《自然》杂志近期发表的一篇文章探讨了基于ChatGPT的人工智能系统所取得的成果。该系统旨在模拟科学数据分析流程，并从零开始生成科学数据报告。其成果既令人印象深刻又引发担忧，并至少提出了两种改进生成式人工智能工具的方法：
引导人工智能评估生成的结果是否具有新颖性，以确保该人工智能系统在产生首个平凡的解决方案或想法后能够持续运作。
《自然》杂志报道的生成式人工智能系统基于扎实的数据集分析，产出了一篇文笔流畅的论文。问题在于，该论文将"多吃水果蔬菜并锻炼身体与降低糖尿病风险相关"这一众所周知的结论，宣称其"填补了文献空白"。
该生成式人工智能系统旨在模拟科学研究流程，使其能够探索数据、确定研究目标、基于研究目标分析数据并撰写报告。该系统甚至包含对初始文本的评审环节，以模拟科学同行评审过程。然而，该人工智能系统评审环节的成果仍需结合现有知识进行进一步评估，以确定其新颖性和有效性——这正是科学同行评审不可或缺的核心环节。
因此，生成式人工智能系统可通过以下方式进一步优化：当初始结果已被知晓或无效时，引导其对比现有文献、开展更深入的数据探索并生成新假设。值得期待的是，人工智能系统能否助力加速这一科学家与法律从业者皆熟悉的、迭代且耗时的解决问题过程。
人工智能系统的透明度对于提供可测试且可重复的结果至关重要。
科学假说应可验证，研究结果应可重复。因此，本研究的科研人员特别强调：人工智能系统用于探索数据、制定研究目标、分析解读及报告结果的详细流程与代码均随生成论文一并提供，以便任何人都能理解并复现该论文所依据的人工智能处理过程。
设计改进型人工智能系统，使其模拟科学研究过程以加速问题解决
人工智能能够快速探索海量数据集并识别有意义的模式，这表明人工智能系统在生成解决难题的新思路方面可能具有优势——这些难题仅凭人类自身往往难以发现。然而，该过程需要结合现有知识对人工智能生成的结果进行创造性和有效性评估，以确保人工智能系统能够超越初始的简单解决方案或想法，持续推进创新进程。
一对科学家借助ChatGPT——一种能理解并生成类人文本的人工智能工具——在不到一小时内完成了一篇研究论文。该论文行文流畅、见解深刻，且符合科学论文的预期结构。但研究人员指出，该工具要真正发挥作用，仍需克服诸多障碍。
查看引用文章
