Νέες δημοσιεύσεις
Η τεχνητή νοημοσύνη προβλέπει τα αποτελέσματα της έρευνας στις νευροεπιστήμες καλύτερα από τους ειδικούς
Τελευταία επισκόπηση: 03.07.2025
Όλα τα περιεχόμενα του iLive ελέγχονται ιατρικά ή ελέγχονται για να διασφαλιστεί η όσο το δυνατόν ακριβέστερη ακρίβεια.
Έχουμε αυστηρές κατευθυντήριες γραμμές προμήθειας και συνδέουμε μόνο με αξιόπιστους δικτυακούς τόπους πολυμέσων, ακαδημαϊκά ερευνητικά ιδρύματα και, όπου είναι δυνατόν, ιατρικά επισκοπικά μελέτες. Σημειώστε ότι οι αριθμοί στις παρενθέσεις ([1], [2], κλπ.) Είναι σύνδεσμοι με τις οποίες μπορείτε να κάνετε κλικ σε αυτές τις μελέτες.
Εάν πιστεύετε ότι κάποιο από το περιεχόμενό μας είναι ανακριβές, παρωχημένο ή αμφισβητήσιμο, παρακαλώ επιλέξτε το και πατήστε Ctrl + Enter.
Μια μελέτη ερευνητών στο University College London (UCL) έδειξε ότι μεγάλα γλωσσικά μοντέλα (LLM) όπως το GPT μπορούν να προβλέψουν τα αποτελέσματα της έρευνας στη νευροεπιστήμη με ακρίβεια που υπερβαίνει αυτή των ανθρώπινων εμπειρογνωμόνων. Η εργασία, που δημοσιεύτηκε στο Nature Human Behaviour, καταδεικνύει πώς η τεχνητή νοημοσύνη που εκπαιδεύεται σε μεγάλα σύνολα δεδομένων κειμένου μπορεί όχι μόνο να εξάγει πληροφορίες αλλά και να εντοπίζει μοτίβα για την πρόβλεψη επιστημονικών αποτελεσμάτων.
Μια Νέα Προσέγγιση στην Επιστημονική Πρόβλεψη
Σύμφωνα με τον επικεφαλής συγγραφέα της μελέτης, Δρ Κεν Λο (UCL Psychology & Language Sciences), η ανάπτυξη της γενετικής Τεχνητής Νοημοσύνης, όπως το ChatGPT, έχει ανοίξει τεράστιες δυνατότητες για γενίκευση και εξαγωγή γνώσης. Ωστόσο, αντί να μελετήσουν την ικανότητα της Τεχνητής Νοημοσύνης να αναλύει πληροφορίες του παρελθόντος, οι ερευνητές αποφάσισαν να διερευνήσουν εάν η Τεχνητή Νοημοσύνη θα μπορούσε να προβλέψει μελλοντικά πειραματικά αποτελέσματα.
«Η επιστημονική πρόοδος συχνά περιλαμβάνει δοκιμές και λάθη, κάτι που απαιτεί χρόνο και πόρους. Ακόμα και έμπειροι ερευνητές μπορεί να παραβλέψουν σημαντικές λεπτομέρειες στη βιβλιογραφία. Η εργασία μας δείχνει ότι οι LLM μπορούν να ανιχνεύσουν μοτίβα και να προβλέψουν πειραματικά αποτελέσματα», δήλωσε ο Δρ. Λο.
BrainBench: Τεχνητή Νοημοσύνη και Δοκιμές από Ειδικούς
Για να δοκιμάσουν τις δυνατότητες των LLM, οι ερευνητές δημιούργησαν ένα εργαλείο που ονομάζεται BrainBench, το οποίο περιλαμβάνει ζεύγη επιστημονικών περιλήψεων από τη νευροεπιστήμη:
- Μία περίληψη περιέχει το πραγματικό αποτέλεσμα της έρευνας.
- Το δεύτερο είναι ένα τροποποιημένο αλλά εύλογο αποτέλεσμα που δημιουργήθηκε από ειδικούς.
15 γλωσσικά μοντέλα και 171 νευροεπιστήμονες δοκιμάστηκαν για την ικανότητά τους να διακρίνουν τα πραγματικά από τα ψεύτικα αποτελέσματα. Τα αποτελέσματα ήταν εντυπωσιακά:
- Η τεχνητή νοημοσύνη έδειξε μέση ακρίβεια 81%, ενώ οι ειδικοί σημείωσαν μόνο 63%.
- Ακόμη και οι ειδικοί με την υψηλότερη αυτοαξιολόγηση γνώσεων πέτυχαν μόνο το 66%.
Βελτιωμένα μοντέλα και προοπτικές
Οι επιστήμονες προσάρμοσαν επίσης το LLM ανοιχτού κώδικα (μια έκδοση του Mistral), εκπαιδεύοντάς το σε επιστημονική βιβλιογραφία για τη νευροεπιστήμη. Το μοντέλο που προέκυψε, που ονομάζεται BrainGPT, επέδειξε ακόμη υψηλότερη ακρίβεια — 86%.
«Η εργασία μας δείχνει ότι η Τεχνητή Νοημοσύνη μπορεί να γίνει αναπόσπαστο μέρος της διαδικασίας πειραματικού σχεδιασμού, όχι μόνο καθιστώντας την εργασία ταχύτερη αλλά και πιο αποτελεσματική», δήλωσε ο καθηγητής Μπράντλεϊ Λαβ (UCL).
Ευκαιρίες και Προκλήσεις
Οι ερευνητές υποστηρίζουν ότι η προσέγγισή τους μπορεί να προσαρμοστεί σε μια ποικιλία επιστημονικών κλάδων. Ωστόσο, τα αποτελέσματα της μελέτης εγείρουν ένα σημαντικό ερώτημα: είναι η σύγχρονη επιστημονική έρευνα αρκετά καινοτόμος; Η υψηλή ακρίβεια της Τεχνητής Νοημοσύνης στις προβλέψεις υποδηλώνει ότι πολλά επιστημονικά ευρήματα είναι σύμφωνα με τα υπάρχοντα πρότυπα.
«Κατασκευάζουμε εργαλεία τεχνητής νοημοσύνης που θα βοηθήσουν τους επιστήμονες να σχεδιάζουν πειράματα και να προβλέπουν πιθανά αποτελέσματα, επιταχύνοντας τις επαναλήψεις και λαμβάνοντας πιο τεκμηριωμένες αποφάσεις», πρόσθεσε ο Δρ Λο.
Αυτή η σημαντική ανακάλυψη στη χρήση της Τεχνητής Νοημοσύνης υπόσχεται να επιταχύνει την επιστημονική ανακάλυψη και να βελτιώσει την αποτελεσματικότητα της έρευνας σε όλο τον κόσμο.