Videnskabelige artikler med AI-referencer modtager flere citater

Videnskabelige artikler med AI-referencer modtager flere citater

Undersøgelser med titler eller abstracts, der specificerer Kunstig intelligens (AI) metoder er mere tilbøjelige til at være i top 5% citerede artikler inden for deres område end dem, der ikke refererer til disse teknikker. Disse job modtager også flere Citater fra andre discipliner end studier, der ikke bruger AI-termer.

Men dette "citationsboost" bemærkes ikke lige af alle forfattere. Analysen viser også, at forskere fra Grupper, der historisk har været underrepræsenteret i videnskaben, får ikke den samme citeringsvækst som deres kolleger, når de bruger AI-værktøjer i deres arbejde - hvilket tyder på, at AI eksisterer Uligheder kunne forværre.

Resultaterne kommer fra en undersøgelse, der har til formål at kvantificere brugen og potentielle fordele ved AI i videnskabelig forskning. Den seneste rapport i Nature Human Behavior giver dog også anledning til bekymring. Forskere kunne lokkes til udelukkende at bruge AI som et middel til at øge deres citater - uanset om AI-værktøjerne rent faktisk forbedrer kvaliteten af ​​papirer, siger Lisa Messeri, en videnskabs- og teknologiantropolog ved Yale University i New Haven, Connecticut. "Vi vil sikre os, at når vi [investerer] i kunstig intelligens, forsømmer vi ikke andre tilgange," siger hun.

Undersøgelsen giver også tiltrængt kvantificering af hvordan AI ændrer videnskabelig forskning siger Dashun Wang, medforfatter af undersøgelsen og videnskabsforsker ved Northwestern University i Evanston, Illinois. "Nu har vi endelig systematiske data," sagde Wang, som vil være afgørende for at adressere uligheder relateret til brugen af ​​AI i videnskaben.

Følger fremkomsten af ​​AI

For at måle videnskabsmænds engagement med AI, identificerede forfatterne AI-relaterede termer - såsom 'machine learning' og 'deep neurale netværk' - i abstracts og titler på næsten 75 millioner artikler udgivet fra 1960 til 2019 på tværs af 19 discipliner. Wang erkender, at undersøgelsen på grund af deadline ignorerer den aktuelle udvikling inden for AI, herunder fremkomsten af ​​store sprogmodeller som f.eks. ChatGPT, som allerede ændrer måden nogle forskere laver videnskab på, kan ikke helt fatte.

Ifølge undersøgelsen har forskere i alle 19 discipliner øget deres brug af AI-værktøjer i løbet af de sidste to årtier (se 'Brugen af ​​AI er stigende'). Der er dog betydelige forskelle: datalogi, matematik og teknik viser de højeste niveauer af AI-brug, mens historie, kunst og statskundskab viser de laveste. Taksterne for geologi, fysik, kemi og biologi ligger midt imellem.

Um de potentielle fordele ved AI For hver disciplin identificerede forfatterne først forskningsrelaterede opgaver, som AI kan udføre. De fulgte derefter væksten af ​​disse færdigheder over tid ved at spore specifikke verbum-navneord-par, såsom 'analysere data' og 'generere billede', i publikationer om AI mellem 1960 og 2019. Ved at undersøge, hvor meget disse termer overlappede i AI-relaterede publikationer sammenlignet med de grundlæggende opgaver i et givent forskningsfelt over tid, var forskerne i stand til at vurdere, hvorvidt AI-områdets behov kunne vurderes.

Endnu en gang var datalogi, matematik og teknik forbundet med de højeste potentielle fordele, mens historie, kunst og statskundskab havde de laveste.

Marinka Zitnik, en biomedicinsk informatikspecialist ved Harvard Medical School i Boston, Massachusetts, forklarer, at undersøgelsens tilgang er interessant, fordi den giver mulighed for systematisk analyse på tværs af flere videnskabelige discipliner. Det har dog også begrænsninger. "Fordi forfatterne ønskede at udføre en meget bred, systematisk undersøgelse, kunne de ikke nødvendigvis gå i detaljer og fuldt ud forstå de specifikke årsager til, at et bestemt udsagnsord eller navneord dukkede op i et papir," siger hun. Bare fordi visse verber og navneord optræder sammen i et papir, betyder det ikke, at hvis AI kan udføre den beskrevne opgave, vil det nødvendigvis være nyttigt for det felt, bemærker hun.

1. Gao, J. & Wang, D. Nature Hum. Adfærd https://doi.org/10.1038/s41562-024-02020-5 (2024).

   Artikel  
   Google Scholar  

Download referencer