Para estudantes e acadêmicos profissionais, iniciar um novo projeto de pesquisa normalmente significa vasculhar a literatura acadêmica para entender o que outros já escreveram.
Isso pode levar um tempo considerável, com pesquisadores rastreando e vasculhando artigos de periódicos para começar suas pesquisas e contextualizar suas próprias descobertas. Mas uma coleção crescente de ferramentas alimentadas por IA visa tornar esse processo mais fácil. Essas novas ferramentas podem ajudar os pesquisadores a encontrar artigos relevantes mais rapidamente, extrair informações relevantes deles ou ambos.
“Pode ser uma maneira realmente útil de começar a pesquisar, especialmente para alunos que não estão familiarizados com o processo de pesquisa”, diz Breanne Kirsch, diretora da biblioteca do Illinois College. “Desde que sejam ensinados a usá-lo de forma ética, e que possam então expandir além do que ele faz.”
Uma ferramenta chamada Elicit pode ajudar pesquisadores a conduzir o que são chamadas de revisões sistemáticas , que envolvem passar por grandes quantidades de pesquisas publicadas para encontrar uma resposta a uma pergunta, como como um medicamento específico afeta uma condição médica. "É tudo muito, muito manual", diz James Brady, chefe de engenharia na Elicit. "Leva equipes de pessoas muitos meses, e você sabe, custa centenas de milhares ou milhões de dólares para fazer essas coisas."
O Elicit pode tornar esse processo muito mais rápido e também ajudar pesquisadores a encontrar e resumir rapidamente artigos publicados relacionados a uma questão específica. Ele também pode gerar tabelas descrevendo um conjunto inteiro de artigos relevantes, com colunas para pontos de dados como algoritmos e técnicas estatísticas usadas, variáveis examinadas e o número de participantes em experimentos.
A empresa recomenda que os pesquisadores ainda olhem para os artigos originais, e Brady enfatiza que a ferramenta não substitui o julgamento e a análise humana necessária para a pesquisa científica. “Não é como se você desse o passo final do Elicit e apertasse o botão de publicar e então ele acabasse na Nature ou algo assim”, ele diz, mas ainda pode acelerar muito o processo de peneirar e entender o trabalho anterior.
Entender como a IA pode ajudar na pesquisa acadêmica é parte de uma questão maior da indústria sobre como e quando a tecnologia pode substituir ou suplementar as ferramentas tradicionais de busca na web. E desde a década de 1990 , cientistas da computação perceberam que o cenário de publicação acadêmica — onde acadêmicos citam os artigos uns dos outros e publicam em periódicos com uma reputação particular em um campo específico — não é tão diferente do ecossistema da internet . Isso significa que técnicas para encontrar materiais relevantes, minimizar erros e alucinações de IA e apresentar resultados úteis e verificáveis ao usuário podem ser transferidas da academia para a web mais ampla.
De fato, nem todo mundo que busca respostas científicas é um cientista profissional. E as organizações por trás dessas ferramentas dizem que elas podem ser especialmente úteis para pessoas que buscam entender novos campos de interesse, sejam elas estudantes, profissionais fazendo trabalho interdisciplinar ou membros interessados do público.
Eric Olson, cofundador e CEO do mecanismo de busca de pesquisa de IA Consensus , diz que cerca de 50% das pesquisas da ferramenta são em instituições acadêmicas, onde ela é frequentemente usada por estudantes de pós-graduação. “Normalmente, nos saímos muito bem com pessoas que precisam desse acesso fácil e rápido à pesquisa, mas talvez ainda não sejam especialistas completos”, diz ele.
O Consensus permite que os usuários digitem consultas em linguagem natural para obter respostas resumidas de todo o trabalho publicado. Ele apresenta resumos de artigos específicos, metadados como ano de publicação e contagem de citações, e uma indicação de quanto consenso científico há sobre uma questão específica. Outro público popular para a ferramenta são os profissionais de saúde, incluindo médicos, que usam a ferramenta para obter insights mais rapidamente do que os mecanismos de busca acadêmica tradicionais ou o Google podem fornecer. Usuários comuns também usam o Consensus para pesquisar tópicos de saúde, práticas parentais e questões políticas nas notícias, diz Olson.
Como outras empresas no campo, a Consensus não depende simplesmente de um único modelo de linguagem grande no estilo GPT para gerar respostas às perguntas do usuário. A empresa implementa um mecanismo de busca personalizado para encontrar artigos que abordam uma consulta e uma variedade de modelos de linguagem treinados por especialistas para extrair informações relevantes e — igualmente importante — verificar se o artigo está realmente no tópico, cortando a chance de que um modelo de IA excessivamente zeloso tente apontar fatos que não estão realmente lá.
“Só vou deixar isso ir para o modelo se acharmos que ele realmente tem um insight relevante nele”, diz Olson. “É um truque realmente ótimo para reduzir o risco de interpretar mal o artigo.”
A gigante da publicação acadêmica Elsevier desenvolveu de forma semelhante uma ferramenta chamada Scopus AI para pesquisar pesquisas coletadas em seu banco de dados Scopus , que inclui resumos de artigos e metadados de dezenas de milhares de periódicos (incluindo aqueles publicados por editoras rivais). O Scopus AI pode gerar respostas resumidas com base em consultas específicas, sugerir perguntas adicionais para ajudar os usuários a expandir seu conhecimento do campo e destacar “artigos fundamentais” e autores “especialistas no tópico” que têm influência especial em uma área de especialização.
“Na verdade, descobrimos que essa é uma necessidade bastante compartilhada por diversas pessoas diferentes que estão neste precipício de tentar entender outro domínio”, diz Maxim Khan, vice-presidente sênior de produtos analíticos e plataforma de dados da Elsevier.
Khan diz que os usuários confirmaram que ela os ajuda a entender novos campos mais rapidamente e a encontrar artigos que eles não teriam descoberto de outra forma. Graças em parte aos termos de licenciamento, a ferramenta não inclui texto completo, o que significa que os usuários não podem consultar diretamente sobre o material em artigos além dos resumos e citações.
Outros softwares podem ajudar os usuários a se aprofundarem em pesquisas específicas. Uma ferramenta de IA da JStor , ainda em beta limitado, permite que os usuários vejam resumos de artigos personalizados para suas consultas específicas e podem responder perguntas com base no conteúdo do documento, apontando para passagens específicas que contêm a resposta. Isso pode ajudar os usuários a descobrir quais artigos são relevantes o suficiente para uma leitura atenta, e a ferramenta também pode apontar para outros tópicos ou artigos específicos para um usuário investigar com base em passagens específicas.
“O usuário agora está realmente tendo uma conversa com o artigo, e então ele está se envolvendo com o artigo de uma forma completamente diferente”, diz Kevin Guthrie, presidente da matriz sem fins lucrativos da JStor, Ithaka. “Obviamente, há uma diferença muito grande entre apenas baixar um artigo ou baixar o PDF e lê-lo.”
A organização, com seu foco em ajudar alunos com pesquisas, deliberadamente não gera respostas agregadas para perguntas específicas de vários artigos. Beth LaPensee, gerente sênior de produtos da Ithaka, diz que o software pode ajudar alunos que estão aprendendo habilidades de pesquisa e vocabulário especializado a entender material com o qual eles poderiam ter dificuldades. Em uma postagem de blog de junho, Guthrie e LaPensee compararam o processo ao aprendizado do enredo básico de uma peça de Shakespeare antes de mergulhar no texto antiquado, e dizem que pode ser especialmente útil com artigos de humanidades e ciências sociais que normalmente não incluem resumos.
O software também se mostrou útil para professores. “Um membro do corpo docente com quem conversamos disse que eles conseguiam fazer em um dia o que costumava levar quatro ou cinco dias”, diz LaPensee.
E a organização descobriu que os participantes do beta de IA, que deve ser expandido no outono, passam “significativamente mais tempo no JStor” do que outros usuários.
Medir resultados — e até mesmo saber o que medir — é naturalmente uma parte importante do teste de novos recursos de IA. Desde 2015, um projeto chamado Semantic Scholar tem se concentrado no uso de IA para analisar artigos científicos. Ele faz parte do Ai2 , o instituto de pesquisa de IA fundado pelo falecido cofundador da Microsoft, Paul Allen, e hoje inclui recursos para ajudar os usuários a entender artigos, como revelar definições de termos técnicos de dentro de um artigo ou outra pesquisa que ele cita, responder a perguntas gerais sobre artigos específicos e gerar resumos “tl; dr” de artigos com base nos tipos de descrições que os autores postam nas mídias sociais.
Como testar se esses resumos eram úteis não era imediatamente óbvio, lembra Dan Weld, cientista chefe e gerente geral da Semantic Scholar. Se os usuários estivessem se beneficiando deles, eles poderiam clicar em mais artigos dos resultados da pesquisa — se os resumos indicassem que eram interessantes — ou menos, se os resumos os ajudassem a eliminar resultados estranhos. Mas quando os resumos foram adicionados posteriormente aos alertas de e-mail, os resultados pareceram positivos — os usuários clicaram em menos artigos enviados por e-mail no geral, mas eram mais propensos a salvar os artigos em que clicavam, sugerindo que os resumos os direcionavam para trabalhos interessantes.
Avaliar um recurso que o Semantic Scholar está testando atualmente para responder perguntas de vários artigos é ainda mais desafiador, de acordo com Weld, que diz: "É realmente muito difícil comparar sistemas diferentes. Existem alguns outros sistemas por aí que fazem respostas a perguntas — achamos que o nosso é melhor do que o deles, mas ainda não podemos provar isso."
E como diferentes ferramentas de pesquisa de IA têm acesso a diferentes conjuntos de artigos, bem como a diferentes recursos, os pesquisadores ainda podem descobrir que precisam usar várias plataformas de IA — geralmente junto com ferramentas de banco de dados tradicionais — para encontrar tudo o que precisam. É importante observar, diz Kirsch, do Illinois College, que ler resumos de IA não pode substituir trabalhar com artigos reais e verificar se eles dizem o que as ferramentas afirmam, por mais tentador que isso possa ser.
“Embora as ferramentas de IA generativas possam ajudar como um ponto de partida, assim como a Wikipédia ajudaria, você ainda quer ir a algumas dessas fontes reais”, ela diz. “Você não pode confiar somente nas ferramentas GenAI. Você também precisa olhar para as próprias fontes e ter certeza de que elas realmente fazem sentido para o que você está tentando fazer e o que você está tentando pesquisar.”
POR Steven Melendez
Nenhum comentário:
Postar um comentário