搞科研的最新姿势，被一位华人小哥解锁了——
告诉AI你的研究目标，再把数据集“投喂”进去，完事。
这就是来自伯克利的博士生Zhong Ruiqi等人的最新研究，把从海量数据集中繁琐的“取证”过程，统统交给GPT-3来解决：
他们还发现，这种用AI搞科研的方法不仅效率高，而且还能得出人类没有想到的“意外惊喜”。
让GPT-3帮你搞科研
那么小哥他们为什么突发奇想地要用这种方式搞科研呢？
这是因为他们发现，对大型语料库做深入的挖掘确实能得到一些有用的结果，但这个过程要是让人类来搞，那简直就太费时费力了。
因此，他们便决定把这个繁琐的过程交给GPT-3来处理，并把这个任务命名为“D5”：
GoalDrivenDiscovery ofDistributionalDifferences via LanguageDescriptions.
通过语言描述，实现目标驱动的分布式差异的发现。
“D5”任务的过程，简单来说就是两个动作：
- 输入研究目标
- 输入两个语料库
例如在上面这个案例中，小哥先是给AI输进去了两个语料库：
- 语料库A：服用药物A后患者的反应报告
- 语料库B：服用药物B后患者的反应报告
然后再向AI确定自己的研究目标，即“我想了解一下药物A的副作用”。
在AI收到任务后，立刻开始执行分析工作，最后得出了它的结论：
语料库A中的样本，有更多的患者会提到“妄想症”（paranoia）。
不过试想一下，若让人类科研人员做这项工作，光是了解语料库A和B就需要花费大量的时间，更别提还得进一步做对比分析等工作了。
而D5任务之所以能够做得如此丝滑，是因为小哥他们在此背后还做了不少工作。
例如构建OpenD5元数据集，它包含符合D5任务的675个开放式问题，所涉及领域涵盖商业、社会科学、人文科学、健康和机器学习等。
并且每个开放式问题都会对应一个语料库对儿（语料库A和语料库B），平均有17000个样本。
小哥还把每个语料库中的50%作为研究部分，另外50%则是拿来做验证。
基于此，小哥他们再构建了一个“D5系统”，它的工作原理和人类从数据库中获取发现类似，分为两个阶段，即创造性地提出一个假设，再在数据集上严格验证这个假设。
按照这种思路，研究人员接下来用GPT-3做了次实验。
他们先是向GPT3展示研究目标和每个语料库中的一些样本，然后让它提出一个假设列表。
最终实验发现，GPT-3可以使用目标描述来提出更相关、更新颖、更有意义的假设。
也正因为OpenD5数据集所涵盖的领域众多，因此小哥表示他们的D5系统具备应用范围广的特点。
也存在一些缺陷
但对于这套D5系统，小哥也直言不讳地道出了它的缺陷。
例如，若是语料库中含有较多的俚语、俗语或者带有情绪的词汇，那么AI所给出的“发现”就会存在偏差。
简而言之，就是AI对于特定情况的词汇或描述产生了错误的理解和分析。
除此之外，小哥也表示更灵活的语料库、更具扩展性的系统，也是他们在未来重点研究的方向。
不过似乎这项研究让小哥也是兴奋不已，毕竟离他“构建一个用AI稿科研”的梦想更近了一步。
参考链接
[1]https://arxiv.org/abs/2302.14233
[2]https://twitter.com/ZhongRuiqi/status/1631109680859865089?s=20
本文来自微信公众号“量子位”（ID：QbitAI），作者：金磊。
