谷歌有它 宣布 它正在測試一種新的人工智能驅動的搜索工具， 科學家實驗室，旨在回答詳細的研究問題。但她的演講強調了一個更大的問題，即尋找“好的”科學研究。如果一個工具放棄了衡量研究在科學機構中受歡迎程度的典型方法，轉而通過閱讀單詞之間的關係來幫助突出優秀的研究，那麼科學家們會對這個工具有多大的信任度呢？
新的搜索工具使用人工智能來識別用戶查詢中的關鍵主題和關係，目前僅可供有限的登錄用戶使用。 Scholar Labs 的演示視頻展示了有關腦機接口（BCI）的問題。我擁有 BCI 博士學位，所以我很高興看到 Scholar Labs 的成果。
第一個成果是 2024 年發表在《BCI》雜誌上的一篇綜述論文 應用科學。 Scholar Labs 解釋了為什麼結果與查詢相匹配，因此它指出該論文討論了對一種稱為腦電圖 (EEG) 的非侵入性信號的研究，並調查了該領域的一些領先算法。
但我注意到 Scholar Labs 缺乏用於區分“好”研究和“不太好”研究的通用指標過濾器。一項衡量標準是一項研究自發表以來被其他研究引用的次數，這大致可以轉化為該論文的受歡迎程度。它還與時間有關：最近發表的一項研究可能沒有被引用，或者在幾個月內被引用的次數可能達到數百次； 20 世紀 90 年代的一項研究可能會賣出數千本。另一個衡量標準是科學期刊的“影響因子”。發表被廣泛引用的研究的期刊具有較高的影響因子，因此享有對科學界更嚴格或更有意義的聲譽。 應用科學 自我報告a 影響因子2.5。 自然作為比較，它的影響因子是 48.5。
最初的谷歌學術搜索可以選擇按“相關性”對研究進行排序，並列出每個結果的引用次數。谷歌發言人 Lisa Ogwueke 表示，新學術實驗室的目標是尋找“對用戶研究最有用的研究”。 邊緣 谷歌表示，它通過對研究論文進行排名來實現這一點，就像研究人員自己做的那樣，“對每個文檔的全文、發表地點、作者以及其他科學文獻中引用的頻率和最近進行加權”。
然而，新的學者實驗室不會根據論文的引用次數或期刊的影響因子來排序或選擇結果，Ugwueke 說。 邊緣。
圖片：谷歌學術
“影響因子和引用次數取決於論文的研究領域，大多數用戶可能很難在特定研究問題的背景下猜測適當的值，”Ugwueke 寫道。 “影響因子或引用次數的限制常常可能導致關鍵研究論文的缺失，特別是跨學科領域/相鄰領域/期刊的論文或最近發表的文章，”Ugwueke 補充道。
范德比爾特大學醫學中心神經科學助理教授馬修·施拉格在接受《新聞周刊》採訪時表示，引用次數和影響因子等指標是“對論文質量的非常粗略的評估”。 邊緣，同意谷歌的說法。他說，他們“更多地談論論文的社會背景”而不是論文的質量，儘管“這兩件事希望是相互關聯的”。
施拉格從事阿爾茨海默氏病的研究，是報告阿爾茨海默氏病的幾位研究科學家之一。 已發表的科學研究中的可疑數據。像施拉格這樣的數據調查人員的努力以及整個科學界的密切關注導致研究從著名期刊中撤回，原因是…… 處理後的圖像更正由 諾貝爾獎獲得者， 和 聯邦調查 到虛假數據
然而，這樣做卻很難 不 使用期刊的被引用次數或聲譽來隨意檢查研究，尤其是在進入新領域時。塔夫茨大學康復科學教授詹姆斯·斯莫里加 (James Smoliga) 是最初的谷歌學術搜索的經常用戶，他發現自己相信被引用率很高的研究更值得信賴。 “我和其他人一樣對此感到內疚，”他說。 邊緣。儘管他在場，他還是這樣做 暴露 被引用數以千計的研究中使用的方法。 “我知道事實並非如此，但我還是落入了這個陷阱，那我還能做什麼呢？”
我在 PubMed 中復制了 Scholar Labs 對中風患者 BCI 研究的試點調查，PubMed 是由美國國立衛生研究院國家醫學圖書館管理的領先的生物醫學和健康研究資料庫。與 Scholar Labs 不同，PubMed 嚴重依賴過濾器和相關術語 或者沙 和問：我將結果範圍縮小到僅回顧過去五年的臨床研究文章，即僅對人類進行的研究文章。我排除了預印本，即直接發表到 arXiv 或 bioRxiv 等論文存儲庫中的研究，無需經過其他科學家的審查。六項研究結果中有兩項專門關注腦電圖作為用於幫助中風患者的非介入性腦機接口的主要類型。
Ugwueke 補充道，用戶將能夠在查詢中請求“最近”的研究論文，並在請求中指定時間段，Scholar Labs 使用“全文論文”來查找與用戶查詢匹配的結果。
谷歌稱 Scholar Labs 為“我們的新方向”，並表示計劃在未來納入用戶反饋。它有一個等待訪問的名單。
施拉格認為，人工智能驅動的研究，比如學者實驗室的新研究，在科學生態系統中佔有一席之地。他補充說，從理論上講，它可以為那些被漏掉的報紙撒下一張更廣泛的網，或者為該報紙在社交媒體平台上的受歡迎程度添加更多背景信息。他說，這些研究需要綜合評估，而人工智能也許能夠解決這個問題。 “你必須了解該領域在準確性方面存在哪些標準以及研究是否符合這些標準，”他補充道。
施拉格說，歸根結底，科學家有責任找出有影響力的科學。它需要閱讀和接觸科學文獻，“成為最終的仲裁者，而不是讓算法成為我們認為高質量的最終仲裁者。”
