Cała zawartość iLive jest sprawdzana medycznie lub sprawdzana pod względem faktycznym, aby zapewnić jak największą dokładność faktyczną.
Mamy ścisłe wytyczne dotyczące pozyskiwania i tylko linki do renomowanych serwisów medialnych, akademickich instytucji badawczych i, o ile to możliwe, recenzowanych badań medycznych. Zauważ, że liczby w nawiasach ([1], [2] itd.) Są linkami do tych badań, które można kliknąć.
Jeśli uważasz, że któraś z naszych treści jest niedokładna, nieaktualna lub w inny sposób wątpliwa, wybierz ją i naciśnij Ctrl + Enter.
Sztuczna inteligencja przewiduje wyniki badań neurobiologicznych lepiej niż eksperci
Ostatnia recenzja: 03.07.2025
Badanie przeprowadzone przez naukowców z University College London (UCL) wykazało, że duże modele językowe (LLM), takie jak GPT, mogą przewidywać wyniki badań neurologicznych z dokładnością przewyższającą dokładność ekspertów-ludzi. Praca opublikowana w czasopiśmie Nature Human Behaviour pokazuje, jak sztuczna inteligencja trenowana na dużych zestawach danych tekstowych może nie tylko wyodrębniać informacje, ale także identyfikować wzorce w celu przewidywania wyników naukowych.
Nowe podejście do prognozowania naukowego
Według głównego autora badania, dr Kena Lo (UCL Psychology & Language Sciences), rozwój generatywnej AI, takiej jak ChatGPT, otworzył ogromne możliwości generalizacji i ekstrakcji wiedzy. Jednak zamiast badać zdolność AI do analizowania przeszłych informacji, naukowcy postanowili zbadać, czy AI może przewidywać przyszłe wyniki eksperymentów.
„Postęp naukowy często wiąże się z próbami i błędami, co wymaga czasu i zasobów. Nawet doświadczeni badacze mogą przeoczyć ważne szczegóły w literaturze. Nasza praca pokazuje, że LLM mogą wykrywać wzorce i przewidywać wyniki eksperymentów” — powiedział dr Lo.
BrainBench: AI i testy eksperckie
Aby przetestować możliwości LLM, naukowcy stworzyli narzędzie o nazwie BrainBench, które zawiera pary streszczeń naukowych z zakresu neuronauki:
- Jedno streszczenie zawiera faktyczne wyniki badań.
- Drugim jest zmodyfikowany, ale prawdopodobny wynik opracowany przez ekspertów.
Przetestowano 15 modeli językowych i 171 ekspertów neurobiologii pod kątem ich zdolności do odróżniania prawdziwych wyników od fałszywych. Wyniki były imponujące:
- Średnia dokładność sztucznej inteligencji wyniosła 81%, podczas gdy eksperci uzyskali wynik zaledwie 63%.
- Nawet specjaliści o najwyższej samoocenie swojej wiedzy osiągnęli wynik zaledwie 66%.
Ulepszone modele i perspektywy
Naukowcy zaadaptowali również open-source LLM (wersję Mistral), trenując go na literaturze naukowej na temat neuronauki. Powstały model, zwany BrainGPT, wykazał jeszcze wyższą dokładność — 86%.
„Nasza praca pokazuje, że sztuczna inteligencja może stać się integralną częścią procesu projektowania eksperymentów, nie tylko przyspieszając pracę, ale również czyniąc ją bardziej efektywną” – powiedział profesor Bradley Love (UCL).
Szanse i wyzwania
Naukowcy sugerują, że ich podejście można dostosować do różnych dyscyplin naukowych. Jednak wyniki badania podnoszą ważne pytanie: czy współczesne badania naukowe są wystarczająco innowacyjne? Wysoka dokładność sztucznej inteligencji w prognozowaniu sugeruje, że wiele ustaleń naukowych jest zgodnych z istniejącymi wzorcami.
„Tworzymy narzędzia AI, które pomogą naukowcom projektować eksperymenty i przewidywać możliwe wyniki, przyspieszając iteracje i podejmując bardziej świadome decyzje” – dodał dr Lo.
To przełomowe osiągnięcie w wykorzystaniu sztucznej inteligencji obiecuje przyspieszenie odkryć naukowych i poprawę efektywności badań na całym świecie.