การทบทวนวรรณกรรมและการวางแผนการสังเคราะห์: แหล่งที่มา ขั้นตอน และแผนงาน

กำไร:

• ความสามารถในการวางตำแหน่งปัญญาประดิษฐ์เป็นเครื่องมือที่เป็นอันตรายในการผลิตการอ้างอิงที่มีประสิทธิภาพและเป็นรูปธรรมในแนวคิด บทคัดย่อ และกลยุทธ์การค้นหา
• ความสามารถในการลดความเสี่ยงของแหล่งที่มาปลอมโดยการตรวจสอบการอ้างอิงและ DOI แต่ละรายการในฐานข้อมูล
• ความสามารถในการสร้างขั้นตอนการทำงานที่ปลอดภัยซึ่งมนุษย์ค้นหาบทความจริงและสรุปข้อความเป็นปัญญาประดิษฐ์

การวางแผนทบทวนวรรณกรรมและสังเคราะห์: แหล่งที่มา ขั้นตอน และแผนการทำงานด้วย AI

โครงการเคมีทุกโครงการเริ่มต้นด้วยการทบทวนวรรณกรรม: "สารประกอบนี้เคยถูกสร้างมาก่อนหรือไม่ โดยวิธีใด ให้ผลผลิตเท่าใด" AI เป็นตัวเร่งที่ยอดเยี่ยมในระยะนี้ สรุปหัวข้อ อธิบายแนวคิดหลัก สร้างคำค้นหา สรุปขั้นตอน แต่ยังเป็นสาเหตุของข้อผิดพลาดที่อันตรายที่สุดในวิชาเคมีด้วย นั่นคือการระบุแหล่งที่มาปลอม AI สามารถสร้างบทความ ผู้เขียน และ DOI ที่ดูสมจริงแต่ไม่มีอยู่เลย ในหน่วยนี้ เราจะเรียนรู้การใช้ AI ในการวางแผนงานวรรณกรรมและการสังเคราะห์ แต่ต้องไม่ละทิ้งวินัยในการอ้างอิง

เหตุใดวินัยในการอ้างอิงจึงมีความสำคัญ

โมเดลภาษาสร้างข้อความ ไม่สอบถามฐานข้อมูล (เว้นแต่จะระบุไว้เป็นอย่างอื่น) “วารสารเคมีอินทรีย์, 2018, 83, 4521, Zhang และคณะ” ทรัพยากรของแบบฟอร์มเป็นเพียง "ชุดคำและตัวเลขที่ดูเหมือนเป็นไปได้" สำหรับโมเดล แหล่งที่มานี้อาจมีหรือไม่มีอยู่จริง โมเดลไม่ได้แยกความแตกต่างระหว่างทั้งสอง ดังนั้นจึงไม่มีการใช้การอ้างอิงที่ YZ มอบให้โดยไม่ได้รับการยืนยันในฐานข้อมูล (ตัววิเคราะห์ DOI, PubMed, Crossref, ไซต์ผู้เผยแพร่)

ข้อควรสนใจ: เพียงเพราะ AI ให้ DOI ไม่ได้หมายความว่า DOI นั้นถูกต้อง แก้ไข DOI ได้ที่ https://doi.org/; หากไม่นำไปสู่บทความ แสดงว่าแหล่งที่มานั้นก็ไม่มีอยู่ แม้ว่าชื่อและผู้แต่งจะดูน่าเชื่อถือก็ตาม

โดยที่ AI นั้นแข็งแกร่งและอ่อนแอในวรรณคดี

• ทรงพลัง: อธิบายแนวคิด, สรุประดับปฏิกิริยา, สร้างคำค้นหา, สรุปขั้นตอนทั่วไปของกระบวนการ, สรุปข้อความของบทความ (เมื่อคุณวาง)
• จุดอ่อน: การให้ "จากหน่วยความจำ" ของการมีอยู่ของบทความเฉพาะ ข้อมูลหน้า/ปริมาณ/DOI ที่แน่นอน มูลค่าผลลัพธ์ที่แน่นอน เหล่านี้เป็นพื้นที่ที่เปิดกว้างสำหรับการผลิตมากที่สุด

ความแตกต่างนี้ทำให้เกิดกลยุทธ์ต่อไปนี้: ใช้ AI เป็นเครื่องมือประมวลผลข้อความ (การสรุป การจัดหมวดหมู่) ไม่ใช่แหล่งที่มาของความจริง เจอบทความจริงให้ AI อ่านสรุปให้

ทีละขั้นตอน: เอกสารที่ปลอดภัย + ขั้นตอนการวางแผน

1. เรียนรู้แนวคิด: ให้ AI อธิบายหัวข้อ คลาสปฏิกิริยา และคำศัพท์ ที่นี่ความเสี่ยงของการประดิษฐ์ต่ำ
2. สร้างคำค้นหา: ถาม AI สำหรับคำหลัก/คำพ้องความหมาย 8-10 คำและวารสารที่เป็นไปได้ ค้นหาฐานข้อมูลจริงด้วยสิ่งเหล่านี้
3. รับบทความจริง: ค้นหาบทความด้วยตัวคุณเองจาก PubChem/Reaxys/Google Scholar
4. สรุป: วางข้อความของบทความลงใน AI และจัดทำสรุปที่มีโครงสร้าง (วิธีการ เงื่อนไข ผลลัพธ์ ข้อจำกัด)
5. จัดทำแผน: สร้างแผนงานการสังเคราะห์สำหรับเป้าหมาย เชื่อมต่อแต่ละรุ่งกับแหล่งที่มาจริง
6. ตรวจสอบ: แก้ไขการอ้างอิงแต่ละรายการด้วย DOI; เปรียบเทียบจำนวนวิกฤตแต่ละตัวกับข้อความต้นฉบับ

เทมเพลตที่สามารถคัดลอกได้สี่แบบ

1) แนวคิด + การสร้างคำค้นหา (พื้นที่ปลอดภัย):

หัวข้อ: การสร้างพันธะอะริล-อาริลผ่านปฏิกิริยาคู่ควบของซูซูกิ-มิยาอุระ ภารกิจ:1) อธิบายปฏิกิริยาใน 5 ประโยค (กำหนดคำศัพท์)2) สร้างคำหลัก/คำพ้องความหมาย 10 คำสำหรับการค้นหาวรรณกรรม 3) แนะนำวารสาร 5 ฉบับที่มีการตีพิมพ์หัวข้อนี้บ่อยๆ กฎ: ห้ามระบุบทความ/DOI เฉพาะเจาะจง ฉันจะค้นหาพวกเขาในฐานข้อมูล

2) การสรุปบทความ (คุณระบุข้อความ):

ฉันกำลังวางส่วนทดลองของบทความไว้ด้านล่างนี้[ข้อความ]งาน: สรุปด้วยหัวข้อต่อไปนี้:- สารประกอบเป้าหมายและความสำคัญของมัน- วิธีการ/รีเอเจนต์ที่ใช้- สภาวะ (อุณหภูมิ เวลา ตัวทำละลาย)- ผลผลิต- ข้อจำกัดที่ระบุอย่าบวกตัวเลขใดๆ ที่ไม่ใช่ในข้อความ หรือเขียนว่า "ไม่ระบุ"

3) แผนงานการสังเคราะห์ (ขึ้นอยู่กับแหล่งที่มา):

เป้าหมาย: 2-ฟีนิลเบนซิมิดาโซล (SMILES: c1ccc(cc1)c1nc2ccccc2[nH]1) งาน: จัดทำร่างแผนการสังเคราะห์ 2 ขั้นตอน สำหรับแต่ละขั้นตอน: รีเอเจนต์ สภาวะ วิธีการทำให้บริสุทธิ์ กฎ: สำหรับแต่ละขั้นตอน ให้เพิ่มข้อมูล "การอ้างอิงทั่วไปของปฏิกิริยาประเภทนี้ด้วยคำหลักที่ต้องการค้นหา" ดอยปลอม

4) รายการตรวจสอบการยืนยันการอ้างอิง:

มีการอ้างอิง 4 รายการด้านล่าง สร้างรายการตรวจสอบการตรวจสอบข้อเท็จจริงสำหรับแต่ละฟิลด์: ฉันควรตรวจสอบฟิลด์ใด (DOI วารสาร เล่ม ปี ผู้แต่ง) และที่ใด[อ้างอิง]หมายเหตุ: คุณไม่ได้อ้างว่าการอ้างอิงนั้นถูกต้อง เพียงบอกฉันทีละขั้นตอนวิธีการยืนยัน

พรอมต์อ่อน / พรอมต์แรง

อ่อนแอ:

ขอแหล่งที่มา 5 แหล่งเกี่ยวกับการสังเคราะห์สารประกอบนี้

AI มีแนวโน้มที่จะสร้างการระบุแหล่งที่มาที่สมจริงแต่ยังไม่ได้รับการยืนยัน ซึ่งบางส่วนได้รับการประดิษฐ์ขึ้น

แข็งแกร่ง:

หัวข้อ: การสังเคราะห์สารประกอบ ฉันจะค้นหาแหล่งที่มาที่แท้จริงจากฐานข้อมูล คุณเสริมสร้างกลยุทธ์การค้นหาของฉัน

ความแตกต่าง: เรากำหนดทิศทาง AI ไปสู่งานที่มีความเข้มแข็ง (กลยุทธ์การค้นหา แนวคิด) และเก็บให้ห่างจากงานที่มีแนวโน้มที่จะเกิดการประดิษฐ์ (การระบุแหล่งที่มาที่เป็นรูปธรรม)

ประเภทของแหล่งที่มาและความน่าเชื่อถือ

ที่มา/เครื่องมือ

ให้อะไร

ความน่าเชื่อถือ

บทบาท

AI (โมเดลภาษา) จากหน่วยความจำ

แนวคิด แนวความคิด ค้นหา

มีแนวคิดสูง มีการอ้างอิงต่ำ

แนวคิด/บทสรุป

AI + วางข้อความ

สรุปข้อความที่ให้มา

สูง (ขึ้นอยู่กับข้อความ)

การสรุป

ตัวแยกวิเคราะห์ DOI (doi.org)

ความถูกต้องของการระบุแหล่งที่มา

สูง

การยืนยัน

PubChem / Reaxys / SciFinder

สารประกอบ ปฏิกิริยา แหล่งที่มา

สูง

การค้นหาหลัก

Google Scholar / อ้างอิงข้าม

การค้นหาบทความ การอ้างอิง

สูง

การตรวจสอบ

กรณีขนาดเล็ก

กรณีที่ 1 — แหล่งประดิษฐ์สามแห่ง นักวิจัยถาม AI จาก 6 แหล่งที่มาในหัวข้อ เมื่อเขาแก้ไข DOI ทีละรายการ มี 3 รายการไม่ถูกต้อง พาดหัวข่าวมีความน่าเชื่อถือ แต่บทความไม่ได้เป็นเช่นนั้น การตรวจสอบใช้เวลา 25 นาที แต่ป้องกันไม่ให้มีการอ้างอิงปลอม 3 รายการเข้าสู่บทความ บทเรียน: การอ้างอิงแต่ละรายการได้รับการแก้ไขทีละรายการ

กรณีที่ 2 — ผลตอบแทนที่ผิดพลาด “ประสิทธิภาพคือ 92%” AI กล่าวเมื่อสรุปขั้นตอน เมื่อผู้ใช้พบและดูบทความต้นฉบับ อัตราผลตอบแทนคือ 64% AI ได้ประกอบตัวเลขจากหน่วยความจำ บทเรียน: เปรียบเทียบตัวเลขวิกฤตกับข้อความต้นฉบับ อย่าเชื่อผลสรุปของ AI

กรณีที่ 3 — คุณค่าในแนวคิด ความเสี่ยงในการอ้างอิง นักเรียนให้ AI อธิบายชั้นเรียนปฏิกิริยา คำอธิบายนั้นถูกต้องและให้ความรู้ แล้ว “บทความ 3 อันดับแรก?” เขาพูด; สองในนั้นเป็นการประดิษฐ์ AI ทั้งมีประโยชน์และอันตรายมากในเซสชันเดียวกัน บทเรียน: รถคันเดียวกันแสดงความน่าเชื่อถือที่แตกต่างกันในงานที่ต่างกัน ไว้วางใจตามหน้าที่ของคุณ

ข้อผิดพลาดทั่วไป

• การใช้ข้อมูลอ้างอิงโดยไม่มีการยืนยัน ข้อผิดพลาดที่พบบ่อยที่สุดและร้ายแรงที่สุด อาจนำไปสู่การเพิกถอนบทความ
• รับหมายเลขผลผลิต/เงื่อนไขจากสรุป บทสรุปของ AI บางครั้งสะท้อนถึง "มูลค่าที่เป็นไปได้" มากกว่าแหล่งที่มา เปรียบเทียบกับต้นฉบับ
• เข้าใจผิดว่า AI เป็นเครื่องมือค้นหา โมเดลภาษาจะไม่สอบถามฐานข้อมูลสด เว้นแต่จะระบุไว้เป็นอย่างอื่น ผลิตจากความทรงจำ
• การค้นหาในภาษาเดียว การละคำศัพท์สำคัญออกจากภาษาตุรกี/อังกฤษถือว่าขาดทรัพยากร AI ช่วยในการสร้างคำพ้องความหมาย
• แนวคิดที่สับสนกับแหล่งที่มา ความจริงที่ว่า AI อธิบายแนวคิดที่ถูกต้องไม่ได้บ่งชี้ว่าการอ้างอิงที่ให้นั้นถูกต้อง

เคล็ดลับ: ขั้นตอนการทำงานที่แข็งแกร่งที่สุดคือ “มนุษย์ค้นพบก่อน แล้ว AI จะสรุป” คุณนำบทความจริงมาให้ AI อ่านข้อความ ดังนั้นคุณจึงใช้จุดแข็งของ AI (การสรุป) และปิดการใช้งานจุดอ่อนของมัน (การปรับแหล่งที่มาให้เหมาะสม)

โดยสรุป

• AI เป็นอันตรายในการสร้างการอ้างอิงที่ชัดเจนและเป็นรูปธรรมในแนวคิด สรุป และกลยุทธ์การค้นหาในวรรณกรรม
• การอ้างอิงที่เป็นเท็จ (บทความประดิษฐ์/DOI) เป็นความเสี่ยงด้าน AI ที่ร้ายแรงที่สุดในวิชาเคมี ทุกการอ้างอิงได้รับการยืนยัน
• การไหลที่ปลอดภัยที่สุด: มนุษย์ค้นพบบทความจริง AI สรุปข้อความ
• Take critical numbers, such as yield and condition, from the source text, not the abstract.
• เชื่อมต่อแต่ละขั้นตอนในแผนการสังเคราะห์กับแหล่งที่มาจริง

งานสมัคร

เลือกสารประกอบเป้าหมาย ขั้นแรก ให้ถาม AI สำหรับคำค้นหาและสรุปแนวคิดเท่านั้น (โดยไม่ต้องขอการระบุแหล่งที่มาที่เป็นรูปธรรม) ค้นหาบทความอย่างน้อยสองบทความในฐานข้อมูลจริงที่มีข้อกำหนดเหล่านี้ สรุปข้อความบทความเป็น AI และเปรียบเทียบหมายเลขผลผลิต/เงื่อนไขกับต้นฉบับ แยกกันจงใจถาม AI สำหรับ "5 แหล่งที่มา" และถอดรหัส DOI ที่ให้มาทีละรายการ: มีจริงกี่รายการ? เขียน "รายงานการตรวจสอบการอ้างอิง" หนึ่งหน้า

รายการตรวจสอบ

• [ ] ฉันวางตำแหน่ง AI เป็นเครื่องมือแนวคิด/สรุป ไม่ใช่เครื่องมือค้นหา
• [ ] เมื่อฉันต้องการการอ้างอิงที่เป็นรูปธรรม ฉันจะถอดรหัส DOI แต่ละรายการจาก doi.org
• [ ] ฉันกำลังเปรียบเทียบหมายเลขผลผลิต/เงื่อนไขกับแหล่งที่มาดั้งเดิม
• [ ] พบบทความจริงแล้วให้ AI สรุปข้อความ
• [ ] ฉันถือว่าแต่ละขั้นตอนในแผนการสังเคราะห์มาจากแหล่งที่มา
• [ ] ฉันได้จัดทำรายงานการตรวจสอบการอ้างอิงอย่างน้อยหนึ่งฉบับ