AI研究：选择合适工具的最终指南

当印度理工学院古瓦哈蒂（Guwahati）土木工程学院的博士学位学生穆罕默德·沙菲（Mohammed Shafi）首先在2022年底看到他的朋友测试了人工智能（AI）工具，他没有立即看到上诉。通常，人们似乎正在使用诸如Openai的Chatgpt之类的生成AI平台作为Google的替代品，或者是为了鼓舞实用笑话和宠物名称的新颖性。他说，他们很有趣，但是我不一定会感觉到与我自己的课程或研究的任何相关性。”

但是，当他开始看到更多的AI工具以满足学生和科学家的需求时，他很快就来了。现在，Shafi是AI的每日用户，将整个AI驱动平台的管道拼凑在一起，它们相互融合。这些对他进行了新的研究，分解复杂的主题，对实验进行故障排除，组织他的写作和引用，并帮助他浏览班级和研究的需求。

Shafi现在说，AI的到来一直是研究的革命，这似乎是其他人分享的。调查显示许多大学生和科学家在工作中使用AI，通常每周甚至每天。而且，尽管许多教育者和学术机构最初都以警惕性做出回应，但学术界似乎越来越愿意让学生使用AI，尽管以受控方式。沙菲说，尽管不可能回到他以前做事的方式，但很难想象想要。

这里，自然探索学者和学生如何利用AI简化研究过程的各个部分。

提高您的文学评论

总部位于华盛顿州西雅图的学术搜索引擎语义学者的首席科学家丹尼尔·韦尔德（Daniel Weld）表示，许多流行的AI平台在一个名为Active Learning的领域中都具有巨大的先进 - 一种模仿者如何处理研究问题的方法。诸如Google的双子座深入研究和Openai的深入研究在这方面提供最强大的工具，许多公司正在推出类似的产品。

学生可以输入询问自己的数据或文档支持，然后随着这些高级模型在30分钟左右的时间内进行深入搜索时走开。最终报告可能包括文本，数字和可视化，所有输出都被彻底引用 - 过去的迭代又一次跳跃。她说，尤其是在科学研究的背景下，我们认识到准确性至关重要，我们认为该模型比我们发行的任何其他模型都更好地引用了适当的引用。”

马萨诸塞州理工学院（MIT）的会计博士学位学生查克·唐宁（Chuck Downing）说，这些深入研究工具在研究不熟悉的话题时特别有用。在一个项目中，唐宁使用Openai的深入研究来创建一份报告，对减少制造工厂排放的各种方法进行排名。他说：“我不知道很多，但是我学到了很多东西，所以我一直在使用这些深文。”他说。到目前为止，我在寻找好论文和以我很容易理解的方式介绍信息方面所使用的任何东西都要好。

其他课程使学生能够深入研究一份文档或少量论文。这以学生为中心的AI平台Scispace，例如，与PDF函数进行聊天。用户可以上传纸张并询问有关其内容的问题 - 其他平台共享的功能，例如克劳德，，，，笔记本和pdf.ai。对于纽约伊萨卡康奈尔大学人类发展的博士学位学生戴维·汤普金斯（David Tompkins）来说，这种方法帮助他保持了新兴的科学文学的顶峰。

汤普金斯（Tompkins）经常参加Journal-Club会议，因为使用克劳德（Claude）生成了一份选定的论文的摘要，然后他根据小组的讨论进行了更为目标的问题。他说：``我仍然坚信实际阅读论文以充分理解它们，但是当我感到伸展时，做我的准备变得容易得多。”在某些方面，我觉得我通过这些工具比以前更能参与材料。

创建您的假设

人工智能将许多信息线索汇总在一起的能力似乎使识别研究差距并连接思想变得更加容易 - 尽管最近的调查表明，过度依赖生成AI可能会抑制一个人的批判性技能。韦尔德（Weld）也是西雅图艾伦（Alen）AI研究所的AI研究人员，他说，对工具的需求量太多，可以帮助人们进行构想，以至于他和他的团队正在开发假设生成和检测产品，这些产品试图将跨论文的想法结合到新事物中。他说，我们让他们在内部运行，但是我们试图确保它们的工作良好。

Shafi转向了类似的程序，例如可视化工具研究兔子在撰写论文时，该论文的重点是如何通过土壤运输并进入地下水。Research Rabbit采用单个种子纸，并生成了相互联系的研究网络，该研究的研究是主题，作者，方法论或其他关键特征。Shafi说，通过将结果输送到聊天机器人（例如Chatgpt）中，可以查询有关隐藏链接或新想法的工作的工作。”

AI驱动的计划还越来越有能力作为实验助手。作为麻省理工学院的博士生，Zhichu Ren为现实世界实验科学家（CREST）创建了软件副驾驶，该科学家（CREST）将多个AI技术结合在一起，成为增强的聊天机器人（Z. Ren等。chemrxiv的预印本https://doi.org/pdwv;2023）。用户可以像同事一样与Crest聊天，它可以通过检索和分析数据，使用数字开关打开和关闭设备，为机器人武器供电，记录调查结果，并打开和关闭设备来帮助制作和运行实验出现问题或协议结束时通过电子邮件提醒科学家。在2023会议报纸，CREST通过将候选合金确定为新的燃料电池的优先级，并提出了该小组可以进行测试的实验，从而协助研究人员。Ren说，我想创建一个工具，即使您的需求也会改变，” Ren说，他现在在马萨诸塞州剑桥市的AI初创公司Labig工作。AI可以以静态的书面文档不能做到这一点。

但是，即使对于那些无法获得像Crest这样的高级事物的学生，AI仍然可以充当有用的同事。例如，双子座的深入研究可以生成一个个性化的多点研究计划，以及其他功能，例如Scite和引起被称为研究助理。例如，用户可以为这些程序提供一些论文或有效的假设，并要求一组实验来检验该理论。

约瑟夫·费尔南德斯（Joseph Fernandez）是科罗拉多州科罗拉多州Anschutz Medical Campus的生物医学工程博士学位学生，他说，他继续在大多数事情上使用Chatgpt，包括对实验进行故障排除。过去，机器人帮助他集思广益解释时，当他的一种测定方法返回异常值时，并计算连续稀释液以避免浪费昂贵的试剂。Chatgpt还曾担任他的委员会的替补，提出了尖锐的问题，以在考试前测试他的研究建议。

他说，我认为您实际上只受到想象力的限制，即使某些用途比其他用途更平凡。”他说。如今，如果一个问题或任务突然出现在我的脑海中，我通常想知道Chatgpt是否可以帮助您。

简化您的统计信息

代码编辑器，包括Github的副驾驶，，，，Amazon Codewhisperer（现在是亚马逊Q开发人员）和Anysphere的光标旨在使初学者容易使用编码来组织数据，创建分析管道，运行描述性统计信息并生成可视化。研究人员指出，此类工具在很大程度上已经超过了GitHub和Stack Exchange等网站，作为故障排除的主要资源。唐宁说，用户可以简单地突出一部分代码并要求聊天机器人修复它，而不是花几个小时寻找答案。

他说：`至少在计算领域，最大的任务是越来越多的编码和数据分析，因此有助于那里的任何事情都有不成比例的有用。”尽管他已经认为自己是一个足够的编码器，但他说，他的首选工具，光标，通过消除更乏味的方面并使他更容易探究数据集的特定方面，从而使他变得更好。他说，他没有花所有的时间进行调试（清洁代码），而是要付出更多的精力来真正了解基础数据并以帮助我学习的方式与我的代码互动。如果我对某些事情感到好奇，那么生成描述性统计数据非常容易，就像图表一样。

汤普金斯（Tompkins）同样发现了克劳德（Claude）等工具对于编写引人入胜的动态可视化代码至关重要。创建一个好的图形，尤其是如果它的互动性可以需要数百行代码，而汤普金斯（Tompkins）说，过去，这种努力使他失望了。但是，一旦我开始使用Claude，我就能写出那些字面上的数百行代码。”由此产生的可视化对帮助他人了解他的研究有很长的路要走，这描述了人们体验信息的方式如何推动其反应。

但是，他补充说，他仍然总是为统计分析编写自己的代码：我想确保我的报告都是我完全理解的，并且在我提交论文时都可以站在后面。

这些AI程序的重点是生成新代码，但是Gaurav Ragtah，他建立了一个名为的平台Catalyzex，看到了重新利用现有代码的机会。例如，如果研究人员为每个实验编写了新的分析管道，那么重现其工作的人可能更具挑战性，尤其是如果文档很差或开发人员停止更新代码。取而代之的是，总部位于旧金山的Ragtah希望更轻松地找到和共享其他人发表的代码。Catalyzex使用网络平台和浏览器扩展名来标记在Google Scholar或PubMed等网站上共享的论文中共享的开源代码，研究人员可以使用关键字通过该平台搜索代码。例如，有兴趣使用机器学习帮助癌症检测的人可能会搜索修改的数据处理管道，这有助于解决公开可用数据通常涉及小样本量的事实。

拉格塔说：“就像这些代码生成器中的某些代码一样，我们不需要每次都有很好的例子说明您要做的事情。”开源使人们不得不从头开始，并为他们提供了建立和改进的脚手架，同时使研究更容易相比。”