Vsa vsebina iLive je pregledana ali preverjena, da se zagotovi čim večja dejanska natančnost.
Imamo stroge smernice za pridobivanje virov in samo povezave do uglednih medijskih strani, akademskih raziskovalnih institucij in, kadar je to mogoče, medicinsko pregledanih študij. Upoštevajte, da so številke v oklepajih ([1], [2] itd.) Povezave, ki jih je mogoče klikniti na te študije.
Če menite, da je katera koli naša vsebina netočna, zastarela ali drugače vprašljiva, jo izberite in pritisnite Ctrl + Enter.
Umetna inteligenca napoveduje rezultate nevroznanstvenih raziskav bolje kot strokovnjaki
Zadnji pregled: 03.07.2025
Študija raziskovalcev na University College London (UCL) je pokazala, da lahko modeli velikih jezikov (LLM), kot je GPT, napovedujejo izide nevroznanstvenih raziskav z natančnostjo, ki presega natančnost človeških strokovnjakov. Delo, objavljeno v reviji Nature Human Behaviour, prikazuje, kako lahko umetna inteligenca, usposobljena na velikih besedilnih naborih podatkov, ne le pridobiva informacije, temveč tudi prepoznava vzorce za napovedovanje znanstvenih izidov.
Nov pristop k znanstvenemu napovedovanju
Po besedah glavnega avtorja študije, dr. Kena Loa (UCL Psychology & Language Sciences), je razvoj generativne umetne inteligence, kot je ChatGPT, odprl ogromne možnosti za posploševanje in pridobivanje znanja. Vendar pa so se raziskovalci namesto preučevanja sposobnosti umetne inteligence za analizo preteklih informacij odločili raziskati, ali lahko umetna inteligenca napove prihodnje eksperimentalne izide.
»Znanstveni napredek pogosto vključuje poskuse in napake, kar zahteva čas in vire. Tudi izkušeni raziskovalci lahko v literaturi spregledajo pomembne podrobnosti. Naše delo kaže, da lahko LLM zazna vzorce in napove eksperimentalne rezultate,« je dejal dr. Lo.
BrainBench: Testiranje umetne inteligence in strokovnjakov
Za testiranje zmogljivosti LLM so raziskovalci ustvarili orodje, imenovano BrainBench, ki vključuje pare znanstvenih izvlečkov iz nevroznanosti:
- En povzetek vsebuje dejanski rezultat raziskave.
- Drugi je spremenjen, a verjeten rezultat, ki so ga ustvarili strokovnjaki.
15 jezikovnih modelov in 171 strokovnjakov s področja nevroznanosti so testirali glede njihove sposobnosti razlikovanja resničnih od ponarejenih rezultatov. Rezultati so bili impresivni:
- Umetna inteligenca je pokazala povprečno natančnost 81 %, medtem ko so strokovnjaki dosegli le 63 %.
- Celo specialisti z najvišjo samooceno znanja so dosegli le 66 %.
Izboljšani modeli in perspektive
Znanstveniki so prilagodili tudi odprtokodni LLM (različico Mistrala) in ga usposobili na znanstveni literaturi o nevroznanosti. Nastali model, imenovan BrainGPT, je pokazal še večjo natančnost – 86 %.
»Naše delo kaže, da lahko umetna inteligenca postane sestavni del procesa eksperimentalnega načrtovanja, ne le da bo delo hitrejše, ampak tudi učinkovitejše,« je dejal profesor Bradley Love (UCL).
Priložnosti in izzivi
Raziskovalci menijo, da je njihov pristop mogoče prilagoditi različnim znanstvenim disciplinam. Vendar pa rezultati študije sprožajo pomembno vprašanje: ali so sodobne znanstvene raziskave dovolj inovativne? Visoka natančnost umetne inteligence pri napovedovanju kaže, da so številne znanstvene ugotovitve skladne z obstoječimi vzorci.
»Razvijamo orodja umetne inteligence, ki bodo znanstvenikom pomagala pri načrtovanju poskusov in napovedovanju možnih izidov, s čimer bodo pospešili iteracije in sprejemali bolj informirane odločitve,« je dodal dr. Lo.
Ta preboj v uporabi umetne inteligence obljublja pospešitev znanstvenih odkritij in izboljšanje učinkovitosti raziskav po vsem svetu.