本地公司旨在利用人工智能革新学术同行评审 - 霍特斯维尔商业期刊

在学术界这个快节奏的世界里，发表的研究论文数量远远超过可用的同行评审人员的数量，目前借助人工智能（AI）正在酝酿一个新的解决方案。

SymbyAI旨在简化和提升同行评审过程，造福研究人员、期刊编辑及机构。

迈克尔·豪斯，一位经验丰富的程序员，以及共同创作者之一的SymbyAI解释了核心问题：“我们正面临着大量的科学论文，而传统的同行评审过程根本就跟不上。许多研究人员要等待数月才能获得反馈，同时期刊编辑们也难以找到合格的审稿人。”

SymbyAI通过使用人工智能分析研究论文、识别潜在问题，并将发现与庞大的学术出版物数据库进行比较来解决这些挑战。

SymbyAI背后的AI模型是由……设计的艾夏·利沃多瓦伊斯迈克尔的一位前同事，专门从事自然语言处理和机器学习。在加入SymbyAI之前，她是一名计算物理学家。费米实验室，在那里她致力于自动化粒子加速器运行的工作——这项任务传统上是由物理学家团队处理的。

她说：“我的工作基本上是为运行粒子加速器编写算法，而没有任何人直接控制它。”她强调了自己的专长在于将人工智能应用于复杂的科学任务。

当被问及SymbyAI的起源时，Livaudais分享说它最初是一个名为“Hypogen”的副项目。最初的目标是通过处理来自各种开放访问库的研究论文来生成假设。

然而，当她意识到科学界普遍存在未经验证的研究这一问题时，该项目的重点发生了转变。

“看到这么多的资金和时间浪费在设计拙劣或极少数情况下完全是欺诈的工作上，这令人沮丧，”Livaudais指出。这促使她将项目转向解决科学研究中的错误，利用人工智能来发现如利益冲突或抄袭之类的错误。

回顾SymbyAI的发展，Livaudais强调了更广泛的科学社区的作用。

“我们有一个庞大而非常支持性的跨学科研究社区，帮助实现了这一目标。这些领域专家热情地致力于提高科学质量，并在塑造SymbyAI方面起到了关键作用，”Livaudais说。

她的努力，加上迈克尔·布罗根的技术专长，对平台的发展起到了关键作用。

SymbyAI主要通过两种方式运行。

首先，它审查研究论文的内部内容，检查诸如不一致、缺少引用或方法论不清楚等错误。其次，它将论文的研究结果与同行评审出版物数据库进行交叉参考，识别任何冲突的结果或遗漏的引用。

“这就像在你的论文上多了一双专家的眼睛，而这双眼睛还阅读过数千篇其他的论文。”迈克尔说道。

例如，一位生物学家可能会提交一篇关于基因编辑技术的论文。SymbyAI不仅会标记任何方法论问题，还会识别结论是否与该领域的现有研究相矛盾。如果存在差异，AI会提供相关研究的链接，使作者能够调整或捍卫他们的工作。

在数据科学或工程等领域，这些领域经常发布算法和数学模型，SymbyAI 更进一步。该平台可以从论文中提取公式和代码，测试其准确性，并且在适用的情况下运行模拟。

“这对于技术领域而言是一个变革者，因为一篇论文的有效性往往取决于其计算模型的精确性，”迈克尔指出。

在开发SymbyAI的过程中，最大的挑战之一是克服人工智能模型容易“胡言乱语”或生成不准确信息的倾向。为了缓解这一问题，SymbyAI为其建议分配了置信度分数，帮助审阅者评估AI反馈的可靠性。

“我们的目标不是取代人工审核员，而是协助他们，让他们的工作更轻松、更高效。”迈克尔澄清道。

实际上这意味着研究人员和审稿人可以了解AI在其分析中的自信程度，并决定是否采纳其建议。该系统设计为协作性质，而不是权威性，确保人类的判断始终处于首要地位。

SymbyAI也通过透明地公开其数据来源而区别开来。它引用的所有学术出版物都来自开放访问的数据库如arXiv确保人工智能是基于公开可用的、同行评审的研究进行训练。这种方法避免了与专有的数据抓取相关的伦理陷阱，使SymbyAI成为人工智能和研究领域中一个负责任的工具。

虽然SymbyAI是为学术机构开发的，但其潜在应用远远超出了大学的范围。任何依赖研究的组织，从制药公司到智库，都可以从该平台快速而准确地验证复杂研究的能力中受益。“我们已经与包括国防和生物技术在内的几个行业进行了会谈，以定制SymbyAI来满足他们特定的研究需求，”迈克尔透露道。

团队也在探索将SymbyAI作为本地部署解决方案的途径，以供处理敏感或机密信息的组织使用。这将使企业及政府机构能够在保障数据安全的情况下使用该平台。

威廉·麦肯齐博士美国阿拉巴马大学亨茨维尔分校管理学副教授兼《社会心理学杂志》执行主编认识到人工智能在学术研究中的潜力，特别是在提高研究过程效率方面的潜力。

他认为AI在文献回顾方面具有重要价值，解释说它能够帮助研究人员访问更广泛的相關工作，从而提高他们自己研究的质量。

“AI有能力去梳理并理解遍布世界各地的所有知识体系，”MacKenzie表示。

在讨论SymbyAI时，麦肯齐博士赞赏了在手稿中验证主张的想法，因为这可以防止作者做出没有根据的断言。

“有一个系统来验证索赔，我认为这真的很有趣，也是一个很酷的想法，”他说。

他还强调了人工智能检查原始数据和验证研究方法准确性的潜力，特别是在社会科学等领域。

然而，他指出了一些挑战，例如需要出版商而不是大学的支持，以及同行评审过程涉及的人类因素是人工智能无法替代的。尽管存在这些局限性，他认为人工智能仍然可以提供有价值的工具来简化学术研究过程的一部分，特别是在确保数据准确性和透明度方面。

计划于12月推出，并且已有五个初期客户签署了超过45万美元的合同，SymbyAI准备产生重要影响。这些早期采用者包括几本学术期刊和以研究为导向的企业，他们认为该平台不仅可以加速同行评审过程，还能提高发表的研究质量。

随着团队努力实现扩大运营的两百万美元筹资目标，SymbyAI 的未来前景光明。迈克尔和阿夏亚相信他们的平台不仅将重塑学术界的同行评审，还将为多个行业的研究验证设立新的标准。