Google тестирует новый инструмент для исследований с поддержкой искусственного интеллекта, Scholar Labs, предназначенный для предоставления высокорелевантных исследований на основе детальных запросов. Этот сдвиг поднимает ключевой вопрос: как отреагируют ученые на поисковую систему, которая отдает приоритет анализу содержания, а не традиционным показателям, таким как количество цитирований и импакт-фактор журнала?
Инструмент использует ИИ для понимания взаимосвязей между словами в запросе, выявляя исследования, которые в противном случае могли бы остаться незамеченными. В демонстрации, связанной с интерфейсами «мозг-компьютер» (BCI), Scholar Labs идентифицировал релевантный обзор, опубликованный в Applied Sciences, правильно отметив его обсуждение электроэнцефалографии и ведущих алгоритмов. Однако инструмент заметно лишен фильтров для широко используемых показателей качества.
Проблема с Существующими Показателями
Текущая система в значительной степени полагается на цитирования (как часто исследование упоминается другими) и импакт-факторы журналов (мера престижа журнала). Хотя эти показатели дают приблизительную оценку влияния, они несовершенны. Высокоцитируемые статьи не всегда лучше, а новые или междисциплинарные работы могут быть полностью пропущены. Исследование 1990-х годов может иметь тысячи цитирований, в то время как новаторская работа 2024 года может не иметь ни одного. Nature имеет импакт-фактор 48.5, а Applied Sciences сообщает 2.5 — но это не обязательно отражает качество исследования.
Google утверждает, что полагаться исключительно на эти показатели может исключить ценные исследования, особенно в развивающихся областях. Лиза Огуйке, представитель Google, объяснила, что ограничение по импакт-фактору или количеству цитирований может «пропустить ключевые работы… в частности, работы в междисциплинарных/смежных областях или недавно опубликованные статьи».
Потенциальная Роль ИИ
Эксперты согласны с тем, что количество цитирований и импакт-факторы являются несовершенными оценками качества. Мэтью Шраг, доцент неврологии в Вандербильте, отмечает, что эти показатели «больше говорят о социальном контексте работы», чем о ее внутренней ценности. Поисковая система с поддержкой ИИ теоретически может расширить область поиска, выявляя исследования, которые в противном случае могли бы быть погребены.
Джеймс Смолига, профессор Университета Тафтс, признает, что подсознательно доверяет высокоцитируемым работам, несмотря на знание их недостатков. Система не идеальна, но Scholar Labs стремится решить эти недостатки, анализируя полный текст исследовательских работ, учитывая детали публикации, авторство и историю цитирований.
Целостный Подход
В конечном итоге, поиск с поддержкой ИИ, такой как Scholar Labs, может быть ценным дополнением к научной экосистеме. Он предлагает более широкий охват для открытий и контекстуальные сведения. Однако окончательное суждение о качестве исследования должно оставаться за самими учеными. Как подчеркивает Шраг, «необходимо иметь представление о стандартах в данной области с точки зрения строгости и соответствует ли исследование этим стандартам». Алгоритмы должны помогать, а не заменять критическое мышление при оценке научных работ.
Scholar Labs представляет собой сдвиг в сторону более нюансированного поиска исследований, но человеческий надзор остается решающим для обеспечения научной добросовестности.
