金磊 发自 凹非寺
量子位 | 公众号 QbitAI
搞科研的最新姿势,被一位华人小哥解锁了——
告诉AI你的研究目标,再把数据集“投喂”进去,完事。
这就是来自伯克利的博士生Zhong Ruiqi等人的最新研究,把从海量数据集中繁琐的“取证”过程,统统交给GPT-3来解决:
他们还发现,这种用AI搞科研的方法不仅效率高,而且还能得出人类没有想到的“意外惊喜”。
让GPT-3帮你搞科研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并且每个开放式问题都会对应一个语料库对儿(语料库A和语料库B),平均有17000个样本。
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。
也正因为OpenD5数据集所涵盖的领域众多,因此小哥表示他们的D5系统具备应用范围广的特点。
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。
除此之外,小哥也表示更灵活的语料库、更具扩展性的系统,也是他们在未来重点研究的方向。
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。
参考链接:
[1] https://arxiv.org/abs/2302.14233[2] https://twitter.com/ZhongRuiqi/status/1631109680859865089?s=20
— 完 —
量子位 QbitAI · 头条号签约
关注我们,第一时间获知前沿科技动态
相关文章
猜你喜欢