Araştırmacılar için bilimsel makaleleri okumak son derece zaman alıcı olabilir. Bir araştırmaya göre bilim adamları her hafta yedi saatlerini bilgi aramak için harcıyorlar. Başka bir araştırma, sistematik literatür incelemelerinin (belirli bir konudaki kanıtların bilimsel sentezlerinin) beş kişilik bir araştırma ekibi için ortalama 41 hafta sürdüğünü öne sürüyor.
Ama bu şekilde olmak zorunda değil.
En azından yapay zeka girişiminin kurucu ortağı Andreas Stuhlmüller’in mesajı bu: Çıkarmakbilim insanları ve Ar-Ge laboratuvarları için bir “araştırma asistanı” tasarladı. Fifty Years, Basis Set, Illusion ve melek yatırımcılar Jeff Dean (Google’ın baş bilim insanı) ve Thomas Ebeling (eski Novartis CEO’su) gibi destekçileriyle Elicit, literatür taramasının daha sıkıcı yönlerini ortadan kaldırmak için yapay zeka destekli bir araç geliştiriyor.
“Çıkarmak Stuhlmüller, TechCrunch’a bir e-posta röportajında, bilimsel araştırmaları dil modelleriyle otomatikleştiren bir araştırma asistanıdır” dedi. “Özellikle ilgili makaleleri bularak, çalışmalarla ilgili önemli bilgileri çıkararak ve bilgileri kavramlar halinde düzenleyerek literatür taramasını otomatikleştiriyor.”
Elicit, Stanford’un hesaplama ve biliş laboratuvarında eski bir araştırmacı olan Stuhlmüller tarafından 2017 yılında kurulan, kar amacı gütmeyen bir araştırma vakfı olan Ought’tan doğan, kar amacı gütmeyen bir girişimdir. Elicit’in diğer kurucu ortağı Jungwon Byun, çevrimiçi kredi verme şirketi Upstart’ın büyümesine liderlik ettikten sonra 2019 yılında girişime katıldı.
Hem birinci hem de üçüncü taraf çeşitli modelleri kullanan Elicit, makalelerdeki kavramları araştırıp keşfederek kullanıcıların “Kreatinin tüm etkileri nelerdir?” gibi sorular sormasına olanak tanır. veya “Mantıksal akıl yürütmeyi incelemek için kullanılan tüm veri kümeleri nelerdir?” ve akademik literatürden yanıtların bir listesini alın.
Stuhlmüller, “Sistematik inceleme sürecini otomatikleştirerek, bu incelemeleri üreten akademik ve sektörel araştırma kuruluşlarına anında maliyet ve zaman tasarrufu sağlayabiliriz” dedi. “Maliyeti yeterince düşürerek, bir alandaki bilgi durumu değiştiğinde tam zamanında yapılan güncellemeler gibi daha önce maliyeti yüksek olan yeni kullanım durumlarının kilidini açıyoruz.”
Ama durun, diyebilirsiniz ki, dil modellerinin bir şeyleri uydurma eğilimi yok mu? Gerçekten de öyleler. Meta’nın bilimsel araştırmayı kolaylaştırmak için bir dil modeli girişimi, Galaktikamodelin sıklıkla kulağa doğru gelen ancak aslında gerçeklere dayanmayan sahte araştırma makalelerine atıfta bulunduğu keşfedildiğinde, lansmandan yalnızca üç gün sonra kaldırıldı.
Ancak Stuhlmüller, Elicit’in yapay zekasının mevcut amaca yönelik olarak tasarlanmış birçok platformdan daha güvenilir olmasını sağlamak için adımlar attığını iddia ediyor.
Öncelikle Elicit, modellerinin gerçekleştirdiği karmaşık görevleri “insanların anlayabileceği” parçalara ayırıyor. Bu, Elicit’in, örneğin farklı modellerin özetler oluştururken ne sıklıkta bir şeyler uydurduğunu bilmesini sağlar ve daha sonra kullanıcıların hangi yanıtları ve ne zaman kontrol edeceklerini belirlemelerine yardımcı olur.
Elicit ayrıca, araştırmada yürütülen denemelerin kontrollü veya randomize olup olmadığı, finansmanın kaynağı ve potansiyel çatışmalar ve denemelerin boyutu gibi faktörleri dikkate alarak bilimsel bir makalenin genel “güvenilirliğini” hesaplamaya çalışır.
Elicit’in yapay zeka literatürü için arama aracı.
Stuhlmüller, “Sohbet arayüzleri yapmıyoruz” dedi. “Elicit kullanıcıları dil modellerini toplu işler olarak uyguluyorlar… Hiçbir zaman sadece modeller kullanarak yanıtlar üretmiyoruz, halüsinasyonu azaltmak ve modellerin çalışmasını kontrol etmeyi kolaylaştırmak için yanıtları her zaman bilimsel literatüre bağlıyoruz.”
Çözülemezlikleri göz önüne alındığında, Elicit’in günümüzde dil modellerini rahatsız eden önemli sorunlardan bazılarını çözdüğüne kesinlikle ikna olmadım. Ancak çabaları kesinlikle araştırma camiasının ilgisini ve hatta güvenini kazanmış gibi görünüyor.
Stuhlmüller, Dünya Bankası, Genentech ve Stanford gibi kuruluşlardan her ay 200.000’den fazla kişinin Elicit’i kullandığını, bunun da yıldan yıla 3 kat büyümeyi temsil ettiğini iddia ediyor. “Kullanıcılarımız daha güçlü özellikler için ödeme yapmayı ve Elicit’i daha büyük ölçeklerde çalıştırmayı istiyor” diye ekledi.
Muhtemelen, Elicit’in Fifty Years liderliğindeki 9 milyon dolarlık dilim olan ilk finansman turuna yol açan da bu ivme oldu. Plan, yeni paranın büyük kısmını Elicit’in ürününün daha da geliştirilmesine ayırmanın yanı sıra Elicit’in ürün yöneticileri ve yazılım mühendislerinden oluşan ekibini genişletmektir.
Peki Elicit’in para kazanma planı nedir? Güzel soru – ve Stuhlmüller’e boş yere sorduğum bir soru. Elicit’in bu hafta başlatılan ve kullanıcıların ücretsiz katmanın desteklediğinden daha büyük ölçekte makale aramasına, veri çıkarmasına ve kavramları özetlemesine olanak tanıyan ücretli hizmetine dikkat çekti. Uzun vadeli strateji, Elicit’i araştırma ve muhakeme için genel bir araç haline getirmektir; bu araç, tüm işletmelerin parasını ödeyeceği bir araçtır.
Elicit’in ticari başarısının önündeki olası engellerden biri, bilim için optimize edilmiş, kullanımı ücretsiz bir büyük dil modeli geliştirmeyi amaçlayan Allen Yapay Zeka Enstitüsü Açık Dil Modeli gibi açık kaynak çabalarıdır. Ancak Stuhlmüller, açık kaynağı tehdit edici olmaktan çok tamamlayıcı olarak gördüğünü söylüyor.
Stuhlmüller, “Şu anda birincil rekabet insan emeğidir; yani makalelerden titizlikle veri çıkarmak için işe alınan araştırma görevlileri.” dedi. “Bilimsel araştırma çok büyük bir pazardır ve araştırma iş akışı araçlarının önemli bir sorumluluğu yoktur. Tamamen yeni yapay zeka öncelikli iş akışlarının ortaya çıktığını göreceğimiz yer burası.”