Yapay zeka ile bilim insanları daha fazlasını yapma gücüne sahip oluyor - daha kötüsünü. Araştırmanın nasıl yapıldığını modelleyen bir yaklaşım, dil modellerinin bilim insanlarının daha fazla makale üretmesine ancak kalitenin düşmesine neden olacağını öngörüyor. Washington Üniversitesi'nden Carl Bergstrom ve ekibi, araştırmanın aşamalara bölünmesini sağladı ve hangi aşamaların LLM tarafından hızlandırıldığını sordu. Bir hipotez üretme ve bir projenin takip edilip edilmeyeceğini değerlendirmek için yeterli ön çalışma yürütme aşaması olan BULUŞ AŞAMASI var. Sonrasında iki bölümden oluşan GELİŞTİRME AŞAMASI: * Gerekli iş - yayımlamadan önce yapmanız gereken figürler ve taslaklar; ve * İsteğe bağlı iş - takip eden deneyler ve pürüzsüzleştirme Kodlama terimleriyle, isteğe bağlı iş, sürüm öncesi test ve hata düzeltme aşamasıdır. LLM'ler buluş ve gerekli işleri hızlandırır - ancak isteğe bağlı kısmı etkilemez, çünkü bu kısım "gerekli olmayan" olarak tanımlanmıştır. Çok ajanlı geri bildirim döngüleri olsun ya da olmasın, isteğe bağlı kısım genellikle "insanın döngüde olduğu" kısmıdır - "bekle, bu tam olarak ne yapıyor?" gibi gerçeklik sandviçleriyle doludur. Tasarruf edilen zaman, mevcut makaleyi iyileştirmek yerine bir sonraki makaleyi başlatmak için harcanır ve bu durumdan şu öngörü çıkar: daha fazla çıktı, bunun küçük bir kısmı kaliteli. Bergstrom'un vurgusu, teşvikler üzerinedir: bilim insanları hacim üzerinden değerlendirilir - bu nedenle hacmi artıran bir araç, hacmi artırmak için kullanılır. Önerdiği çözüm, araştırmacıları makale ve alıntı sayısını sayarak değil, en iyi çalışmalarına göre değerlendirmektir. (Not: Bergstrom'un makalesi 19 Temmuz'da arXiv'e yüklendi ve henüz hakemden geçirilmemiştir.) #ScienceOfScience #AI #Research