Recenzja naukowa jest kluczowym elementem badań naukowych. Odgrywa istotną rolę w zagwarantowaniu prawdziwości i dokładności wyników przed ich publikacją. Jednak proces recenzji naukowej jest prowadzony przez ludzi, a ludzie nieuchronnie popełniają błędy. Nowe technologie mogą jednak pomóc w ich naprawie.
BeInCrypto rozmawiało ze współzałożycielem YesNoError Mattem Schlichtem i CEO Mira Network Magnusem Brattem, aby zrozumieć, jak sztuczna inteligencja (AI) i zdecentralizowana nauka (DeSci) łączą siły, by przekształcić procesy recenzji naukowej.
Cena wadliwego nadzoru
Nawet najinteligentniejsi ludzie popełniają błędy. W nauce te błędy mogą mieć ogromne konsekwencje. Historia – zarówno ta niedawna, jak i dawna – wielokrotnie to udowodniła.
W 1998 roku NASA wystrzeliła Mars Climate Orbiter, aby zbadać atmosferę planety. Projekt wymagał inwestycji 125 mln USD i prawie 10 miesięcy podróży, aby tam dotrzeć.
Po przybyciu orbiter spłonął i rozpadł się, a NASA szybko uznała misję za nieudaną. Najbardziej bolesne było to, że przyczyną niepowodzenia misji był prosty błąd nawigacyjny.
Zespół nawigacyjny kierowany przez Jet Propulsion Laboratory (JPL) używał jednostek metrycznych w swoich obliczeniach. Tymczasem Lockheed Martin Astronautics, projektant i budowniczy statku kosmicznego, dostarczył kluczowe dane dotyczące przyspieszenia w jednostkach angielskich.
Nieprzekształcenie jednostek angielskich na metryczne przez Lockheed Martin było przyczyną krytycznego błędu, który spowodował, że statek kosmiczny zbliżył się zbyt blisko Marsa i spłonął po przybyciu. Bratt powiedział BeInCrypto:
„Tradycyjna recenzja naukowa jest z natury ograniczona przez błędy ludzkie i subiektywność. Recenzenci mogą przeoczyć kluczowe błędy metodologiczne lub statystyczne z powodu indywidualnych uprzedzeń, konfliktów interesów lub po prostu ograniczeń ręcznej analizy.”
Późniejsze dochodzenia wykazały, że brak rygorystycznej, niezależnej recenzji naukowej obliczeń nawigacyjnych przyczynił się do tego, że błędy konwersji jednostek pozostały niezauważone. Jednak w ostatnich latach mechanizmy recenzji naukowej nie zdołały wykryć takich prostych błędów.
Ostatni przypadek błędu ludzkiego w nauce
Jednym z najnowszych wydarzeń, które pokazuje skalę błędów ludzkich w recenzowanych badaniach naukowych, miało miejsce w zeszłym roku. W październiku w czasopiśmie Chemosphere opublikowano badanie, które ujawniło, że elektroniczne środki opóźniające palenie znajdują się w niektórych czarnych plastikowych produktach domowych, takich jak przybory kuchenne.
Badanie wywołało liczne doniesienia medialne, w tym artykuły w takich mediach jak The Atlantic i National Geographic, które zachęcały konsumentów do pozbycia się czarnych plastikowych przyborów kuchennych. Wywołało to również falę publicznego zaniepokojenia w mediach społecznościowych.
Jednak w grudniu, za 30 centów i w 30 sekund, zapytanie OpenAI przeglądające wyniki badania wykazało, że autorzy pominęli zero. W korekcie stwierdzono:
„Pomyłkowo obliczyliśmy dawkę referencyjną dla dorosłego o masie 60 kg, początkowo szacując ją na 42 000 ng/dzień zamiast prawidłowej wartości 420 000 ng/dzień.”
Oryginalne badania zawierały znaczący błąd o czynnik 10. Podano, że narażenie wynosiło 80% legalnego limitu dla pewnej toksyny, gdy w rzeczywistości było to tylko 8%. Innymi słowy, ten błąd znacznie zawyżył narażenie na te toksyny. Schlicht powiedział:
„Powiedziałbym, że największym ograniczeniem, które jest bardzo oczywiste, że recenzje naukowe mają, jest to, że ludzie popełniają błędy. To są bardzo inteligentni ludzie. To zostało opublikowane wszędzie. Trwało to dwa miesiące, a miliony ludzi widziały ten artykuł i nikt tego nie zauważył. Okazuje się, że jeśli weźmiesz ten artykuł i wyślesz go do najnowszego modelu OpenAI, po prostu zapytasz: ‘hej, czy są jakieś błędy w tym artykule?’ Za około 30 centów i w 30 sekund, natychmiast mówi tak.”
W odpowiedzi na te wydarzenia, zwolennicy AI i DeSci zauważyli te wady tradycyjnych podejść do nauki.
Nowe spojrzenie na recenzowanie naukowe z AI i DeSci
Koncepcja recenzji naukowej istnieje od wieków. Od momentu jej powstania przeszła kilka zmian. Bratt wyjaśnia:
„Recenzja naukowa nie zawsze była formalnym, anonimowym procesem, który znamy dzisiaj. W początkowych dniach czasopism naukowych (połowa XVII wieku), redaktorzy, tacy jak Henry Oldenburg w Royal Society, decydowali, co publikować, bez konsultacji z zewnętrznymi ekspertami. W XVIII i XIX wieku, gdy społeczności naukowe się rozrastały, nieformalne dyskusje i wewnętrzne oceny stopniowo przekształcały się w bardziej systematyczną praktykę. W połowie XX wieku, gdy produkcja badań eksplodowała, czasopisma przyjęły ustrukturyzowaną, zewnętrzną recenzję naukową (często z anonimowymi recenzentami), aby pomóc w utrzymaniu jakości i sprawiedliwości. Dziś widzimy różne modele — od recenzji jedno- i podwójnie ślepych po otwarte i po publikacji — odzwierciedlające ciągłe wysiłki na rzecz równoważenia przejrzystości, efektywności i rygoru w szybko rosnącym krajobrazie naukowym.”
DeSci zyskało na popularności, aby znaleźć rozwiązania technologii Web3 w celu rozwiązania krytycznych wyzwań, które pojawiają się w ramach tradycyjnego podejścia do badań naukowych. W rezultacie agenci AI stali się oczywistym rozwiązaniem dla potencjalnie katastrofalnych konsekwencji, jakie błąd ludzki może mieć na mechanizmy recenzji naukowej. Następnie nasz rozmówca dodaje:
„Sztuczna inteligencja może automatycznie wykrywać błędy, niespójności i plagiaty, jednocześnie dopasowując rękopisy do najbardziej odpowiednich recenzentów — pomagając zmniejszyć uprzedzenia i odciążyć recenzentów. Zdecentralizowane platformy naukowe, wykorzystujące blockchain lub podobne technologie, mogą przechowywać historie recenzji w sposób przejrzysty i umożliwiać oceny tłumów, zwiększając odpowiedzialność i zaufanie. Razem te narzędzia usprawniają i poprawiają recenzję naukową, zapewniając szybszą, bardziej niezawodną kontrolę jakości.”
Te nowo powstające technologie również uczyniły wkłady w recenzje naukowe bardziej dostępnymi.
„Zdecentralizowana nauka i sztuczna inteligencja mogą ogromnie pomóc w recenzjach naukowych, obniżając ich koszt dzięki możliwości przeprowadzenia ich przez AI za ułamek kosztów i znacznie szybciej. DeSci może dać każdemu możliwość posiadania nieskończonych recenzji naukowych natychmiastowo.”
Efektywność, szybkość, decentralizacja i redukcja kosztów mogą otworzyć nowe drogi do rozwiązywania skomplikowanych problemów naukowych, które dotychczas opierały się rozwiązaniom.
Przyspieszanie postępu naukowego dzięki AI
Nowe technologie, takie jak AI, oferują obiecujące podejścia do złożonych wyzwań naukowych. Należą do nich badania nad rakiem, długowiecznością człowieka i chorobą Alzheimera.
Dzięki wiekom badań naukowych, czasopisma na całym świecie publikują dziś miliony artykułów naukowych, co przekłada się na ogromne ilości danych. Agenci AI mogą przechowywać, filtrować i analizować istniejące zbiory danych w tempie, które jest dziś niemożliwe dla ludzi. Bratt powiedział w rozmowie dla BeInCrypto:
„Sztuczna inteligencja przekształca badania nad rakiem i niesie ogromne nadzieje na przyspieszenie odkrywania skutecznych terapii. Narzędzia AI już teraz okazują się nieocenione, szybko przeszukując ogromne zbiory danych w celu odkrycia markerów genetycznych i nowych celów leków, modelując, jak rozwijają się nowotwory, a nawet sugerując innowacyjne kombinacje terapii. Te przełomy nie tylko przyspieszają wczesne fazy odkryć, ale także optymalizują projektowanie badań klinicznych i przewidują reakcje pacjentów z coraz większą dokładnością. Chociaż rak pozostaje złożonym zestawem chorób, rosnący wpływ AI sprawia, że cel wyleczenia staje się coraz bardziej osiągalny i dodaje energii całej społeczności badawczej.”
YesNoError (YNE) Schlichta stworzył whitepaper dla zdecentralizowanej inicjatywy, która wykorzystuje zaawansowane duże modele językowe (LLM) do systematycznego audytu całej istniejącej literatury naukowej. Token YNE opiera się na modelu ekonomicznym, w którym posiadacze tokenów mogą głosować, które projekty powinny mieć priorytet.
Agenci AI są odpowiedzialni za skanowanie błędów, od prostych błędów obliczeniowych po fałszowanie danych. Szerszym celem projektu jest opracowanie narzędzia do weryfikacji twierdzeń naukowych dostępnego dla badaczy, instytucji i społeczeństwa. Schlicht stwierdza:
„Ile artykułów naukowych napisano na temat długowieczności? Powiedzmy, że to milion. Powiedzmy, że jesteś laboratorium skupionym na długowieczności. Rozmiar twojego zespołu, który byłby potrzebny z ludzkiej perspektywy, aby nie tylko przeczytać milion artykułów, ale także dokładnie je przeanalizować i zsyntetyzować te dane, nie jest wykonalny na ludzką skalę. Ale kiedy zaczynasz projektować system z agentami AI, który może przeczytać milion artykułów praktycznie natychmiast, możesz zorganizować te AI, aby doszły do wniosków, wróciły z zsyntetyzowaną informacją, a następnie przekazały ją zespołowi ludzkiemu. To bardzo jasny sposób, w jaki AI może pomóc w osiąganiu przełomów w długowieczności lub jakimkolwiek innym celu naukowym.”
Inni główni gracze zaczynają dostrzegać ten coraz bardziej popularny trend. Advanced Micro Devices (AMD) i naukowcy z Johns Hopkins University niedawno opracowali Agent Laboratory. Ta struktura AI ma na celu automatyzację kluczowych części badań naukowych.
System ten wykorzystuje duże modele językowe do przeprowadzania przeglądów literatury, projektowania eksperymentów i generowania raportów, w tym kodu i dokumentacji. Nie jest jednak zdecentralizowany ani oparty na modelu tokenowym. Wstępne wyniki sugerują, że struktura może obniżyć koszty badań o 84% w porównaniu z innymi zautomatyzowanymi metodami, nie obniżając jakości badań.
Jednakże, jeśli inne projekty w sektorze kryptowalut zamierzają rozwijać podobne inicjatywy, AI w DeSci może ostatecznie mieć obiecującą przyszłość.
Jasne perspektywy AI i DeSci
Według CoinGecko kapitalizacja rynkowa DeSci wynosi 1,05 mld USD w momencie pisania tego tekstu. W ciągu ostatniego roku sektor wykazał stały wzrost i ciągłą innowację. Wiele z nowszych projektów szybko stało się głównymi graczami.
Schlicht i Bratt przewidują, że wielkość rynku zdecentralizowanej nauki wzrośnie wykładniczo. Schlicht stwierdza:
„Myślę, że za 10 lat kapitalizacja rynkowa DeSci może być ponad 10 000 razy większa niż obecnie. Dzięki połączeniu sztucznej inteligencji, decentralizacji i tokenów, nauka ma szansę na wykładniczy wzrost przełomów.”
W tym kontekście Bratt dodał:
„Jeśli się uda, może łatwo stać się 5-10% globalnego rynku badań naukowych, który już jest wart biliony.”
Jednakże oczekują również, że DeSci napotka opór ze strony tradycyjnych lobbystów medycznych i naukowych.
Stawiając czoła status quo
Podczas gdy badania naukowe mogą być finansowane z grantów różnych agencji rządowych, instytucji i fundacji, w większości finansują je prywatne korporacje.
Raport UCLA z 2023 roku wskazuje, że niemal 80% z około 57 mld USD wydanych na badania nad rakiem w USA w 2021 roku pochodziło z sektora prywatnego, głównie dużych firm farmaceutycznych. Raport wskazuje również na ograniczone dzielenie się wynikami badań. Dalej Bratt dodaje:
„Istnieją interesy, które mogą lobbować za zakazem takich działań rynkowych, aby chronić obecnych graczy.”
Dla Schlichta, DeSci to szansa na przeciwstawienie się prywatnym interesom:
„Wcześniej korporacje mogły kontrolować, które badania są finansowane. DeSci to zmienia i pozwala każdemu uzyskać finansowanie, jeśli ludzie uważają, że ich pomysł jest dobry.”
Ponieważ technologia blockchain umożliwia anonimowość i priorytetowo traktuje prywatność, twierdzi, że innowatorzy będą trudniejsi do zidentyfikowania:
„Nie wierzę, że lobbyści będą w stanie zatrzymać DeSci. Następny Einstein może być anonimowy. Może to być ktoś z awatarem pingwina lub zdjęciem profilowym żaby. Może to być ktoś z NFT jako profilem i mnóstwem liczb w imieniu. Lobbyści nie mogą ich nawet znaleźć, ponieważ nie wiedzą, kim są, a są finansowani w zdecentralizowany sposób. Mają nawet zespół innych pseudonimowych osób, które z nimi pracują, zarówno ludzi, jak i AI.”
Jednak zanim rozważymy potencjalną rywalizację między tradycyjnymi lobbystami medycznymi a innowatorami w zdecentralizowanej nauce, DeSci wciąż jest na drodze do dojrzałości.
Ostatecznie połączenie AI i DeSci oferuje potężny nowy paradygmat dla badań naukowych. Ta szansa ma potencjał, aby zwiększyć wiarygodność i efektywność recenzji naukowej, demokratyzować dostęp do finansowania i przyspieszać przełomy w różnych dziedzinach nauki.
Monitorowanie postępów AI i zdecentralizowanej nauki będzie kluczowe dla odpowiedzialnej integracji tych technologii w badaniach naukowych.
Aby zapoznać się z najnowszą analizą rynku kryptowalut przez BeInCrypto, kliknij tutaj.
Wyjaśnienie
Wszystkie informacje zawarte na naszej stronie internetowej są publikowane w dobrej wierze i wyłącznie w ogólnych celach informacyjnych. Wszelkie działania podejmowane przez czytelnika w związku z informacjami znajdującymi się na naszej stronie internetowej odbywają się wyłącznie na jego własne ryzyko.
