Κέρδη:
- Δυνατότητα χρήσης τεχνητής νοημοσύνης για σύνοψη και σύγκριση πραγματικών πηγών, εξαλείφοντας τη βάση για κατασκευασμένη απόδοση με τον περιορισμό «μόνο με βάση τη δεδομένη πηγή»
- Δυνατότητα εφαρμογής της πειθαρχίας της επαλήθευσης κάθε αναφοράς στον πραγματικό κατάλογο, της επαλήθευσης κάθε περίληψης πίσω στην πηγή και της σύλληψης παραισθήσεων DOI/αποτύπωσης
- Να είστε σε θέση να κατανοήσετε πώς η επικαιρότητα, η πολυγλωσσία και η γκρίζα λογοτεχνία καθορίζουν τα όρια της γνώσης της τεχνητής νοημοσύνης και γιατί απαιτείται πρωτότυπη γραφή.
Η αρχαιολογία και η πολιτιστική κληρονομιά είναι μια αθροιστική επιστήμη: κάθε νέα μελέτη βασίζεται σε προηγούμενες δημοσιεύσεις που εκτείνονται σε αιώνες. Η σάρωση της βιβλιογραφίας (το σύνολο των άρθρων, βιβλίων, εκθέσεων και διατριβών που δημοσιεύονται για αυτό το θέμα) μιας περιοχής, ενός τύπου ευρήματος ή μιας περιόδου είναι το πρώτο και πιο κουραστικό βήμα οποιασδήποτε επιστημονικής μελέτης. Σε αυτήν την ενότητα, θα δούμε σε βάθος πώς η τεχνητή νοημοσύνη επιταχύνει την ανασκόπηση της βιβλιογραφίας, αλλά γιατί η επαλήθευση της πηγής είναι πρωταρχικής σημασίας σε αυτόν τον τομέα και πώς να καταπολεμήσουμε το πιο επικίνδυνο λάθος της τεχνητής νοημοσύνης: την ψευδαίσθηση (κατασκευασμένες πηγές, παραπομπές και πληροφορίες).
Βασική αρχή: Η τεχνητή νοημοσύνη βοηθά στη σύνοψη, τη σύγκριση και την οργάνωση της βιβλιογραφίας. Αλλά καμία αναφορά δεν μπορεί να χρησιμοποιηθεί χωρίς επιβεβαίωση σε έναν πραγματικό κατάλογο και καμία περίληψη δεν μπορεί να μετατραπεί σε επιστημονικό ισχυρισμό χωρίς να διαβάσει την ίδια την πηγή. Στις ανθρωπιστικές επιστήμες, μια ψευδής πηγή καταστρέφει την αξιοπιστία ολόκληρου του έργου.
Γιατί η ψευδαίσθηση είναι τόσο κρίσιμη σε αυτόν τον τομέα;
Το πιο συνηθισμένο λάθος των εργαλείων δημόσιας συνομιλίας είναι η παραγωγή ακαδημαϊκών πόρων που δεν υπάρχουν αλλά φαίνονται πολύ ρεαλιστικοί. Το AI μπορεί να δημιουργήσει μια παραπομπή με "τέλεια" εμφάνιση συνδυάζοντας το όνομα ενός πραγματικού συγγραφέα, το όνομα ενός πραγματικού περιοδικού και έναν εύλογο τίτλο. Από πού;
- Η τεχνητή νοημοσύνη παράγει την «επόμενη πιο πιθανή λέξη». δεν κοιτάζει σε μια πραγματική βάση δεδομένων (εκτός εάν είναι συνδεδεμένο ένα ειδικό εργαλείο).
- Επειδή οι ακαδημαϊκές αναφορές έχουν μοτίβο, η τεχνητή νοημοσύνη είναι πολύ «καλή» στη δημιουργία μιας αναφοράς που ταιριάζει στο μοτίβο αλλά της οποίας το περιεχόμενο είναι κατασκευασμένο.
- Στις ανθρωπιστικές επιστήμες, ο αναγνώστης συχνά δεν ελέγχει αμέσως την πηγή. Αυτό επιτρέπει στην ψεύτικη απόδοση να γίνεται απαρατήρητη.
Συμπέρασμα: για έναν αρχαιολόγο, κάθε τρίδυμο του τίτλου του συγγραφέα-έτος στην παραγωγή AI θα πρέπει να θεωρείται ύποπτη μέχρι να αποδειχθεί το αντίθετο.
Συμβουλή: Χρησιμοποιήστε την τεχνητή νοημοσύνη όχι ως «εύρεση πόρων» αλλά ως βοηθό που «επεξεργάζεται τους πραγματικούς πόρους που έχετε». Βρείτε μόνοι σας τα πραγματικά άρθρα, δώστε τα PDF στο AI και μετά πείτε "απλώς βασιστείτε σε αυτά τα κείμενα που σας έδωσα". Έτσι, η βάση για τις ψευδαισθήσεις εξαλείφεται σε μεγάλο βαθμό.
Βήματα βιβλιογραφικής ανασκόπησης
- Πεδίο εφαρμογής και ερώτηση. Τι ψάχνεις; Αποσαφηνίστε τα όρια θέματος, περιόδου, περιοχής και γλώσσας.
- Συλλογή πραγματικών πόρων. Βρείτε αυθεντικές δημοσιεύσεις από καταλόγους βιβλιοθηκών, βάσεις δεδομένων ιδρυμάτων και αξιόπιστους καταλόγους. Είναι επικίνδυνο να "βρίσκουμε" πόρους για το AI σε αυτό το βήμα.
- Περίληψη και χαρτογράφηση. Δώστε τα πραγματικά κείμενα που έχετε συλλέξει στην τεχνητή νοημοσύνη για να συνοψίσετε και να χαρτογραφήσετε θέματα και συζητήσεις.
- Σύγκριση και ανάλυση χάσματος. Συγκρίνετε τις απόψεις διαφορετικών συγγραφέων, βρείτε αντιφάσεις και ανεξερεύνητα κενά.
- Ορθογραφία και απόδοση. Γράψτε το δικό σας επιχείρημα με επαληθευμένες παραπομπές. Το AI δίνει προσχέδιο. ξαναγράφετε με την ανάλυσή σας και τις πραγματικές αναφορές.
Πειθαρχία επαλήθευσης πηγής
Για κάθε παραπομπή, ελέγξτε:
- Υπάρχει; Ο συγγραφέας, το έτος, ο τίτλος, το περιοδικό/εκδότης βρίσκονται σε έναν πραγματικό κατάλογο (βιβλιοθήκη, DOI, ευρετήριο);
- Λέει αυτό που λέει; Λέει πραγματικά η πηγή αυτό που ισχυρίζεται η AI; Ανοίξτε την πηγή και διαβάστε τη σχετική ενότητα.
- Είναι σωστό το πλαίσιο; Είναι το απόσπασμα παρμένο από την πρόθεση του συγγραφέα; Η αντίθετη άποψη αποδίδεται στον συγγραφέα;
- Είναι ενημερωμένο και αξιόπιστο; Είναι η δημοσίευση αξιολογημένη από ομοτίμους, τρέχουσα ή αντικατοπτρίζει μια ξεπερασμένη άποψη;
Προσοχή: Ακριβώς επειδή ένας αριθμός DOI ή αποθέματος που παρέχεται από την τεχνητή νοημοσύνη εμφανίζεται στη "σωστή μορφή" δεν σημαίνει ότι υπάρχει αυτή η εγγραφή. Αναζητήστε τον αριθμό στο πραγματικό σύστημα. Ένα ανύπαρκτο DOI είναι ένα από τα πιο κοινά σημάδια παραισθήσεων.
τρεις μίνι θήκες
Περίπτωση 1 — Περίληψη εξοικονόμησης χρόνου. Ένας διδακτορικός φοιτητής έδωσε 60 πραγματικά άρθρα (τα οποία βρήκε και κατέβασε όλα) στην τεχνητή νοημοσύνη και δημιούργησε έναν θεματικό χάρτη. Συνέταξε έναν πίνακα που συγκρίνει τις απόψεις διαφορετικών συγγραφέων για έναν τύπο εύρεσης σε δύο ημέρες αντί για εβδομάδες. Κάθε περίληψη έχει προέλθει και επαληθευτεί.
Περίπτωση 2 — Αποφεύχθηκε η καταστροφή της ψεύτικης συγκόλλησης. Ένας μεταπτυχιακός φοιτητής ζήτησε από την τεχνητή νοημοσύνη να "προτείνει πηγές για αυτό το θέμα" και πήρε μια εξαιρετική λίστα με 15 αναφορές. Όταν το έλεγξε στη βιβλιοθήκη, διαπίστωσε ότι 9 από τη λίστα δεν υπήρχαν ποτέ — πραγματικοί συγγραφείς, επινοημένοι τίτλοι. Εάν αυτή η λίστα περιλαμβανόταν στη βιβλιογραφία της διατριβής, η αξιοπιστία της υπεράσπισης θα κατέρρεε και θα μπορούσε ακόμη και να θεωρηθεί επιστημονικό παράπτωμα.
Περίπτωση 3 — Διορθώθηκε η λανθασμένη απόδοση. Μια ομάδα θα ανέφερε ότι η AI είπε σε έναν συγγραφέα "χρονολογούσε αυτόν τον ιστότοπο στη ρωμαϊκή περίοδο". Όταν στραφήκαμε στην πηγή, φάνηκε ότι ο συγγραφέας ισχυρίστηκε το αντίθετο, ότι η τοποθεσία ήταν προρωμαϊκή. Το AI είχε αντιστρέψει την άποψη. Η ανάγνωση της πηγής απέτρεψε ένα σοβαρό λάθος.
Τέσσερα πρότυπα με δυνατότητα αντιγραφής
1) Βασιζόμενοι αποκλειστικά στην πηγή που δίνεται:
Ο ρόλος σας: βοηθός περίληψης λογοτεχνίας. Βασιστείτε ΜΟΝΟ στα κείμενα που θα επικολλήσω παρακάτω. ΜΗΝ ΠΡΟΣΘΕΤΕΤΕ καμία πληροφορία, πηγή ή παραπομπή εκτός αυτών των κειμένων. Καταγράψτε κάθε έναν από τους ισχυρισμούς σας, υποδεικνύοντας σε ποιο μέρος του κειμένου που σας έδωσα βασίζεται. Εάν ερωτηθείτε για κάτι που δεν υπάρχει στο κείμενο, πείτε "δεν υπάρχει στις πηγές που δίνονται".
2) Χάρτης θεμάτων και σύγκριση:
Θα παράσχω περιλήψεις των πηγών [N] παρακάτω. Ομαδοποιήστε τα ανά θέματα και δημιουργήστε έναν πίνακα σύγκρισης: για κάθε θέμα, ποιοι συγγραφείς λένε τι, πού συμφωνούν, πού αντιφάσκουν. Χρησιμοποιήστε μόνο τις απόψεις στα κείμενα που έχω δώσει. προσθήκη σχολίων.
3) Λίστα ελέγχου επαλήθευσης παραπομπών:
Κατά την ΕΠΑΛΗΘΕΥΣΗ της παρακάτω λίστας παραπομπών, ακολουθήστε τα βήματα που πρέπει να ελέγξω για καθεμία (αναζήτηση στον κατάλογο, επιβεβαίωση DOI, ανάγνωση της σχετικής σελίδας, έλεγχος περιβάλλοντος). ΔΕΝ επιβεβαιώνετε την ακρίβεια των παραδόσεων. πες μου τι να ελέγξω. Κατασκευή πηγής.
4) Ανάλυση κενών:
Με βάση τις περιλήψεις της βιβλιογραφίας που έχω παράσχει, απαριθμήστε ερωτήσεις/κενά που φαίνεται ότι δεν έχουν ερευνηθεί επαρκώς σε αυτό το θέμα. Για κάθε κενό, δείξτε ποια πηγή το άφησε ανοιχτό. Βασιστείτε μόνο στα κείμενα που σας έχω δώσει. Μην κάνετε εικασίες.
Αδύναμη προτροπή / Ισχυρή προτροπή
Αδύναμη προτροπή:
Δώστε τις 15 πιο σημαντικές ακαδημαϊκές πηγές για αυτό το θέμα και τις περιλήψεις τους.
Η τεχνητή νοημοσύνη παράγει μια ρεαλιστική αλλά πιθανώς εν μέρει κατασκευασμένη λίστα χωρίς να κοιτάζει σε μια πραγματική βάση δεδομένων. Αυτή είναι η ίδια η παγίδα ψευδούς απόδοσης.
Ισχυρή προτροπή:
Παρακάτω επικολλώ τις πλήρεις παραπομπές και περιλήψεις των 12 πραγματικών άρθρων που βρήκα. Βάσει ΜΟΝΟ σε αυτά, εμφανίζεται ένας χάρτης θεμάτων και ένας πίνακας σύγκρισης. ΠΡΟΣΘΗΚΗ νέου πόρου. Υποδείξτε από ποιο άρθρο προέρχεται κάθε γραμμή. Επισημάνετε τα θέματα που λείπουν ως "δεν καλύπτονται σε αυτό το σύνολο πόρων".
Η διαφορά: το πρώτο είναι γεμάτο με κίνδυνο κατασκευασμένων πηγών. Το τελευταίο χειρίζεται αξιόπιστα πραγματικούς πόρους.
Επίκαιρα, γλώσσα και γκρίζα λογοτεχνία
Τρία χαρακτηριστικά της αρχαιολογικής βιβλιογραφίας καθιστούν τη χρήση της τεχνητής νοημοσύνης ιδιαίτερα επικίνδυνη. Το πρώτο είναι η επικαιρότητα: η γνώση ενός μοντέλου παγώνει σε μια συγκεκριμένη ημερομηνία και οι ανασκαφές, η νέα χρονολόγηση και οι διορθώσεις μετά από αυτήν την ημερομηνία απουσιάζουν. Το AI μπορεί να παρουσιάσει μια αντικατασταθείσα προβολή ως ακόμα έγκυρη. Γι' αυτό θα πρέπει να σαρώσετε τις τρέχουσες δημοσιεύσεις. Δεύτερον, η πολυγλωσσία: η αρχαιολογία είναι γραμμένη στα γερμανικά, γαλλικά, ιταλικά, τουρκικά και σε πολλές τοπικές γλώσσες εκτός από τα αγγλικά. Μια σημαντική ανασκαφική έκθεση μπορεί να έχει δημοσιευθεί μόνο σε μία γλώσσα. Το να βασίζεσαι αποκλειστικά σε αγγλόφωνες πηγές σημαίνει ότι λείπει ένα μεγάλο μέρος της βιβλιογραφίας. Η τεχνητή νοημοσύνη βοηθά στη σάρωση αυτών των ξενόγλωσσων πηγών, αλλά και πάλι, πρέπει να έχετε την πραγματική πηγή στη διάθεσή σας.
Τρίτον, γκρίζα βιβλιογραφία: η συντριπτική πλειονότητα της αρχαιολογικής γνώσης βρίσκεται σε έγγραφα που δεν εμφανίζονται σε επίσημα περιοδικά, όπως εμπορικές ανασκαφές, αρχεία ιδρυμάτων και αδημοσίευτες διατριβές. Η γκρίζα βιβλιογραφία (αναφορές που παράγονται σε εμπορικά ή εταιρικά κανάλια που δεν είναι άμεσα διαθέσιμα στους παραδοσιακούς καταλόγους εκδόσεων) είτε απουσιάζει είτε σπανίζει στα δεδομένα εκπαίδευσης τεχνητής νοημοσύνης. Επομένως, το AI είτε δεν γνωρίζει αυτές τις πληροφορίες είτε τις συνθέτει. Η πραγματική αρχαιολογική ιστορία μιας περιοχής βρίσκεται συχνά σε αυτή τη γκρίζα λογοτεχνία και μπορείτε να την προσεγγίσετε μόνο με το πραγματικό χέρι από τα αρχεία των ιδρυμάτων.
Συμβουλή: Το να λέτε "Η τεχνητή νοημοσύνη δεν μπόρεσε να βρει τίποτα" ή "υπάρχουν λίγοι πόροι" σε ένα θέμα δεν σημαίνει ότι υπάρχει λίγη δουλειά σε αυτό το θέμα. Συχνά η πηγή βρίσκεται σε γκρίζα λογοτεχνία, σε ξένη γλώσσα ή μετά την ενότητα πληροφοριών του μοντέλου. Ρωτήστε το πραγματικό αρχείο για την έλλειψη πόρων, όχι το AI.
Πίνακας εργασιών λογοτεχνίας
Αναζήτηση
Ο ρόλος της AI
ανθρώπινη απόφαση
επαλήθευση
προμήθεια
Αδύναμος/σε κίνδυνο
Επιλογή από πραγματικό κατάλογο
Επιβεβαίωση καταλόγου
συνοψίζοντας
Ισχυρό (σε δεδομένο κείμενο)
ακρίβεια, επιλογή
Διαβάστε την πηγή
Σύγκριση
Χάρτης θέματος/αντίφασης
Σχόλιο, βάρος
πλαίσιο πηγής
Συγγραφή παραπομπών
περίγραμμα μορφής
περιεχόμενο, ακρίβεια
Υπάρχει/λέει
Ανάλυση κενών
Ερωτήσεις υποψηφίου
Ερευνητική αξία
Γνώση τομέα
Συνήθη λάθη
- Κάνοντας το AI να «βρίσκει» πόρους. Παράγει ψευδή απόδοση. Βρείτε τους πόρους μόνοι σας.
- Βασίζεται στη μορφή DOI/imprint. Αν και η μορφή φαίνεται σωστή, η εγγραφή μπορεί να έχει κατασκευαστεί. Αναζήτηση στο σύστημα.
- Χρήση της περίληψης χωρίς ανάγνωση της πηγής. Το AI μπορεί να αντιστρέψει την άποψη του συγγραφέα.
- Δημοσίευση του κειμένου AI ως έχει. Πρωτοτυπία και κίνδυνος λογοκλοπής. Γράψε με τη δική σου ανάλυση.
- Δεν τίθεται ο περιορισμός "μόνο δεδομένου πόρου". Χωρίς περιορισμούς, το AI προσθέτει εξωτερικά κατασκευασμένες πληροφορίες.
Συνοπτικά
Στην ανασκόπηση της βιβλιογραφίας, η τεχνητή νοημοσύνη εξοικονομεί πολύ χρόνο για τη σύνοψη, τη σύγκριση και την ανάλυση πραγματικών πηγών. Αλλά στις ανθρωπιστικές επιστήμες, η επαλήθευση της πηγής είναι αδιαπραγμάτευτη: βρείτε τις πηγές μόνοι σας, επαληθεύστε κάθε παραπομπή στον πραγματικό κατάλογο, ελέγξτε κάθε περίληψη, επιβάλετε τον περιορισμό "μόνο στην πηγή που αναφέρεται" και γράψτε το τελικό κείμενο με τη δική σας πρωτότυπη ανάλυση. Μια ψεύτικη πηγή θα καταστρέψει το έργο σας.
Εργασία εφαρμογής
Επιλέξτε ένα θέμα, βρείτε 8-10 πραγματικές δημοσιεύσεις στη βιβλιοθήκη/ευρετήριο και συγκεντρώστε τις αναφορές τους. Δημιουργήστε ένα γράφημα σύγκρισης με τα πρότυπα "Μόνο με βάση την πηγή" και "Χάρτης θεμάτων". Σε ένα ξεχωριστό πείραμα, πείτε στο AI να "προτείνει μια πηγή" (χωρίς περιορισμούς) και ελέγξτε τις αναφορές που προτείνει μία προς μία στον κατάλογο και σημειώστε πόσες είναι πραγματικές.
λίστα ελέγχου
- [ ] Βρήκα τις πηγές μόνος μου από πραγματικούς καταλόγους.
- [ ] Έβαλα τον περιορισμό "μόνο βασιστείτε στη δεδομένη πηγή" στο AI.
- [ ] Έχω επιβεβαιώσει κάθε παραπομπή με τον κατάλογο/DOI.
- [ ] Έχω επαληθεύσει κάθε περίληψη επιστρέφοντας στην πηγή.
- [ ] Έγραψα το τελικό κείμενο με τη δική μου αρχική ανάλυση και επιβεβαιωμένες αναφορές.