه داشتن کل گردش کار در محیط خود، این موضوع را مطرح می کند که داوران فقط به دستیار اعتماد می کنند که هرگز اجازه نمی دهد یک نسخه خطی از ساختمان خارج شود.

Saskia Steinacker، مدیر ارشد محصول Springer Nature، این پروژه را به عنوان تمرینی برای آزمایش مسئولانه تعریف کرد.

استیناکر در این اطلاعیه گفت: "تخصص و قضاوت داوران برای بررسی همتایان اساسی است." با افزایش حجم و پیچیدگی تحقیقات، ما فرصتی داریم تا بررسی کنیم که چگونه هوش مصنوعی می‌تواند به طور مسئولانه از این تخصص پشتیبانی کند، و به بازبین‌ها کمک می‌کند وقت خود را در جایی که مهم‌تر است و روی سؤالاتی متمرکز کنند که نیاز به قضاوت علمی تخصصی دارند. برای ما، نوآوری و اعتماد باید دست به دست هم دهند.

بر اساس سابقه تحقیقاتی هوش مصنوعی گوگل

این پروژه مبتنی بر تجربه گوگل در توسعه ابزارهای تحقیقاتی هوش مصنوعی، از جمله ScholarPeer و Deep Review - تلاش‌های قبلی برای اعمال مدل‌های مرزی در مکانیک ارزیابی علمی است.

Seshu Ajjarapu، مدیر ارشد هوش مصنوعی کاربردی در Google DeepMind، گفت که هدف از این همکاری رفع فشاری است که حجم رو به رشد ارسال‌ها بر روند بررسی وارد می‌کند.

آجاراپو گفت: «باز کردن قفل اکتشافات علمی مستلزم یک تجربه بررسی همتا است که هم دقیق و هم با سرعت تحقیق هماهنگ باشد. "این مشارکت، تخصص انتشارات علمی Springer Nature و تحقیقات مرزی Google DeepMind را گرد هم می‌آورد. ما با هم در حال ساختن پلتفرمی هستیم که فشار از حجم مقالات رو به رشد را رها می‌کند و در عین حال استانداردهای سرمقاله مجلات پیشرو جهان را به شدت رعایت می‌کند. این یک نمونه بارز از این است که چگونه هوش مصنوعی می‌تواند ساختارهای بنیادی علمی مدرن را تقویت کند."

این خبر توسط Research Information، Research Professional News و Times Higher Education منتشر شد که همگی به اطلاعیه مشترک اشاره کردند.

دستیار، نه جایگزین

هر دو شرکت صریحاً می‌گویند که این ابزار به‌جای جایگزینی از بازبین‌های انسانی پشتیبانی می‌کند. کاوش نمونه اولیه بر این تمرکز دارد که چگونه هوش مصنوعی می‌تواند بررسی همتا را به فرآیند تعاملی‌تری تبدیل کند، بدون اینکه متخصصان انسانی را از حلقه حذف کند، و قضاوت علمی نهایی با داوران و ویراستاران مجلات باقی بماند.

این موقعیت مهم است. بررسی همتا مؤسسه ای است که ادعاهای علمی را تأیید می کند و آزمایشات مربوط به خودکارسازی قطعات آن قبلاً مورد بررسی قرار گرفته است. Sakana AI، یک آزمایشگاه هوش مصنوعی مستقر در توکیو، قبلا گزارش داده بود که سیستم بازبینی AI آن خطاهای ادعای اصلی را در تقریباً هفت مقاله از هر ده مقاله ای که غربال کرده است، علامت گذاری کرده است - نتیجه ای که بحث را در مورد وعده و محدودیت های خودکارسازی بررسی علمی افزایش داد.

بیانیه Springer Nature مبنی بر اینکه "نوآوری و اعتماد باید دست به دست هم بدهند" به عنوان پاسخی مستقیم به این شک و تردید است: این شرکت در حال آزمایش آنچه هوش مصنوعی می تواند اضافه کند، می گوید، در حالی که روشن است که مسئولیت کجاست.

بخشی از یک فشار جریان کار گسترده تر

برای Springer Nature، دستیار بخشی از تلاش‌های گسترده‌تر برای ساده‌سازی گردش‌های کاری انتشار برای نویسندگان و منتقدان، در کنار پلت فرم انتشار داخلی آن، Snapp است. برای Google DeepMind، این گام دیگری در استراتژی جاسازی مدل‌های Gemini در جریان‌های کاری علمی و حرفه‌ای به جای محدود کردن آن‌ها به ربات‌های چت مصرف‌کننده است.

این مشارکت نشان دهنده علاقه فزاینده در سراسر صنعت چاپ و نشر به پتانسیل هوش مصنوعی برای پشتیبانی از گردش کار انتشارات علمی است - به ویژه از آنجایی که افزایش حجم ارسال و مقالات پیچیده و پر داده به طور فزاینده‌ای فشاری را بر مجموعه بازبینی‌کنندگانی که عمدتاً از داوطلبان بدون حقوق تشکیل شده است، وارد می‌کند.

بعد چه اتفاقی می افتد

این شرکت‌ها هنوز جدول زمانی را برای استقرار گسترده‌تر دستیار اعلام نکرده‌اند، و بسیاری از جزئیات همچنان باز هستند: کدام مجلات ممکن است ابتدا از آن استفاده کنند، بررسی‌کنندگان چگونه با خروجی‌های آن تعامل خواهند داشت، و آیا موسساتی که نسبت به هوش مصنوعی در انتشار محتاط بوده‌اند، رویکرد آن را برای محرمانه بودن می‌پذیرند.

در حال حاضر، مرحله آزمایش نمونه اولیه پیام است. اگر دستیار همانطور که توضیح داده شد کار کند، خسته‌کننده‌ترین بخش‌های مرور - گذر از دست‌نوشته‌های طولانی، بررسی تصاویر متقابل، جستجوی بخش‌هایی که به چشم متخصص نیاز دارند - می‌تواند سریع‌تر انجام شود، در حالی که قضاوت انسان در قلب بررسی همتایان دقیقاً همان جایی که هست باقی می‌ماند.

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →