La compañía japonesa de Sakana anunció recientemente que el artículo científico se recibió completamente en el evento científico, después de la prueba de reexaminación de la prueba (significa que los autores no saben quién revisa su artículo, y los revisores no saben quién es el autor. Esto representa un rechazo extraordinario, porque el Comité Científico anteriormente aceptó el documento realizado en la Comisión de Inteligencia de Inteligencia Antificial.
Objetivo y científico
En agosto de 2024. Sakana ha publicado un texto y un científico en su sitio web: según un descubrimiento científico abierto y totalmente automatizado. Basado en el desarrollo de LLM (grandes modelos de idiomas, modelos de idiomas grandes), estas visiones de investigación decidieron soñar muy bien y hacer esta pregunta: "¿Podemos usar modelos básicos para automáticamente automáticamente todo el proceso de investigación?" Fue un uso especial de inteligencia artificial generativa.
A través de la IA generativa (que no debe interferir con la IA general, incluso si comparten acrónimos), es posible generar nuevo contenido a partir de grandes cantidades de información utilizada previamente para el sistema "Train". "
Estos investigadores han propuesto el desafío de desarrollar fondos informáticos totalmente automáticos que puedan implementar una tarea de investigación científica de manera independiente: una propuesta de hipótesis, experimentos, verificación de resultados y conclusiones. Por supuesto, limitado a un campo muy específico: investigación automática de aprendizaje.
¿El sistema violó su código?
La publicación de este artículo siguió los siguientes meses de noticias sensacionales, todo es similar, lo que realmente tiene que ver con aspectos bastante marginales y proyectos científicos. El sistema logró cambiar su propio código para evitar las restricciones que imponen sus creadores.
De esta manera, puede sonar alarmante, pero no es difícil entender lo que realmente sucedió: el sistema tenía una serie de limitaciones y una serie de objetivos; Dependiendo de la jerarquía concreta entre ellos, era posible omitir el límite (por ejemplo, el límite de tiempo) para cumplir mejor con algún objetivo (por ejemplo, la eficiencia alcanzada). No tiene nada que ver con la supuesta "Rebelión de la máquina".
Siguiente paso: superar la revisión por pares
En otra publicación, hace solo unas semanas, anunciaron que la primera vez un documento preparado por AI Scientist (Versión 2) aceptó en los días científicos. Ellos dicen que:
"El artículo fue generado por una versión mejorada del científico original de IA, que se llamaba 2025. Taller ICLR (Conferencia internacional sobre el equipo para realizar manuscritos doble ciego. (Ya nuestro científico de IA) para participar en una limitación práctica del aprendizaje profundo.
La descripción parece bastante razonable, sin caer en demasiado sensacionalismo y con el proceso de elaborar y revisar el artículo honesto en sí. Los asiste. Por ejemplo, está claro que su herramienta ha creado una serie de artículos científicos (no dicen cuánto) y los eligieron y enviaron tres para su revisión, dos de los cuales fueron rechazados y solo aceptados y solo uno aceptado.
Pero eso no significa que AI Tool pueda investigar solo. Sería como construir una máquina libre en su sentido. Sería necesario que una herramienta salga del paradigma de la computadora y que nadie sepa cómo hacerlo; Porque, en el fondo, es algo contradictorio: programar una máquina para hacer algo que no esté programado.
Efecto en la investigación académica
Para comprender el alcance de las noticias, es necesario conocer el contexto de la investigación académica en la que estamos inmersos.
En la conferencia en el primer nivel, como la relación ICLR de la aceptación de artículos científicos está en el rango del 20-30%, mientras que en los talleres que siguieron, 60-70%.
El proceso de auditoría suele ser mucho más rápido y menos exigente. Por lo general, los talleres son excelentes oportunidades para aquellos que comienzan en la investigación académica (estudiantes de doctorado) para establecer el contacto con las conferencias más prestigiosas sin la necesidad de superar un proceso de revisión muy difícil.
Además, ciertas áreas de investigación académica están extremadamente protocoladas. Es aquí justo donde la IA tiene la oportunidad de ser más efectiva, imitando una tarea humana bastante estandarizada y dar un golpe.
¿Qué valor tienen los artículos científicos?
Finalmente, vivimos una verdadera crisis de publicaciones y literatura científica que nadie lee (o casi nadie). Es, en el caso de talleres, revisores y más personas, tal vez algunas de las otras presentes. En ese sentido, no es muy exitoso decir que con IA qué documentos dicen que contribuye a la promoción del conocimiento. No hay conocimiento sin una entidad cognitiva. Si tengo IA dedicada a los miles de artículos científicos picantes que nadie lee, no crece conocimiento.
Entonces, ¿qué es todo esto, por qué poner tanto esfuerzo y dinero en la organización de conferencias científicas?
Dejando de lado que la burbuja de publicación científica es ciertamente la corrupción del sistema y la enfermedad científica académica, creo que hay un aspecto positivo.
Es importante quien escribe
El principal afrutado del trabajo científico no es un artículo (producto), sino la formación de aquellos que escriben (autor). El investigador debe aprender a escribir artículos relevantes, con un pedido y estricto, y debe enfrentar críticas de revisores.
Usando analogía, competiciones deportivas, de muchas maneras diferentes, lleva fruto, pero lo más importante es que los atletas mejoran sus habilidades físicas. ¿Qué sentido tendría que incluir una máquina entre corredores en Athletic Road? Esto podría tener interés en los creadores de la máquina, y tal vez para un show de carrera, pero no hay interés en el atletismo: en realidad no está mejorando la competencia.
El principal progreso de la ciencia no se ha publicado, sino científicos que los escriben.
0 Comentarios