Gekissimo.net - Opi ansaitsemaan rahaa webilläsi Internetissä!

Autonominen AI-tutkimusalusta “Data-to-Paper” osoittaa ChatGPT:n potentiaalin tieteellisessä analyysissä

Seuraava artikkeli auttaa sinua: Autonominen AI-tutkimusalusta “Data-to-Paper” osoittaa ChatGPT:n potentiaalin tieteellisessä analyysissä

Autonominen AI-tutkimusalusta nimeltä “Data-to-Paper” paljastettiin äskettäin, ja se esittelee ChatGPT:n vahvoja ominaisuuksia tieteellisessä analysoinnissa. Uuden lähestymistavan kautta ChatGPT:tä, vakiintunutta kielimallia, hyödynnetään tällä alustalla itsenäisesti tuottamaan tutkimuspapereita data-analyysiin perustuen.

Luotto: Metaverse Post (mpost.io)

Prosessi alkaa syöttämällä ChatGPT-malliin suuri CDC Health Survey -tietoaineisto ja antaa sen tutkia erilaisia ​​tutkimusaiheita itsenäisesti. Tekoälyjärjestelmä valitsee lyhyen ajan kuluttua useita tutkimusalueita, kirjoittaa data-analyysikoodeja, tulkitsee saadut tulokset ja tuottaa lopulta viisi läpinäkyvää ja toistettavaa paperia.

“Tiedoista paperiksi” -ominaisuuden ominaisuus on sen toistettavuuden korostaminen. Luodut asiakirjat eivät ainoastaan ​​esitä lopputuloksia, vaan sisältävät myös yksityiskohtaiset tekniset vaiheet ja ChatGPT:n käyttämät analyysikoodit. Tämä varmistaa, että ihmistutkijat voivat tarkastella, seurata ja toistaa koko prosessin tarkasti.

Alusta toimii monimutkaisen vuorovaikutuksen kautta ChatGPT:n ja algoritmisten agenttien välillä, joista jokaisella on eri roolit, kuten “tutkija”, “arvostelija”, “koodaaja” ja “valaistu arvioija”. Nämä agentit etenevät itsenäisesti tutkimusvaiheiden kanonisessa sarjassa data-analyysistä loppupaperiin.

Mahdollisten haasteiden, kuten hallusinoitujen lainausten, ratkaisemiseksi järjestelmällä on pääsy hakukoneisiin. Lisäksi käytetään automaattisia tarkistuksia, ristiintarkistuksia useiden ChatGPT-esiintymien välillä ja tarkasti määriteltyjä tehtäviä muiden hallusinaatioiden minimoimiseksi. Siitä huolimatta on olennaista tunnustaa, että ihmisen harkinta- ja arviointityö on edelleen ratkaisevan tärkeää tulosten laadun varmistamiseksi.

“Data-to-paper” -alusta ei ole uusi kielimalli, vaan pikemminkin ChatGPT:n ominaisuuksien organisointi. Muiden jäsenneltyjen, automatisoitujen lähestymistapojen, kuten AutoGPT:n ja LangChainin, tapaan se hyödyntää ChatGPT:n potentiaalia monivaiheisessa prosessissa, joka keskittyy monimutkaisiin tavoitteisiin, erityisesti data-analyysiin ja paperin kirjoittamiseen.

Yksi “tiedoista paperiksi” -tekniikan päätavoitteista on korostaa ChatGPT:n potentiaalia tieteen alalla, jota perinteisesti pidettiin yksinomaan ihmisen luovuuden ja älyn ulottuvilla. Nostamalla keskustelua nykyisten ja tulevien kielimallien vahvuuksista ja yhteiskunnallisista vaikutuksista foorumi pyrkii herättämään uusia näkökulmia ihmistutkijoiden rooliin tällä kehittyvällä aikakaudella.

🔥 Empfohlen:  Osta 1000 Twitter-seuraajaa halvalla: 5 parasta sivustoa vuonna 2023

“Data-to-Paper” keskittyy tällä hetkellä papereihin, jotka sisältävät aineistojen tilastollisia testejä. Sen valmiuksien laajentaminen muun tyyppisiin data-analyysitutkimuksiin on kuitenkin edelleen haaste, mikä osoittaa, että ihmisten osallistumisen ja harkintakyvyn merkitystä laadukkaiden tutkimuspapereiden tuottamisessa ei voida aliarvioida.

“Data-to-paperi” -tekniikan syntyminen saa meidät pohtimaan, kuinka voimme hyödyntää interaktiivisia järjestelmiä, kuten “tutkija-apupilotti”. Tällaiset järjestelmät voivat käsitellä rutiinitieteellisiä tehtäviä, jolloin ihmistutkijat voivat osallistua korkeamman tason abstraktioon ja käsitellä monimutkaisempia kysymyksiä ja haasteita. Vaikka parannettavaakin on, alusta epäilemättä avaa uusia väyliä tieteelliseen tutkimukseen ja yhteistyöhön.

  • MIT-tutkijat suorittivat kokeen arvioidakseen GPT-4:n kykyjä eri aloilla, mukaan lukien insinööritiede, laki ja historia. Tulokset osoittivat, että GPT-4 osoitti poikkeuksellista pätevyyttä useilla aloilla, mutta väite virheettömästä 100 % tarkkuudesta ei ollut täysin oikea. Tutkijat käyttivät useita menetelmiä auttaakseen GPT-4:ää vastaamaan kysymyksiin tarkasti, mukaan lukien päättelyketju, koodausmenetelmä, kriittinen kehote ja asiantuntijakehotus. GPT-4 osoitti 90 %:n onnistumisprosentin varattujen 10 % kysymysten ratkaisemisessa ilman lisätekniikoiden apua. Näitä tekniikoita käytettäessä malli saavutti kuitenkin virheettömän 100 % tarkkuuden ja vastasi virheettömästi jokaiseen kysymykseen.

Lue lisää tekoälystä: