سود:
- اجزای یک رکورد آزمایشی کامل، صادقانه و قابل تکرار را درک کنید و بتوانید از هوش مصنوعی به عنوان یک ابزار شکل دهی و کنترل استفاده کنید.
- امکان ثبت کامل انحرافات از برنامه بدون نیاز به تطبیق مشاهدات با هوش مصنوعی
- "آیا شخص دیگری می تواند ضبط را تکرار کند؟" امکان بازرسی هوش مصنوعی از طریق چشمان شما و پر کردن شکاف ها با اطلاعات واقعی
در شیمی، نتیجه تنها زمانی ارزش علمی پیدا می کند که شخص دیگری بتواند آن را تکرار کند. کلید این کار مستندسازی است: ثبت کامل کارهایی که انجام دادید، تحت چه شرایطی، در چه مقداری و با چه نتیجه ای. نوت بوک آزمایشی کاغذی یا دفترچه الکترونیکی (ELN - Electronic Lab Notebook) حامل این رکورد است. هوش مصنوعی به طور چشمگیری سرعت اسناد را افزایش می دهد: رونویسی رویه، فیلدهای گمشده را به شما یادآوری می کند، یک یادداشت امنیتی تهیه می کند، داده ها را جدول بندی می کند. اما صدق و صدق سوابق متعلق به انسان است; هوش مصنوعی نمی داند چه اتفاقی افتاده است، شما باید آنچه را که اتفاق افتاده است بنویسید. در این بخش با مستندات کامل، صادقانه و قابل تکرار با هوش مصنوعی آشنا خواهیم شد.
در یک سوابق تجربی خوب چه چیزی باید باشد؟
- هدف: چه کاری می خواهید انجام دهید، چه فرضیه ای؟
- مواد: نام هر معرف، تعداد منبع/لات، مقدار (جرم، مول، حجم)، خلوص.
- رویه: آنچه گام به گام انجام شد. دما، زمان، ترتیب اضافه
- مشاهدات: تغییر رنگ، خروج گاز، افزایش دما - همه چیز مورد انتظار و غیرمنتظره.
- نتایج: بازده، داده های طیف، خلوص.
- انحرافات: چه چیزی متفاوت از طرح انجام شد؟ (این قسمت نادیده گرفته شده ترین اما با ارزش ترین قسمت است.)
- تاریخ، امضا، شرایط: چه کسی، چه زمانی، در چه دستگاهی.
هوش مصنوعی در تولید این الگو و هدایت پر کردن آن بسیار خوب است. اما فقط شما از «آنچه مشاهده می شود» آگاهی دارید; هوش مصنوعی نمی تواند مشاهدات را بسازد. اگر این کار را کرد، تقلب علمی بود.
احتیاط: به هوش مصنوعی نگویید "مشاهدات را بنویسد." هوش مصنوعی نمی داند چیست. می تواند مشاهداتی ایجاد کند که قابل قبول به نظر می رسند اما رخ نمی دهند. AI فرمت می کند و یادآوری می کند، شما مشاهده را ارائه می دهید.
گام به گام: مستندسازی با هوش مصنوعی
- ایجاد الگو: از هوش مصنوعی یک الگوی نوت بوک آزمایشی مناسب برای پروژه خود بخواهید.
- یادداشت های خام بدهید: یادداشت های پراکنده ای را که در آزمایشگاه نگه می دارید به هوش مصنوعی بدهید.
- ویرایش: هوش مصنوعی یادداشت ها را در قالب قرار می دهد، قسمت های از دست رفته را با "?" پر کنید. آن را با علامت گذاری کنید.
- شما شکاف ها را پر می کنید: شکاف های مشخص شده توسط هوش مصنوعی را با اطلاعات واقعی پر کنید.
- بررسی تکرارپذیری: "آیا شخص دیگری می تواند آزمایش را با این ضبط تکرار کند؟" از هوش مصنوعی بخواهید آن را بررسی کند.
- نسخه و امضا: اضافه کردن تاریخ، نسخه، امضا. آن را در قالبی غیرقابل تغییر ذخیره کنید.
چهار قالب قابل کپی
1) تولید الگوی دفترچه یادداشت آزمایش:
وظیفه: یک الگوی نوت بوک آزمایشی برای آزمایش سنتز آلی تولید کنید. بخش ها: هدف، مواد (نام، مقدار، مقدار مول در گرم، خلوص)، روش (مرحله)، مشاهدات، نتایج (بازده، مشخصات)، انحراف از طرح، نکات ایمنی، دفع زباله، تاریخ/امضا. فیلدهایی را که باید در زیر هر بخش پر شوند با پرانتز نشان دهید.
2) ساده کردن نت های خام:
در زیر یادداشتهای آزادانهای هستند که در آزمایشگاه نگهداری میکردم:[RAW NOTES]وظیفه: آنها را در الگوی دفترچه یادداشت آزمایشی قرار دهید. فیلدیهایی را که اطلاعات گم شدهاند بهعنوان [مفقود شده - تکمیل کنید] علامتگذاری کنید. FINISH: هیچ مشاهده یا عددی را که در یادداشتهای من نیست اضافه نکنید.
3) بازرسی تکرارپذیری:
در زیر یک آزمایش ضبط شده است:[RECORDING]وظیفه: آیا شیمیدان دیگری می تواند این ضبط را بخواند و آزمایش را دقیقا تکرار کند؟ اطلاعات گمشده (مقدار، دما، زمان، ترتیب اضافه، جزئیات تصفیه) را یکی یکی فهرست کنید. فقط اطلاعات از دست رفته را نشان دهید. خودت پر کنی
4) خلاصه خصوصیات (برای مقاله):
در زیر دادههای مشخصه یک ترکیب (NMR، IR، MS، بازده) آمده است:[DATA]وظیفه: آنها را در قالب "بخش تجربی" یک مقاله مجله مرتب کنید (نشانگذاری استاندارد: بازده، 1H NMR (حلال، فرکانس): ...، HRMS: ...). تغییر داده های من؛ فقط فرمتش کن
اعلان ضعیف / اعلان قوی
ضعیف:
گزارشی برای این آزمایش بنویسید: من آسپرین را سنتز کردم.
هوش مصنوعی شکاف ها را تشکیل می دهد: کمیت ها، مشاهدات، کارایی همه به توهم تبدیل می شوند. این یک رکورد جعلی است.
قوی:
رکورد آزمایش را با داده های واقعی من در زیر ویرایش کنید: - 2.00 گرم اسید سالیسیلیک، 5 میلی لیتر انیدرید استیک، 5 قطره H2SO4. - حمام آب 85 درجه سانتیگراد، 15 دقیقه. وقتی خنک شد متبلور شد. - صاف شد و با آب سرد شسته شد. محصول خشک: 2.15 گرم. mp 134-136 درجه سانتیگراد. وظیفه: ترتیب در فرمت نوت بوک تجربی. اگر قسمتی وجود ندارد، [مفقود شده] را علامت بزنید. داده های من را تغییر ندهید یا اضافه نکنید.
تفاوت: داده های واقعی داده شده، AI فقط قالب بندی شده، ساخت ممنوع، حذفیات پرچم گذاری شده است.
نوت بوک کاغذی، ELN و گردش کار مبتنی بر هوش مصنوعی
اندازه
دفترچه کاغذی
ELN
پشتیبانی از هوش مصنوعی
قابلیت جستجو
پایین
بالا
متن را ساختار می دهد
ثبات
امضای فیزیکی
نسخه/مهر زمان
(سوابق را نگه نمی دارد)
سرعت
کند
متوسط
بالا (قالب بندی)
خطر خطا
ناخوانایی
کپی پیست
خطر ساخت
بهترین نقش
مشاهده فوری
آرشیو دائمی
مقررات / حسابرسی
موارد کوچک
مورد 1 - انحراف از دست رفته پرهزینه بود. یک دانش آموز به طور تصادفی واکنشی را در دمای 80 درجه سانتیگراد به جای 60 درجه سانتیگراد برنامه ریزی شده انجام داد اما این را ثبت نکرد. محصول به طور غیر منتظره ظاهر شد. وقتی سه هفته بعد دوباره تکرار شد، هیچ کس تفاوت دما را نمی دانست. اگر فیلد «انحراف طرح» در دفتر کل با هوش مصنوعی وجود داشت و پر می شد، مشکل بلافاصله مشاهده می شد. درس: ثبت انحرافات. با ارزش ترین اطلاعات آنجاست.
مورد 2 - خطر مشاهده ساختگی. یکی از کاربران به هوش مصنوعی گفت که "مشاهدات گزارش را نیز بنویسد"؛ YZ نوشت "محلول شفاف و بی رنگ بود" اما در واقع محلول زرد بود (نشانه ای از یک محصول جانبی). کاربر متوجه شد و آن را رفع کرد. درس: هرگز هوش مصنوعی را با مشاهده مطابقت نکنید، سرنخ های مهم را پنهان می کند.
مورد 3 - ممیزی تکرار پذیری برنده شد. محققی از ضبط شده خود از هوش مصنوعی می پرسد: "آیا شخص دیگری می تواند آن را تکرار کند؟" او آن را بازرسی کرد. YZ دریافت که ترتیب افزودن (اول اسید یا ابتدا انیدرید) نامشخص است. این جزئیات برای کارایی مهم بود. کاربر اضافه شد. درس: هوش مصنوعی به عنوان یک بررسی کننده تشخیص نارسایی ارزشمند است.
اشتباهات رایج
- ایجاد مشاهدات متناسب با هوش مصنوعی. این تقلب علمی است و سرنخ های حیاتی را از بین می برد.
- عدم ثبت انحرافات هر کاری که متفاوت از برنامه انجام می شود، مهمترین اطلاعاتی است که نتیجه را توضیح می دهد.
- نوشتن مقادیر ناقص عباراتی مانند "تا حدودی"، "به اندازه کافی" تکرارپذیری را از بین می برد. جرم/مول/حجم بدهید.
- رد شدن از منابع / منابع تعداد زیادی معرف امکان ردیابی مشکلات ناشی از ناخالصی ها را فراهم می کند.
- "زیبایی" ضبط پس از آن. تصحیح / صیقل دادن داده ها پس از این واقعیت، تقلب داده است.
- داده های خام را ذخیره نمی کند. سوابق خام مانند فایل های طیف و برگه های وزن باید بایگانی شوند.
نکته: یک قانون سرانگشتی خوب: "دفتر یادداشت آزمایشی باید به اندازه کافی دقیق باشد تا فردی که شش ماه بعد چیزی به خاطر نمی آورد، بتواند آزمایش را تکرار کند." از هوش مصنوعی بخواهید ثبت نام شما را با این چشم بررسی کند.
به طور خلاصه
- مستندسازی اساس تکرارپذیری است. باید کامل و صادق باشد
- فرمت های هوش مصنوعی، اسناد را فراخوانی و ممیزی می کند. اما شما مشاهدات و حقایق را ارائه می دهید.
- هرگز هوش مصنوعی را مجبور نکنید که مشاهدات را تطبیق دهد. انحرافات را حتما ثبت کنید.
- استفاده از هوش مصنوعی به عنوان "بازبینی کننده گمشده": آیا ضبط قابل تکرار است؟
- ذخیره داده های خام؛ زیبا کردن رکورد بعداً جعل است.
وظیفه کاربردی
از آزمایشی که واقعاً انجام دادهاید (یا با جزئیات درباره آن اطلاعات دارید، یادداشتهای خامی بگیرید). از هوش مصنوعی بخواهید یک الگوی نوت بوک آزمایشی ایجاد کند، سپس یادداشت های خود را در آن قرار دهید و موارد گم شده را علامت گذاری کنید (بدون جعلی). سپس بپرسید "آیا شخص دیگری می تواند ضبط را تکرار کند؟" از هوش مصنوعی بخواهید آن را بررسی کند و شکاف های پیدا شده را با اطلاعات واقعی پر کند. سعی کنید حداقل سه حذف/انحراف را پیدا کنید. ثبت نهایی را با تاریخ و امضا تکمیل کنید.
چک لیست
- [ ] رکورد آزمایش من شامل هدف، ماده، روش، مشاهده، نتیجه، انحراف است.
- [ ] من خودم مشاهدات را می نویسم، آنها را با هوش مصنوعی اقتباس نکرده ام.
- [ ] من هر انحراف از برنامه را ثبت می کنم.
- [ ] من مقادیر را به صورت جرم/مول/حجم، مقدار/منبع می نویسم.
- [ ] من هوش مصنوعی ضبط را برای تکرارپذیری بررسی می کنم.
- [ ] من داده های خام را نگه می دارم و بعداً ضبط را زیبا نمی کنم.