သိပ္ပံနည်းကျစာတမ်းများသည် 1660 ခုနှစ်များတွင် ပထမဆုံးသော ပညာရှင်ဂျာနယ်များ ပေါ်ထွန်းလာချိန်မှစ၍ တည်ငြိမ်သောစာရွက်စာတမ်းများဖြစ်သည်။ စတန်းဖို့ဒ်ဆေးတက္ကသိုလ်မှ အဖွဲ့တစ်ဖွဲ့က သူတို့ကို စကားပြောစေချင်သည်။ စက်တင်ဘာလ 16 ရက်နေ့ထုတ် Nature ဂျာနယ်တွင် ထုတ်ဝေခဲ့သည့် လေ့လာမှုတစ်ခုတွင် သုတေသီများသည် သိပ္ပံနည်းကျ စာမူများ— ၎င်း၏ စာသား၊ ကိန်းဂဏန်းများနှင့် ဒေတာများကို အလုပ်နှင့်ပတ်သက်သည့် မေးခွန်းများကို ဖြေကြားပေးနိုင်သည့် အပြန်အလှန်တုံ့ပြန်သော AI အေးဂျင့်အဖြစ်သို့ ပြောင်းလဲပေးသည့် စနစ်ဖြစ်သည့် Paper2Agent ကို သုတေသီများက ထုတ်ဖော်ပြသခဲ့သည်။
အဆိုပါပရောဂျက်ကို ပါရဂူဘွဲ့လွန်ပညာရှင် Jiacheng Miao နှင့် Stanford Medicine မှ ဇီဝဆေးအချက်အလက်သိပ္ပံတွဲဖက်ပါမောက္ခ James Zou တို့က ဦးဆောင်ခဲ့သည်။
Passive Pages မှ Active Knowledge သို့
"အခြေခံအားဖြင့် လူ့သမိုင်းတစ်ခုလုံးအတွက်၊ ကျွန်ုပ်တို့သည် အသိပညာကို ကိုယ်စားပြုသည့်နည်းလမ်းမှာ ဤလွန်စွာသော အနုနည်းသော အရာဝတ္ထုများ၏ ပုံစံဖြစ်သည်" ဟု Stanford Medicine မှ ကြေငြာချက်တွင် Zou က ပြောကြားခဲ့သည်။ "ရှေးတုန်းက လူတွေက အသိပညာကို ကျောက်တုံးတွေအဖြစ် ထွင်းထုထားတယ်၊ အခု ငါတို့က အသိပညာတွေကို စာမျက်နှာတွေပေါ် စကားလုံးတွေနဲ့ ရိုက်ထည့်ကြတယ်၊ ဒါပေမယ့် တစ်ချို့သော အဓိပ္ပာယ်အရ စာမျက်နှာတွေက ပိုကောင်းတာတော့ မဟုတ်ပါဘူး။"
“ဒါက ဘယ်လိုဗဟုသုတမျိုးလဲဆိုတာကို အခြေခံကျကျ ပြန်တွေးကြည့်ဖို့ အခွင့်အရေးတစ်ခုပါပဲ” ဟု ၎င်းက ဆက်လက်ပြောသည်။ "passive artifacts တွေသာရှိမယ့်အစား၊ static record တစ်ခုစီကို အသိပညာရဲ့ တက်ကြွတဲ့ သရုပ်ဖော်ပုံအဖြစ် ဘာကြောင့်မပြောင်းတာလဲ။" Zou သည် သုတေသနကို အမှန်တကယ် မည်သို့လုပ်ဆောင်ခဲ့သည်ကို သိရှိကာ ရှင်းပြနိုင်၊ ကာကွယ်ရန်နှင့် ချဲ့ထွင်နိုင်သည့် virtual author ကဲ့သို့ အရာတစ်ခုအဖြစ် Zou က ဖော်ပြသည်။
Paper2Agent သည် အေးဂျင့်တစ်ခုတည်ဆောက်ပုံ
ပြောင်းလဲခြင်းလုပ်ငန်းစဉ်သည် ဆက်စပ်ကုဒ်နှင့် ဒေတာများနှင့်အတူ ထုတ်ဝေထားသော စာရွက်တစ်ခုကို ခွဲခြမ်းစိပ်ဖြာပေးသည့် AI "အလုပ်သမားအေးဂျင့်များ" အဖွဲ့အပေါ် မူတည်သည်။ အရေးကြီးသည်မှာ၊ ၎င်းတို့သည် လေ့လာမှုကိုဖတ်ရုံမျှမက — ၎င်းတို့သည် ၎င်းအား မှတ်တမ်းတင်ထားသော စမ်းသပ်မှုများကို အတုယူကာ အတုအယောင်ပတ်ဝန်းကျင်တွင် အစမှပြန်လည်ထုတ်လုပ်ရန် ကြိုးပမ်းကြသည်။ အလုပ်ပြန်လုပ်ခြင်းဖြင့်၊ အေးဂျင့်များသည် ၎င်းကို နောက်ဆုံးစာမူအဖြစ်သို့ ဘယ်သောအခါမှ မဖြစ်စေနိုင်သည့် အသိပညာကို စုပ်ယူသည်၊ ဓါတ်ပြုခြင်းများနှင့် ဆော့ဖ်ဝဲကို မှီခိုနေရခြင်းမှသည် စမ်းသပ်ထည့်သွင်းမှု၏ သီးခြားအချက်အလက်များအထိဖြစ်သည်။
ထို့နောက် ထိုအသိပညာကို MCP — စာရွက်ကို အသုံးပြု၍ရနိုင်သော ဖွဲ့စည်းပုံအဖြစ် စုစည်းပေးသည့် စံပြဆက်စပ်ပရိုတိုကောကို အသုံးပြု၍ သိမ်းဆည်းထားသည်။ "MCP သည် AI သည် စာရွက်စာတမ်းစနစ်ကဲ့သို့ အေးဂျင့်များဝင်ရောက်ရန် လွယ်ကူသည့်ပုံစံဖြင့် AI ကို အခြေခံအားဖြင့် စာရွက် PDF ကိုကိုယ်စားပြုနိုင်စေသည်" ဟု Zou က စာရွက်၏အပိုင်းတစ်ခုစီကို ၎င်း၏ကိုယ်ပိုင်အကန့်တွင် စုစည်းထားသည်။
သို့သော် စက်များသည် အရာအားလုံးကို ဖမ်းယူနိုင်စွမ်းမရှိပေ။ မအောင်မြင်သော စမ်းသပ်မှုများ၊ စီရင်ချက်ခေါ်ဆိုမှုများနှင့် ဒီဇိုင်းရွေးချယ်မှုများ၏ နောက်ကွယ်တွင် ပြတ်သားစွာ ကျိုးကြောင်းဆင်ခြင်ခြင်းသည် သုတေသီများ၏ ခေါင်းထဲတွင်သာ ရှိနေသေးသည်။ ထို့ကြောင့် အဆိုပါ ကွက်လပ်များကို ဖြည့်ဆည်းရန် စက္ကူအေးဂျင့်က လူသားစာရေးဆရာများကို တွေ့ဆုံမေးမြန်းသည့် စနစ်တွင် စကားစမြည်ပြောသည့် အဆင့်တစ်ခု ပါဝင်သည်။
ပထမဆုံးရှာဖွေတွေ့ရှိမှု- ADHD ခေါင်းဆောင်အသစ်
အေးဂျင့်တစ်ဦးမှ အေးဂျင့်ပူးပေါင်းဆောင်ရွက်မှုများ ပြီးမြောက်အောင်မြင်နိုင်ပုံကို သရုပ်ပြရန်အတွက် အဖွဲ့သည် မသက်ဆိုင်သောစာရွက်နှစ်စောင်ကို အေးဂျင့်အဖြစ်သို့ ပြောင်းလဲခဲ့သည်။ မျိုးရိုးဗီဇပြောင်းလဲမှုများသည် ဂျီနိုမ်အပေါ် မည်ကဲ့သို့အကျိုးသက်ရောက်သည်ကို ခန့်မှန်းရန် ကိရိယာတစ်ခုကို ဖော်ပြခဲ့သည်။ အခြားတစ်ခုက အာရုံစူးစိုက်မှုအားနည်းခြင်း/သွေးလွန်ကဲကဲရောဂါဖြစ်နိုင်ခြေဆိုင်ရာ ဂျီနိုအာကျယ်ဝန်းဆက်စပ်မှုလေ့လာမှုကို အစီရင်ခံခဲ့သည်။
နှစ်ယောက်စလုံး ပြေးပြီးတာနဲ့ အေးဂျင့်တွေက ဘုံသဘောကို သူတို့ဘာသာ သူတို့ရှာတယ်။ ဂျီနိုမ်-ဟောကိန်းထုတ်သည့်အေးဂျင့်သည် ၎င်း၏နည်းလမ်းကို ADHD ဒေတာအတွဲတွင် အသုံးပြုခဲ့ပြီး MPHOSPH9 ဟုခေါ်သော ဗီဇအနီးရှိ မော်လီကျူးမျိုးကွဲတစ်ခုအား ADHD အန္တရာယ်နှင့် ဆက်နွှယ်မှုရှိကြောင်း ဖော်ပြခဲ့သည် — Zou က ချိတ်ဆက်မှုအား ယခင်က အစီရင်ခံခြင်းမရှိခဲ့ပါ။
"အရင်တုန်းက၊ မတူညီတဲ့ စာတမ်းနှစ်ခုကို ထုတ်ဝေတဲ့ သုတေသနအဖွဲ့ နှစ်ဖွဲ့ရှိရင် အဲဒီ သုတေသနအဖွဲ့နှစ်ဖွဲ့က တစ်နည်းနည်းနဲ့ ရှာဖွေရမှာပဲ" ဟု Zou က ဆိုသည်။ ရေရှည်မျှော်မှန်းချက်သည် လက်ဖြင့်ရွေးချယ်သောတွဲချိတ်မှုထက် များစွာကြီးမားသည်- သန်းပေါင်းများစွာသော စက္ကူအေးဂျင့်များသည် ၎င်းတို့အချင်းချင်း ထပ်တူကျနေပြီး အတိုင်းအတာတစ်ခုအထိ ထိုးထွင်းသိမြင်မှုအသစ်များ ဖန်တီးနေသည်—Zou စာမူအမြန်နှုန်းချိန်းတွေ့ခြင်းနှင့် နှိုင်းယှဉ်ထားသည့်အရာ။
ကတိ၊ ရည်ညွှန်းချက် နှင့် အကာအကွယ်များ
အဖွဲ့သည် ယခုအချိန်အထိ စက္ကူအေးဂျင့် 100 ကျော်ကို တည်ဆောက်ထားပြီး ၎င်းတို့ထဲမှ ထောင်ပေါင်းများစွာ သို့မဟုတ် သန်းပေါင်းများစွာသည် တစ်ဦးနှင့်တစ်ဦး မည်ကဲ့သို့ ဖြစ်ထွန်းလာမည်ကို အဖြေရှာနေဆဲဖြစ်သည်။ Zou သည် သိပ္ပံပညာ၏ လွန်ကဲမှုမှာ ကြီးမားသည်ဟု စောဒကတက်သည် — "နှစ်စဉ် သန်းပေါင်းများစွာသော စာတမ်းများ ထုတ်ဝေသည်" ဟု မှတ်ချက်ပြုခဲ့သည် — သို့သော် သတိပေးချက် နှစ်ခုကို ရှင်းရှင်းလင်းလင်း သိထားသည်။
ပထမအချက်ကို ထည့်တွက်ပါ။ စာတမ်းတစ်ခု၏ တွေ့ရှိချက်များကို ချဲ့ထွင်သော အေးဂျင့်များသည် မူရင်းသုတေသီများ၏ အလုပ်ကို ချဲ့ထွင်သင့်သည်၊ ၎င်းကို မြှုပ်နှံခြင်းမပြုဘဲ၊ "နောက်ဆုံးရှာဖွေတွေ့ရှိမှုကို အသိအမှတ်ပြုပြီး မူရင်းစာတမ်းများနှင့် မူရင်းလူသားစာရေးဆရာများထံ ပြန်လည်ကိုးကားရန် အရေးကြီးနေသေးသည်" ဟု ၎င်းက ဆိုသည်။
ဒုတိယ၊ ကြီးကြပ်မှု။ အေးဂျင့်များ ပူးပေါင်း၍ ရှာဖွေတွေ့ရှိမှုများ ပြုလုပ်သည့် ကန့်သတ်ချက်များအောက်တွင် အဆိုပါ ပူးပေါင်းဆောင်ရွက်မှုများကို ဘေးကင်းပြီး ကျင့်ဝတ်ဆိုင်ရာ သုတေသနအလေ့အကျင့်များနှင့် လိုက်လျောညီထွေရှိစေရန် အနီးကပ် လမ်းညွှန်မှုနှင့် စောင့်ကြည့်သင့်ကြောင်း Zou က ပြောကြားခဲ့သည်။
အဆိုပါလုပ်ငန်းကို Chan-Zuckerberg Biohub မှ ရန်ပုံငွေဖြင့် ပံ့ပိုးကူညီခဲ့ပါသည်။
##ဘာကြောင့်အရေးကြီးတာလဲ။
Paper2Agent သည် AI-အကူအညီပေးထားသောစာပေပြန်လည်သုံးသပ်ခြင်းနှင့်ဓာတ်ခွဲခန်းအလိုအလျောက်စနစ်ဖြင့်ပြန်လည်ပုံဖော်ထားပြီးဖြစ်သောသုတေသနအခင်းအကျင်းတစ်ခုတွင်ရောက်ရှိနေသော်လည်း၎င်း၏အခြေခံအချက်မှာကွဲပြားသည်- စာရွက်များကိုအကျဉ်းချုပ်ရန်ယေဘုယျရည်ရွယ်ချက်ပုံစံကိုအသုံးပြုမည့်အစား၊ စာရွက်တစ်ခုစီကိုအခြေခံသိပ္ပံကိုပြန်လည်လုပ်ဆောင်နိုင်သည့်စိစစ်ပြီးလုပ်ဆောင်နိုင်သောကျွမ်းကျင်သူအဖြစ်သို့ပြောင်းလဲသွားသည်။ ချဉ်းကပ်မှုမှာ ယေဘုယျအားဖြင့် သိပ္ပံနည်းကျစာတမ်းကိုယ်တိုင်က မြို့ခံစာရွက်စာတမ်းမှ လည်ပတ်နေသော အခြေခံအဆောက်အဦအပိုင်းသို့ ဆင့်ကဲပြောင်းလဲနိုင်သည် — နှင့် ပညာရပ်များတစ်လျှောက် ချိတ်ဆက်တွေ့ရှိမှုများသည် အရှိန်အဟုန်ဖြင့် အရှိန်မြှင့်နိုင်သည်။
_ မျဉ်းကြောင်း၏ရှေ့တွင်နေပါ။ AI Buzz Wire တွင် သိပ္ပံနှင့်စက်မှုလုပ်ငန်းအတွက် ၎င်းတို့ဆိုလိုသည်များကို AI ၏အောင်မြင်မှုများနှင့် နောက်ဆုံးရသတင်းများကိုရယူပါ။
