Según Ali Shiri de la Universidad de Alberta, los modelos de idiomas grandes y los Genai están teniendo un efecto significativo en la investigación académica.
La IA generativa, especialmente los modelos de idiomas grandes (LLM), presentan oportunidades emocionantes y sin precedentes y desafíos complejos para la investigación académica y la erudición.
A medida que las diferentes versiones de LLMS (como ChatGPT, Gemini, Claude, Perplexity.ai y Grok) continúan proliferando, la investigación académica está comenzando a sufrir una transformación significativa.
Estudiantes, investigadores e instructores en educación superior Necesita conocimiento, competencias y habilidades de alfabetización de IA Para abordar estos desafíos y riesgos.
En un momento de cambio rápido, se aconseja a los estudiantes y académicos que busquen sus instituciones, programas y unidades para políticas o pautas específicas de disciplina que regulen el uso de la IA.
Uso de investigadores de IA
Un estudio reciente dirigido por un investigador de ciencias de datos descubrió que al menos 13.5pc de los resúmenes biomédicos el año pasado se mostraron Signos de texto generado por IA.
Los modelos de idiomas grandes pueden Ahora apoye casi todas las etapas del proceso de investigaciónaunque siempre se necesitan precaución y supervisión humana para juzgar cuándo el uso es apropiado, ético o justificado, y tener en cuenta las cuestiones de control de calidad y precisión. LLMS puede:
- Ayude a hacer una lluvia de concepts, generar y refinar concepts de investigación y formular hipótesis;
- Experimentos de diseño y conducta y sintetizan revisiones de literatura;
- Escribir y depurar código;
- Analizar y visualizar datos cualitativos y cuantitativos;
- Desarrollar marcos teóricos y metodológicos interdisciplinarios;
- Sugerir fuentes y citas relevantes, resumir textos complejos y borradores de resúmenes;
- Apoyar la difusión y presentación de los resultados de la investigación, En formatos populares.
Sin embargo, existen preocupaciones y desafíos significativos en torno al uso apropiado, ético, responsable y efectivo de las herramientas de IA generativas en la realización de la investigación, la escritura y la difusión de investigación. Estos incluyen:
- Tergiversación de datos y autoría;
- Dificultad para replicar los resultados de la investigación;
- Datos y sesgos algorítmicos e inexactitudes;
- Privacidad de usuario y datos y confidencialidad;
- Calidad de salidas, datos y fabricación de citas;
- E infracción de los derechos de autor y la propiedad intelectual.
Asistentes de investigación de IA, agentes de IA de ‘investigación profunda’
Hay Dos categorías de herramientas emergentes mejoradas en LLM que apoyan la investigación académica:
Asistentes de investigación de IA: El número de asistentes de investigación de IA que apoyan diferentes aspectos y pasos del proceso de investigación está creciendo a una tasa exponencial. Estas tecnologías tienen el potencial de mejorar y extender los métodos de investigación tradicionales en el trabajo académico. Los ejemplos incluyen asistentes de IA que apoyan:
- Mapeo conceptual (Kumu, Gitmind, MindMeister);
- Literatura y revisiones sistemáticas (provocar, subestimarse, cuaderno de cuaderno, scispace);
- Búsqueda de literatura (consenso, rabbit de investigación, documentos conectados, scite);
- Análisis y resumen de la literatura (erudito, Digest, Keenious);
- Y el tema de la investigación y la detección y el análisis de tendencias (Scinapse, Tlooto, Dimension AI)
Agentes de IA de ‘investigación profunda’: el campo de la inteligencia synthetic está avanzando rápidamente con el aumento de “investigación profunda” Agentes de IA. Estos agentes de próxima generación combinan LLMS, Generación de recuperación de generación y sofisticados marcos de razonamiento para realizar análisis en profundidad y múltiples pasos.
Investigación Actualmente se está realizando para evaluar la calidad y la efectividad de las herramientas de investigación profundas. Nuevos criterios de evaluación se están desarrollando para evaluar su desempeño y calidad.
Los criterios incluyen elementos como costo, velocidad, facilidad de edición y experiencia basic del usuario, así como Citación y calidad de escritura, y cómo estas herramientas de investigación profundas se adhieren a las indicaciones.
El propósito de las herramientas de investigación profunda es extraer, analizar y sintetizar meticulosamente información académica, datos empíricos y diversas perspectivas desde una amplia gama de fuentes de redes sociales y en línea. La salida es un informe detallado, completo con citas, que ofrece información en profundidad sobre temas complejos.
En solo un corto lapso de cuatro meses (diciembre de 2024 a febrero de 2025), varias compañías (como Google Gemini, Perplexity.AI y ChatGPT) presentaron sus plataformas de “investigación profunda”.
El Instituto Allen de Inteligencia Synthetic, un Instituto de Investigación de AI sin fines de lucro con sede en Seattleestá experimentando con una nueva herramienta de investigación de acceso abierto llamada AI2 Scholarqa que ayuda Los investigadores realizan revisiones de literatura Más eficientemente al proporcionar respuestas más profundas.
Pautas emergentes
Se han desarrollado varias pautas para fomentar el uso responsable y ético de la IA generativa en la investigación y la escritura. Los ejemplos incluyen:
LLMS apoya la investigación interdisciplinaria
Los LLM también son herramientas poderosas para apoyar la investigación interdisciplinaria. Investigación emergente reciente (aún por ser revisada por pares) en el Efectividad de los LLM para la investigación sugiere que tienen un gran potencial en áreas como ciencias biológicas, ciencias químicas, ingeniería, ambientales y sociales. También sugiere que LLM puede ayudar a eliminar los silos disciplinarios reuniendo datos y métodos de diferentes campos y automatización de la recopilación y generación de datos para crear conjuntos de datos interdisciplinarios.
Ayudar a analizar y resumir grandes volúmenes de investigación en varias disciplinas puede ayudar a la colaboración interdisciplinaria. Las plataformas con IA “Finder de expertos” pueden analizar los perfiles de los investigadores y las redes de publicaciones para asignar la experiencia, identificar colaboradores potenciales en los campos y revelar conexiones interdisciplinarias inesperadas.
Este conocimiento emergente sugiere que estos modelos podrán ayudar a los investigadores a impulsar los avances combinando concepts de diversos campos, como la epidemiología y la física, la ciencia climática y la economía o las ciencias sociales y los datos climáticos, para abordar problemas complejos.
Alfabetización de IA centrada en la investigación
Las universidades canadienses y las asociaciones de investigación están proporcionando educación de alfabetización de IA a las personas en las universidades y más allá.
El Instituto de Inteligencia Machine Alberta ofrece programación de alfabetización de IA Ok-12 y otros recursos. El instituto es un ganancia sin beneficio organización y parte de Estrategia de inteligencia artificial pan-canadiense de Canadá.
Muchos Las universidades son ofrenda Oportunidades educativas de alfabetización de IA ese enfoque específicamente en el uso de herramientas de IA generativas en Asistir actividades de investigación.
También está ocurriendo un trabajo universitario colaborativo. Por ejemplo, como vicepresidente de la Facultad de Estudios de Graduados y Postdoctorales en la Universidad de Alberta (y profesor de ciencias de la información), he trabajado con decanos de la Universidad de Manitoba, la Universidad de Winnipeg y la Universidad de la Isla de Vancouver para desarrollar pautas y recomendaciones alrededor de la IA generativa y la investigación y la supervisión de posdoctorales..
Teniendo en cuenta el creciente poder y las capacidades de los modelos de idiomas grandes, existe una necesidad urgente de desarrollar capacitación de alfabetización de IA adaptada para investigadores académicos.
Esta capacitación debe centrarse tanto en el potencial como en las limitaciones de estas herramientas en las diferentes etapas del proceso de investigación y la escritura.
Por Ali Shiri
Ali Shiri es profesor de ciencias de la información y vicepresidente de la Facultad de Estudios de Posgrado y Postdoctoral en el Universidad de Alberta. Recibió un doctorado en ciencias de la información del Departamento de Ciencias de la Información e Información de la Universidad de Strathclyde en Glasgow, Escocia y enseña, Investigaciones y escribe sobre interacción y recuperación de información digital, bibliotecas digitales, datos, análisis de aprendizaje, inteligencia synthetic y ética.
No se pierda el conocimiento que necesita para tener éxito. Regístrese para el Informe diarioDigest de Silicon Republic de noticias de tecnología de ciencia ficción necesaria.
