Κέρδη:
- Ικανότητα τοποθέτησης της τεχνητής νοημοσύνης ως επικίνδυνου εργαλείου για την παραγωγή ισχυρών, συγκεκριμένων αναφορών σε έννοιες, περιλήψεις και στρατηγική αναζήτησης
- Δυνατότητα εξάλειψης του κινδύνου ψεύτικων πηγών επαληθεύοντας κάθε παραπομπή και DOI στη βάση δεδομένων
- Δυνατότητα δημιουργίας μιας ασφαλούς ροής εργασίας στην οποία οι άνθρωποι βρίσκουν το πραγματικό άρθρο και συνοψίζουν το κείμενο σε τεχνητή νοημοσύνη
Ανασκόπηση βιβλιογραφίας και σχεδιασμός σύνθεσης: Πηγή, Διαδικασία και Οδικός Χάρτης με AI
Κάθε εργασία χημείας ξεκινά με μια βιβλιογραφική ανασκόπηση: "Έχει φτιαχτεί αυτή η ένωση στο παρελθόν; Με ποια μέθοδο; Με ποια απόδοση;" Το AI είναι ένας μεγάλος επιταχυντής σε αυτό το στάδιο. συνοψίζει το θέμα, εξηγεί βασικές έννοιες, δημιουργεί όρους αναζήτησης, περιγράφει τις διαδικασίες. Αλλά είναι επίσης η πηγή του πιο επικίνδυνου λάθους στη χημεία: της ψευδούς απόδοσης. Η τεχνητή νοημοσύνη μπορεί να δημιουργήσει άρθρα, συγγραφείς και DOI που φαίνονται ρεαλιστικά αλλά δεν υπάρχουν καθόλου. Σε αυτή την ενότητα, θα μάθουμε να χρησιμοποιούμε την τεχνητή νοημοσύνη στη λογοτεχνία και τον προγραμματισμό σύνθεσης, αλλά χωρίς να εγκαταλείπουμε την πειθαρχία της παραπομπής.
Γιατί η πειθαρχία των παραπομπών είναι κρίσιμη;
Ένα γλωσσικό μοντέλο παράγει κείμενο. δεν υποβάλλει ερωτήματα στη βάση δεδομένων (εκτός αν αναφέρεται διαφορετικά). "Journal of Organic Chemistry, 2018, 83, 4521, Zhang et al." Ένας πόρος της φόρμας είναι απλώς "ένα σύνολο λέξεων και αριθμών που φαίνονται πιθανά" για το μοντέλο. Αυτή η πηγή μπορεί να είναι ή να μην είναι πραγματική. το μοντέλο δεν κάνει διάκριση μεταξύ των δύο. Επομένως, καμία αναφορά που δίνεται από την YZ δεν χρησιμοποιείται χωρίς να έχει επιβεβαιωθεί σε μια βάση δεδομένων (αναλυτής DOI, PubMed, Crossref, ιστότοπος εκδότη).
Προσοχή: Ακριβώς επειδή το AI δίνει ένα DOI δεν σημαίνει ότι αυτό το DOI είναι έγκυρο. Επίλυση DOI μέσω https://doi.org/; Αν δεν οδηγεί σε άρθρο, αυτή η πηγή δεν υπάρχει, ακόμα κι αν ο τίτλος και ο συγγραφέας φαίνονται αυθεντικοί.
Όπου η AI είναι ισχυρή και αδύναμη στη βιβλιογραφία
- Ισχυρό: Επεξήγηση μιας έννοιας, σκιαγράφηση μιας κατηγορίας αντιδράσεων, δημιουργία λέξεων-κλειδιών αναζήτησης, περιγραφή των γενικών βημάτων μιας διαδικασίας, σύνοψη του κειμένου ενός άρθρου (όταν το επικολλάτε).
- Αδύναμο: Δίνοντας «από μνήμης» την ύπαρξη συγκεκριμένου άρθρου, ακριβείς πληροφορίες σελίδας/τόμου/DOI, ακριβής τιμή απόδοσης. Αυτές είναι οι περιοχές που είναι πιο ανοιχτές στην κατασκευή.
Αυτή η διάκριση οδηγεί στην ακόλουθη στρατηγική: χρησιμοποιήστε την τεχνητή νοημοσύνη ως εργαλείο επεξεργασίας κειμένου (σύνοψη, ταξινόμηση), όχι ως πηγή αλήθειας. Μπορείτε να βρείτε το πραγματικό άρθρο, να το διαβάσει η τεχνητή νοημοσύνη και να το συνοψίσετε.
Βήμα προς βήμα: ασφαλής βιβλιογραφία + ροή προγραμματισμού
- Μάθετε την έννοια: Ζητήστε από το AI να εξηγήσει το θέμα, την τάξη αντίδρασης, τους όρους. Ο κίνδυνος κατασκευής είναι χαμηλός εδώ.
- Δημιουργία όρου αναζήτησης: Ζητήστε από την τεχνητή νοημοσύνη 8-10 λέξεις-κλειδιά/συνώνυμα και πιθανά περιοδικά. Αναζητήστε την πραγματική βάση δεδομένων με αυτά.
- Λάβετε το πραγματικό άρθρο: Βρείτε το άρθρο μόνοι σας από το PubChem/Reaxys/Google Scholar.
- Σύνοψη: Επικολλήστε το κείμενο του άρθρου σε AI και κάντε μια δομημένη περίληψη (μέθοδος, συνθήκη, απόδοση, περιορισμός).
- Κάντε ένα σχέδιο: Δημιουργήστε έναν οδικό χάρτη σύνθεσης για έναν στόχο. συνδέστε κάθε σκαλοπάτι στην πραγματική πηγή.
- Επαλήθευση: Επιλύστε κάθε παραπομπή με DOI. Συγκρίνετε κάθε κρίσιμο αριθμό με το κείμενο προέλευσης.
Τέσσερα πρότυπα με δυνατότητα αντιγραφής
1) Δημιουργία όρων έννοιας + αναζήτησης (ασφαλής περιοχή):
Θέμα: Δημιουργία δεσμού αρυλ-αρυλίου μέσω της αντίδρασης σύζευξης Suzuki-Miyaura. Εργασία:1) Εξηγήστε την αντίδραση σε 5 προτάσεις (καθορίστε όρους).2) Δημιουργήστε 10 λέξεις-κλειδιά/συνώνυμα για αναζήτηση βιβλιογραφίας.3) Προτείνετε 5 περιοδικά όπου αυτό το θέμα δημοσιεύεται συχνά. NDOI συγκεκριμένο άρθρο. Θα τα ψάξω στη βάση δεδομένων.
2) Σύνοψη άρθρου (παρέχετε το κείμενο):
Παρακάτω επικολλώ το πειραματικό μέρος ενός άρθρου.[ΚΕΙΜΕΝΟ]Εργασία: Συνοψίστε με τις ακόλουθες επικεφαλίδες: - Η ένωση στόχος και η σημασία της - Μέθοδος/αντιδραστήρια που χρησιμοποιούνται - Συνθήκες (θερμοκρασία, χρόνος, διαλύτης) - Απόδοση - Περιορισμοί που αναφέρονταιΜην προσθέτετε αριθμούς ΟΧΙ στο κείμενο. αλλιώς γράψε "απροσδιόριστο".
3) Οδικός χάρτης σύνθεσης (ανάλογα με την πηγή):
Στόχος: 2-φαινυλοβενζιμιδαζόλη (SMILES: c1ccc(cc1)c1nc2ccccc2[nH]1).Εργασία: Δώστε ένα προσχέδιο ενός σχεδίου σύνθεσης 2 σταδίων. DOI FAKE.
4) Λίστα ελέγχου επιβεβαίωσης παραπομπής:
Παρακάτω υπάρχουν 4 αναφορές. Δημιουργήστε μια λίστα ελέγχου γεγονότων για το καθένα: ποια πεδία (DOI, περιοδικό, τόμος, έτος, συγγραφέας) πρέπει να επαληθεύσω και πού;[CITATIONS]Σημείωση: ΔΕΝ ισχυρίζεστε ότι οι αναφορές είναι σωστές. Απλώς πες μου βήμα προς βήμα πώς να επιβεβαιώσω.
Αδύναμη προτροπή / Ισχυρή προτροπή
Αδύναμο:
Δώστε μου 5 πηγές για τη σύνθεση αυτής της ένωσης.
Το AI πιθανότατα παράγει ρεαλιστικές αλλά μη επαληθευμένες αποδόσεις, μερικές από τις οποίες είναι κατασκευασμένες.
Δυνατό:
Θέμα: Σύνθεση της ένωσης Ι θα βρούμε τις πραγματικές πηγές από τη βάση δεδομένων. Ενισχύετε τη στρατηγική αναζήτησής μου.
Η διαφορά: Κατευθύναμε την τεχνητή νοημοσύνη προς την εργασία στην οποία είναι ισχυρή (στρατηγική αναζήτησης, έννοια) και την κρατήσαμε μακριά από εργασίες που είναι επιρρεπείς στην κατασκευή (συγκεκριμένη απόδοση).
Τύποι πηγών και αξιοπιστία
Πηγή/εργαλείο
Τι παρέχει
αξιοπιστία
Ρόλος
AI (μοντέλο γλώσσας) από τη μνήμη
Έννοια, περίγραμμα, ιδέα αναζήτησης
Υψηλά στην ιδέα, χαμηλά στην αναφορά
ιδέα/περίληψη
AI + επικολλημένο κείμενο
Περίληψη του κειμένου που δίνεται
Υψηλό (εξαρτάται από το κείμενο)
συνοψίζοντας
Αναλυτής DOI (doi.org)
Αυθεντικότητα της απόδοσης
ψηλά
Επιβεβαίωση
PubChem / Reaxys / SciFinder
ένωση, αντίδραση, πηγή
ψηλά
πρωταρχική αναζήτηση
Google Scholar / Crossref
Εύρεση άρθρου, παραπομπή
ψηλά
επαλήθευση
μίνι θήκες
Περίπτωση 1 — Τρεις κατασκευασμένες πηγές. Ένας ερευνητής ζήτησε από την τεχνητή νοημοσύνη 6 πηγές για ένα θέμα. Όταν έλυσε τα DOI ένα προς ένα, 3 από αυτά ήταν άκυρα. Οι τίτλοι ήταν πειστικοί, αλλά τα άρθρα όχι. Η επαλήθευση διήρκεσε 25 λεπτά, αλλά απέτρεψε την είσοδο 3 ψεύτικων παραπομπών στο άρθρο. Μάθημα: κάθε αναφορά λύνεται μία προς μία.
Περίπτωση 2 — Εσφαλμένη απόδοση. «Η απόδοση είναι 92%,» είπε η AI όταν περιέγραψε μια διαδικασία. Όταν ο χρήστης βρήκε και κοίταξε το αρχικό άρθρο, η απόδοση ήταν 64%. Το AI είχε φτιάξει τον αριθμό από τη μνήμη. Μάθημα: συγκρίνετε κρίσιμους αριθμούς με το κείμενο πηγής, μην εμπιστεύεστε τη σύνοψη AI.
Περίπτωση 3 — Αξία στην έννοια, κίνδυνος σε αναφορά. Ένας μαθητής ζήτησε από το AI να εξηγήσει ένα μάθημα αντίδρασης. Η εξήγηση ήταν ακριβής και διδακτική. Στη συνέχεια, "τα 3 κορυφαία άρθρα;" είπε? Δύο από αυτά ήταν κατασκευάσματα. Το AI ήταν και πολύ χρήσιμο και επικίνδυνο στην ίδια συνεδρία. Μάθημα: το ίδιο όχημα παρουσιάζει διαφορετική αξιοπιστία σε διαφορετικές εργασίες. Εμπιστεύσου ανάλογα με το καθήκον σου.
Συνήθη λάθη
- Χρήση παραπομπών χωρίς επιβεβαίωση. Το πιο συνηθισμένο και πιο σοβαρό λάθος. μπορεί να οδηγήσει σε ανάκληση του άρθρου.
- Λήψη αριθμών απόδοσης/συνθήκης από τη σύνοψη. Η περίληψη της τεχνητής νοημοσύνης μερικές φορές αντικατοπτρίζει την «πιθανή τιμή» και όχι την πηγή. σύγκριση με το πρωτότυπο.
- Παρεξήγηση AI με μηχανή αναζήτησης. Εκτός εάν δηλώνεται διαφορετικά, το μοντέλο γλώσσας δεν ερωτά τη ζωντανή βάση δεδομένων. παράγει από μνήμης.
- Αναζήτηση σε μία γλώσσα. Το να αφήσετε απλώς βασικούς όρους στα τουρκικά/αγγλικά λείπουν πόροι. Το AI βοηθά στη δημιουργία συνωνύμων.
- Μπερδεμένη έννοια με την πηγή. Το γεγονός ότι η τεχνητή νοημοσύνη εξηγεί τη σωστή έννοια δεν υποδηλώνει ότι η αναφορά που δίνει είναι σωστή.
Συμβουλή: Η πιο ισχυρή ροή εργασίας είναι «πρώτα τα βρίσκει ο άνθρωπος και μετά συνοψίζει το AI». Φέρνετε το πραγματικό άρθρο και βάζετε το AI να διαβάσει το κείμενο. Έτσι, χρησιμοποιείτε τη δύναμη του AI (σύνοψη) και απενεργοποιείτε την αδυναμία του (προσαρμογή πηγής).
Συνοπτικά
- Η τεχνητή νοημοσύνη είναι επικίνδυνη για την παραγωγή ισχυρών, συγκεκριμένων παραπομπών σε έννοιες, περιλήψεις και στρατηγικές αναζήτησης στη βιβλιογραφία.
- Η ψευδής αναφορά (κατασκευασμένο άρθρο/DOI) είναι ο πιο σοβαρός κίνδυνος τεχνητής νοημοσύνης στη χημεία. Κάθε αναφορά επιβεβαιώνεται.
- Η ασφαλέστερη ροή: ο άνθρωπος βρίσκει το πραγματικό άρθρο, η τεχνητή νοημοσύνη συνοψίζει το κείμενο.
- Πάρτε κρίσιμους αριθμούς, όπως απόδοση και συνθήκη, από το κείμενο πηγής, όχι από την περίληψη.
- Συνδέστε κάθε βήμα στο σχέδιο σύνθεσης σε μια πραγματική πηγή.
Εργασία εφαρμογής
Επιλέξτε μια ένωση στόχο. Πρώτα, ζητήστε από το AI για όρους αναζήτησης και μια εννοιολογική περίληψη μόνο (χωρίς να ζητήσετε συγκεκριμένη απόδοση). Βρείτε τουλάχιστον δύο άρθρα σε μια πραγματική βάση δεδομένων με αυτούς τους όρους. Συνοψίστε τα κείμενα των άρθρων σε AI και συγκρίνετε τους αριθμούς απόδοσης/συνθήκης με τον πρωτότυπο. Ξεχωριστά, ζητήστε σκόπιμα το AI για "5 πηγές" και αποκρυπτογραφήστε τα DOI που δίνει ένα προς ένα: πόσες ήταν πραγματικές; Γράψτε μια μονοσέλιδη "αναφορά επαλήθευσης παραπομπής".
λίστα ελέγχου
- [ ] Τοποθετώ την τεχνητή νοημοσύνη ως εργαλείο έννοιας/σύνοψης, όχι ως μηχανή αναζήτησης.
- [ ] Όταν θέλω συγκεκριμένη αναφορά, αποκωδικοποιώ κάθε DOI από το doi.org.
- [ ] Συγκρίνω τους αριθμούς απόδοσης/συνθήκης με την αρχική πηγή.
- [ ] Βρίσκω το πραγματικό άρθρο και βάζω το AI να συνοψίσει το κείμενο.
- [ ] Αποδίδω κάθε βήμα στο σχέδιο σύνθεσης σε μια πηγή.
- [ ] Έχω ετοιμάσει τουλάχιστον μία αναφορά επαλήθευσης παραπομπής.