غاية التعليمية يكتُب.. كشف معهد العلوم الذاتية التي تم تشكيلها حديثًا عن “كارل” ، وهو أول نظام أبحاث أكاديمية يصنع نظام أبحاث أكاديمية من الذكاء الاصطناعى لتمرير عملية مراجعة نظير مزدوجة التعمية.

اخر الاخبار العاجلة عبر غاية التعليمية أخبار محلية ودولية، وكذلك أخبار الر ياضة وخاصة كرة القدم يلا كورة و يلا شوت اليوم.

تم قبول أوراق الأبحاث الخاصة بكارل في مسار الأوراق الصغيرة في المؤتمر الدولي لتمثيل التعلم (ICLR). من الأهمية بمكان أن يتم توليد هذه التقديمات بأقل قدر من المشاركة البشرية ، مما يطرد حقبة جديدة للاكتشاف العلمي الذي يحركه الذكاء الاصطناعي.

قابل كارل: “عالم الأبحاث الآلي”

يمثل كارل قفزة إلى الأمام في دور الذكاء الاصطناعى ليس مجرد أداة ، ولكنه مشارك نشط في البحوث الأكاديمية. يوصف كارل بأنه “عالم أبحاث آلي” ، يطبق كارل نماذج اللغة الطبيعية على العمل الأكاديمي والفرضية والاستشهاد بدقة.

من الأهمية بمكان ، يمكن أن يقرأ كارل وفهم الأوراق المنشورة في ثوانٍ فقط. على عكس الباحثين البشر ، فإنه يعمل بشكل مستمر ، وبالتالي تسريع دورات البحث وتقليل التكاليف التجريبية.

وفقًا لعلوم السيارات ، نجحت كارل في “فرضيات علمية جديدة ، وتصميمها وأجرتها ، وكتب أوراقًا أكاديمية متعددة اجتازت مراجعة الأقران في ورش العمل.”

هذا يؤكد على إمكانات الذكاء الاصطناعي ليس فقط لاستكمال البحوث البشرية ، ولكن من نواح كثيرة ، يتجاوزها في السرعة والكفاءة.

كارل عامل دقيق ، لكن المشاركة البشرية لا تزال حيوية

إن قدرة كارل على توليد أعمال أكاديمية عالية الجودة مبنية على عملية من ثلاث خطوات:

1. تفكير وتشكيل الفرضية: الاستفادة من الأبحاث الحالية ، يحدد كارل اتجاهات البحث المحتملة ويولد فرضيات. إن فهمها العميق للأدب ذي الصلة يسمح لها بصياغة أفكار جديدة في مجال الذكاء الاصطناعي.

2. التجريب: يكتب كارل الكود ، واختبارات الفرضيات ، وتصور البيانات الناتجة من خلال أرقام مفصلة. تعمل عملياتها الدؤوبة على تقصير أوقات التكرار وتقلل من المهام الزائدة عن الحاجة.

3. عرض تقديمي: أخيرًا ، يقوم كارل بتجميع النتائج التي توصل إليها إلى أوراق أكاديمية مصقولة – مع مرور البيانات والاستنتاجات المفصلية بوضوح.

على الرغم من أن قدرات كارل تجعلها مستقلة إلى حد كبير ، إلا أن هناك نقاطًا في سير العمل حيث لا تزال هناك حاجة إلى مشاركة الإنسان للالتزام بالمعايير الحسابية والتنسيق والأخلاقية:

• خطوات البحث الخضراء: لتجنب إضاعة الموارد الحسابية ، يقدم المراجعون البشر إشارات “متابعة” أو “توقف” خلال مراحل محددة من عملية كارل. يوجه هذا التوجيه كارل من خلال المشاريع بشكل أكثر كفاءة ولكنه لا يؤثر على تفاصيل البحث نفسه.

• الاستشهادات والتنسيق: يضمن فريق Autoscience أن جميع المراجع يتم الاستشهاد بها بشكل صحيح وتنسيقها لتلبية المعايير الأكاديمية. هذه حاليًا خطوة يدوية ولكنها تضمن أن البحث يتماشى مع توقعات مكان النشر.

• المساعدة في نماذج ما قبل api: يعتمد كارل أحيانًا على نماذج Openai الجديدة والبحوث العميقة التي تفتقر إلى واجهات برمجة التطبيقات التي يمكن الوصول إليها تلقائيًا. في مثل هذه الحالات ، تدخلات يدوية-مثل مخرجات نسخ النسخ-سد هذه الثغرات. يتوقع Autoscience أن تكون هذه المهام مؤتمتة تمامًا في المستقبل عندما تصبح واجهات برمجة التطبيقات متاحة.

بالنسبة لورقة كارل الأولى ، ساعد الفريق البشري أيضًا في صياغة قسم “الأعمال ذات الصلة” وصقل اللغة. هذه المهام ، ومع ذلك ، لم تكن ضرورية بعد التحديثات المطبقة قبل التقديمات اللاحقة.

عملية التحقق الصارمة للنزاهة الأكاديمية

قبل تقديم أي بحث ، قام فريق Autoscience بعملية التحقق الصارمة لضمان استوفى عمل كارل أعلى معايير النزاهة الأكاديمية:

• استنساخ: تمت مراجعة كل سطر من كود كارل وتم إعادة تشغيل التجارب لتأكيد استنساخ. هذا يضمن أن النتائج كانت صالحة علميا وليست شذوذ من الصدفة.

• شيكات الأصالة: أجرت Autoscience تقييمات واسعة النطاق الجدة لضمان أن أفكار كارل كانت مساهمات جديدة في هذا المجال وعدم إعادة صياغة الإصدارات من المنشورات الحالية.

• التحقق الخارجي: تم التحقق من أبحاث كارل بشكل مستقل عن أبحاث كارل بشكل كبير من المؤسسات الأكاديمية – تحققت أحد أبحاث إن أبحاث أبحاث كارل بشكل مستقل التي تم إنشاؤها إن برس تم إجراء مزيد من الانتحال والاستشهاد لضمان الامتثال للقواعد الأكاديمية.

إمكانات لا يمكن إنكارها ، لكنها تثير أسئلة أكبر

يعد تحقيق القبول في ورشة عمل يحظى باحترام مثل ICLR معلما مهمًا ، لكن العلوم الذاتية تعترف بالمحادثة الأكبر التي قد يثيرها هذا المعلم. يثير نجاح كارل أسئلة فلسفية ولوجستية أكبر حول دور الذكاء الاصطناعي في البيئات الأكاديمية.

“نعتقد أنه ينبغي إضافة النتائج المشروعة إلى قاعدة المعرفة العامة ، بغض النظر عن المكان الذي نشأت فيه” ، أوضحت Autoscience. “إذا استوفى البحث المعايير العلمية التي وضعها المجتمع الأكاديمي ، فمن الذي – أو ما – الذي أنشأه ، يجب ألا يؤدي إلى عدم الأهلية التلقائية.”

“ومع ذلك ، نعتقد أيضًا أن الإسناد الصحيح ضروري للعلوم الشفافة ، ويجب أن يكون العمل الناتج عن أنظمة الذكاء الاصطناعى قابلة للتمييز عن تلك التي ينتجها البشر.”

بالنظر إلى حداثة باحثو الذكاء الاصطناعى المستقلة مثل كارل ، قد يحتاج منظمو المؤتمرات إلى وقت لإنشاء إرشادات جديدة تفسر هذا النموذج الناشئ ، وخاصة لضمان التقييم العادل ومعايير الإسناد الفكري. لمنع الجدل غير الضروري في الوقت الحاضر ، سحبت Autoscience أوراق Carl من ورش عمل ICLR بينما يتم وضع هذه الأطر.

المضي قدمًا ، يهدف Autoscience إلى المساهمة في تشكيل هذه المعايير المتطورة. تعتزم الشركة اقتراح ورشة عمل مخصصة في Neurips 2025 لاستيعاب الطلبات البحثي رسميًا من أنظمة البحوث المستقلة.

كما تتكشف السرد المحيط بالأبحاث التي تم إنشاؤها من الذكاء الاصطناعى ، من الواضح أن أنظمة مثل كارل ليست مجرد أدوات بل متعاونين في السعي لتحقيق المعرفة. ولكن نظرًا لأن هذه الأنظمة تتجاوز الحدود النموذجية ، يجب على المجتمع الأكاديمي التكيف مع احتضان هذا النموذج الجديد تمامًا مع حماية النزاهة والشفافية والإسناد المناسب.

(تصوير روهيت تاندون)

انظر أيضا: you.com ari: وكيل أبحاث منظمة العفو الدولية من الذكاء الاصطناعي للشركات

هل تريد معرفة المزيد عن الذكاء الاصطناعي والبيانات الكبيرة من قادة الصناعة؟ تحقق من AI و Big Data Expo الذي يقام في أمستردام ، كاليفورنيا ، ولندن. تم تحديد الحدث الشامل مع الأحداث الرائدة الأخرى بما في ذلك مؤتمر الأتمتة الذكي ، و blockx ، وأسبوع التحول الرقمي ، ومعرض Cyber ​​Security & Cloud.

استكشاف أحداث وندوات الويب القادمة الأخرى التي تعمل بها TechForge هنا.