به گزارش ایسنا، شیمیدانها دهههاست برای شناسایی مواد و طراحی فرآیندهایی مانند تقطیر، به دادههای ثبتشده در کتابها و پایگاههای مرجع علمی اعتماد میکنند؛ اما آیا همه این دادهها درست هستند؟ نشریه «نیچر» در گزارشی از موردی خبر داده که یک مدل هوش مصنوعی با بررسی دادههای مربوط به نقطه جوش مولکولها، خطایی را در یک پایگاه داده مرجع شناسایی کرده است این خطا ظاهراً سالها از چشم پژوهشگران پنهان مانده بود.
این ماجرا از آنجا شروع شد که «سباستین پیوس»، شیمیدان نظری در آزمایشگاه «ژجیانگ» چین، از یک سیستم هوش مصنوعی برای پیشبینی نقط جوش چند مولکول استفاده میکرد. سیستم هوش مصنوعی در برخی موارد مقادیری را ارائه کرد که با دادههای ثبتشده در یک پایگاه داده مرجع ۷۵ ساله همخوانی نداشت.
هوش مصنوعی در دو مورد دیگر نیز توانست خطاهایی را در مقالات و کتابهای قدیمی شناسایی کند؛ خطاهایی که در طول سالها وارد منابع علمی شده و بخشی از دانش پذیرفتهشده در آن حوزه شده بودند. یکی از این موارد یک اشتباه تایپی در یک مقاله و مورد دیگر مقادیر نادرست مربوط به اندازهگیری نقطه جوش بود که قدمت آن به حدود یک قرن پیش بازمیگشت. پیوس معتقد است که هر دو خطا احتمالاً باعث دردسرهای زیادی برای پژوهشگرانی شده که از این پایگاه داده استفاده کردهاند.
پیوس تنها پژوهشگری نیست که از هوش مصنوعی برای بررسی و ممیزی دانش علمی استفاده میکند. در سالهای اخیر، گروهی از پژوهشگران از ابزارهای تخصصی هوش مصنوعی برای شناسایی خطا در مقالات علمی، مقالات کنفرانسی و حتی پایگاههای داده استفاده کردهاند.
مزیت اصلی این ابزارها، سرعت آنهاست. یک پژوهشگر انسانی ممکن است برای بررسی دقیق تعداد محدودی مقاله به ساعتها یا حتی روزها زمان نیاز داشته باشد، اما عاملهای هوش مصنوعی میتوانند حجم بسیار بزرگتری از ادبیات علمی را در مدت کوتاهتری بررسی کنند.
«جیمز زو»، دانشمند علوم رایانه در دانشگاه استنفورد، میگوید مهمترین تفاوت هوش مصنوعی با روشهای سنتی، امکان انجام این بررسیها در مقیاسی است که پیش از این برای انسان امکانپذیر نبود.
در یکی از مطالعاتی که زو و همکارانش انجام دادهاند، یک ابزار هوش مصنوعی برای بررسی مقالههای منتشرشده در NeurIPS، کنفرانس تحقیقاتی سالانه معتبر در …
