搞科研的最新姿势，被一位华人小哥解锁了——

(资料图片)

告诉 AI 你的研究目标，再把数据集 " 投喂 " 进去，完事。

那么小哥他们为什么突发奇想地要用这种方式搞科研呢？

这是因为他们发现，对大型语料库做深入的挖掘确实能得到一些有用的结果，但这个过程要是让人类来搞，那简直就太费时费力了。

因此，他们便决定把这个繁琐的过程交给 GPT-3 来处理，并把这个任务命名为"D5"：

Goal Driven Discovery of Distributional Differences via Language Descriptions.

通过语言描述，实现目标驱动的分布式差异的发现。

"D5" 任务的过程，简单来说就是两个动作：

输入研究目标

输入两个语料库

语料库 A：服用药物 A 后患者的反应报告

语料库 B：服用药物 B 后患者的反应报告

然后再向 AI 确定自己的研究目标，即 " 我想了解一下药物 A 的副作用 "。

在 AI 收到任务后，立刻开始执行分析工作，最后得出了它的结论：

语料库 A 中的样本，有更多的患者会提到 " 妄想症 "（paranoia）。

不过试想一下，若让人类科研人员做这项工作，光是了解语料库 A 和 B 就需要花费大量的时间，更别提还得进一步做对比分析等工作了。

而 D5 任务之所以能够做得如此丝滑，是因为小哥他们在此背后还做了不少工作。

例如构建 OpenD5 元数据集，它包含符合 D5 任务的 675 个开放式问题，所涉及领域涵盖商业、社会科学、人文科学、健康和机器学习等。

小哥还把每个语料库中的 50% 作为研究部分，另外 50% 则是拿来做验证。

基于此，小哥他们再构建了一个 "D5 系统 "，它的工作原理和人类从数据库中获取发现类似，分为两个阶段，即创造性地提出一个假设，再在数据集上严格验证这个假设。

按照这种思路，研究人员接下来用 GPT-3 做了次实验。

他们先是向 GPT3 展示研究目标和每个语料库中的一些样本，然后让它提出一个假设列表。

最终实验发现，GPT-3 可以使用目标描述来提出更相关、更新颖、更有意义的假设。

也存在一些缺陷

但对于这套 D5 系统，小哥也直言不讳地道出了它的缺陷。

例如，若是语料库中含有较多的俚语、俗语或者带有情绪的词汇，那么 AI 所给出的 " 发现 " 就会存在偏差。

简而言之，就是 AI 对于特定情况的词汇或描述产生了错误的理解和分析。

不过似乎这项研究让小哥也是兴奋不已，毕竟离他 " 构建一个用 AI 稿科研 " 的梦想更近了一步。

[ 1 ] https://arxiv.org/abs/2302.14233

[ 2 ] https://twitter.com/ZhongRuiqi/status/1631109680859865089?s=20

— 完—

CCF 移动机器人抓取和导航挑战赛

开启注册报名

由中国计算机学会（CCF）主办、CCF 智能机器人专委会承办的首届"CCF 移动机器人抓取和导航挑战赛 "已开启注册报名。比赛将评估智能机器人在家居场景下的场景理解、导航和抓取能力，最高奖金 1 万美元！

报名截止到 6 月 20 日，欢迎各高校、机构的研究者报名参赛。

一键三连「分享」、「点赞」和「在看」

科技前沿进展日日相见 ~