人工智能可以帮助天文学家快速产生假说 - {$web_name} 对嵌入的查询开展相似性检索

使用OpenAI的GPT-4模型的对抗性上下文提示岗位流。程序从银河天文学论文的预处理和嵌入着手。对嵌入的查询开展相似性检索，并检索有关的文档块。执行进一步的上下文压缩以从组块中移除不有关的信息。这些压缩文本身为GPT-4实例G网络资讯输入，形成一个想法。这个想法然后被第二个GPT-4模型留言，反馈被第三个GPT-4模型调节。学分:arXiv (2023)。DOI: 10.48550/arxiv.2306.11648
（神秘的地球uux.cn）据今日宇宙（安迪·托马威克）：差不多在互联网上的任何地方，你都差不多不或许避开有关AI的文章。即使在德州大学，我们也出版了几本。通常，他们留意的是特定探究小组如何运用技术来理解众多资料。但这种模式确认并不是官宣消息热点AI擅长的整体。事实上，它变得很有抽象思维的能力。抽象思维有助于进展新的科学理论。带着这种想法，来自欧空局、哥伦比亚大学和澳大利亚国立大学(ANU)的一组探究人员运用AI提出了天文学中的科学假设。
具体来说，他们是上海环保话题榜单在星系天文学的子领域这样做的，这个子领域专门探究星系的形成和物理学。最近发表的一篇有关arXiv预印办事器的论文谈及，他们挑选这个子领域是由于它的“综合性”，这需要“来自各异子领域的知识”
这听起来正是AI已然擅长的。而是一个规范的大型语言模型(LLM ),就像最近变得最熟悉的那些(ChatGPT、Bard等)。)没有足够的学科知识来在那个领域进展合理的假设。它乃至或许变成“幻觉”的重磅电商大促测评牺牲品，一些探究人员(和采编)警告说，这是与模型互动的负面作用之一。
以便避免这个难题，由ANU的Ioana Ciuc和Yuan-Sen Ting领导的探究人员使用了一段被称为使用程序编程接口(API)的代码，它是用Python编写的，称为Langchain。这个API允许更高级的使用者操控像GPT-4这样的LLM，它是ChatGPT的新近基础。在探究人员的案例中，他们从美国宇航局的天体物理资料操控系统获取了1000多篇与银河天文学有关的科学文章，然后将其加载到GPT 4号上。
探究人员的评测之一是评测该模型可以访问的论文数量如何作用其得出的假设。他们注意到，该探究所提出的假设中，只有10篇论文与整体1000篇论文之间存在显著差异。
但是他们自己是如何判断假说的有效性的呢？他们做了任何自尊的科学家都会做的事情，招募了该领域的专家。精确地说，是两个。他们请求他们只是假设基于思想的独创性，评测假设的可行性，以及其基础的科学精确性。专家们察觉，即使只有10篇论文的有限资料集，阿斯特罗-GPT提出的假设(他们称之为他们的模型)的评分也仅略低于一名合格的博士生。经由查阅整体1000篇论文，阿斯特罗·GPT的得分达到了“近乎专家的水平”
确定提交给专家的最后假设的一个核心因素是使用“对抗性提示”对假设开展提炼。尽管这听起来有些咄咄逼人，但它只是意味着，除了开发假设的程序之外，另一个程序也在一样的资料集上接纳了训练，然后向第一个程序提供了有关其假设的反馈，从而迫使原始程序改进其逻辑谬误，并通常创造出更好的想法。
即使有对抗性的反馈，天文学博士生也没有理由舍弃在自己的领域提出自己独特的想法。但是，这项探究的确强调了这些LLM未被充分运用的能力。随着它们被越来越广泛地使用，科学家和外行人可以越来越多地运用它们来提出新的更好的想法开展评测。