- نشر فريق من 19 باحثًا من تخصصات مختلفة قائمة مرجعية بإرشادات الذكاء الاصطناعي للعمل العلمي.
- وجد الباحثون أخطاءً في عدد من الأوراق البحثية التي استخدمت التعلم الآلي.
- يقول مؤلفو الدراسة إن الأخطاء في الأوراق العلمية تهدر الوقت ولا توفر أساسًا للبحث اللاحق.
لقد أثبتت الأدلة وجود عيوب كبيرة في كيفية تطبيق التعلم الآلي في البحث العلمي. تم تحديد هذه المشكلة في العديد من أوراق البحث التي تغطي مجالات مختلفة، ولكن فريقًا من 19 باحثًا من تخصصات مختلفة نشر إرشادات للذكاء الاصطناعي حول الاستخدام المسؤول للتعلم الآلي في العلوم تحت إشراف أرفيند نارايانان وساياش كابور، وكلاهما من علماء الكمبيوتر في جامعة برينستون.
إرشادات الذكاء الاصطناعي لبحث العلوم
يقول المؤلفون في التقرير إن عملهم هو جهد للإشارة إلى هذه المشكلة المصداقية التي يمكن أن تسود في نظام البحث بأكمله. يجادل نارايانان بأنه لا توجد معايير عالمية لحماية نزاهة أساليب البحث، والتعلم الآلي يُطبق الآن في جميع المجالات العلمية، لذا يمكن أن تصبح هذه مشكلة أكثر خطورة من أزمة الاستنساخ التي لوحظت في علم النفس الاجتماعي قبل عقد من الزمان. ويصف الأزمة الحالية بأنها أزمة قابلية التكرار. كما قال نارايانان،
"عندما نتخرج من الأساليب الإحصائية التقليدية إلى أساليب التعلم الآلي، هناك عدد أكبر بكثير من الطرق لإطلاق النار في القدم."
المصدر: AzoAI.
ولكن لدى المؤلفين من مجالات البحث الصحي وعلوم الكمبيوتر والعلوم الاجتماعية والرياضيات بعض الأخبار الإيجابية أيضًا. يقولون إن مجموعة من أفضل الممارسات يمكن أن تساعد في حل المشكلة الحالية. قال كابور، طالب الدراسات العليا في علوم الكمبيوتر، الذي نظم في الواقع جهد البحث لإنتاج قائمة مراجعة لأعمال العلوم ويعمل مع نارايانان، إن المشكلة منهجية ويجب أن يكون الحل لها منهجيًا أيضًا.
قد يتباطأ النشر، لكن الدقة ستزداد
يركز قائمة المراجعة الجديدة القائمة على الإجماع على ضمان أصالة البحث الذي يستخدم التعلم الآلي. يعتمد تطور العلوم على قابلية تكرار النتائج وحقيقة أن الادعاءات يجب أن يتم التحقق منها بشكل مستقل. بدون ذلك، لا يمكن إجراء بحث جديد في العلوم بشكل موثوق على أساس العمل السابق، ويفقد النظام بأكمله مصداقيته.
تتطلب قائمة المراجعة الجديدة من الباحثين تقديم معلومات مفصلة حول استخدام نماذج التعلم الآلي، حيث يُطلب منهم توفير مجموعات البيانات المستخدمة لتدريب النموذج، ورمزه، وقدرات الأجهزة، وتصميم التجارب الأولية، وأهداف البحث، بالإضافة إلى أي قيود على نتائج الدراسة، حيث يركز التركيز على الشفافية.
بينما من الممكن أيضًا أن يؤدي زيادة متطلبات هذه المعايير الجديدة إلى إبطاء نشر دراسات البحث الجديدة، لا يزال باحثو المبادرة يؤمنون بأن اعتماد هذه القواعد سيكون مفيدًا في زيادة معدل الاكتشاف والابتكار بشكل عام.
قالت إيميلي كانتريل، إحدى مؤلفي الدراسة، وهي طالبة دكتوراه في جامعة برينستون، إنهم يهتمون بسرعة البحث العلمي، ولكن من خلال التأكد من أن جودة الأوراق المنشورة تتوافق مع المعايير، يمكن للأوراق المستقبلية الاعتماد عليها للبحث الإضافي. يقول كابور أيضًا إن الأخطاء ضارة بالنظر إلى تأثيرها الجماعي وتضيع الوقت، مما يكلف المال بدوره لأنها تعيق البحث العلمي الذي يحصل على التمويل والاستثمار.
إذا كنت تقرأ هذا، فأنت متقدّم بالفعل. ابق هناك مع نشرتنا الإخبارية.
إخلاء مسؤولية: المعلومات المقدمة ليست نصيحة تداول. لا تتحمل Cryptopolitan.com أي مسؤولية عن أي استثمارات تتم بناءً على المعلومات المتاحة في هذه الصفحة. نوصي بشدة بإجراء بحث مستقل و/أو استشارة مختص مؤهل قبل اتخاذ أي قرار استثماري.
عامر شيخ
عامر صحفي تقني يتمتع بخبرة تزيد عن ست سنوات في مجالي العملات المشفرة والتقنية. تخرج من جامعة ماج بشهادة ماجستير في إدارة الأعمال بتخصص التمويل والتسويق. يعمل حاليًا مع موقع كربتوبوليتان، حيث يتناول أحدث التطورات في أسواق العملات المشفرة وتوقعات الأسعار.
