該AI工具確定了最有前途的病毒研究

掃描大量科學(xué)文獻以進行有希望的研究的AI工具可以加快尋找疫苗的速度。

該系統(tǒng)提供了一種人工檢查的自動替代方法，許多研究人員開始繞過該方法，以便其同事可以立即提供有關(guān)其工作的反饋。

[閱讀：藥物發(fā)現(xiàn)可能是AI應(yīng)對大流行的最佳方法]

這種方法犧牲了速度的安全性，這可能導(dǎo)致低質(zhì)量的工作吸引到廣泛的受眾。這也意味著，有太多關(guān)于的論文供人類閱讀。

這些問題促使西北大學(xué)的研究人員創(chuàng)建了一種工具，用于預(yù)測哪些研究最值得進一步投資，以及哪些研究不太可能進行。

怎么運行的

西北系統(tǒng)使用一種算法來預(yù)測哪些研究將產(chǎn)生可復(fù)制的結(jié)果，這意味著當(dāng)再次對一組新人進行測試時，它們具有相同的效果。

現(xiàn)有的評估可復(fù)制性的方法依賴于科學(xué)專家的審查，這是一個徹底但耗時的過程。

例如，研究機構(gòu)DARPA創(chuàng)建的開放研究和證據(jù)的系統(tǒng)化信心(SCORE)流程平均大約需要314天。當(dāng)您嘗試應(yīng)對全球性大流行病時，這需要等待很長時間。

領(lǐng)導(dǎo)西北研究的Brian Uzzi教授認為，這一過程存在兩個主要問題。

首先，進入測試的第二階段需要花費很長時間，其次，當(dāng)專家花時間審查他人的工作時，這意味著他們不在實驗室里進行自己的研究。

Uzzi的團隊從超過200萬個研究摘要中訓(xùn)練了他們的統(tǒng)計和文本模型，然后對其進行了一系列新的研究以進行評估。

他們的想法不僅是分析數(shù)據(jù)，而且還分析研究作者用來解釋其結(jié)果的敘述。它通過識別能夠揭示研究人員對其發(fā)現(xiàn)的信心的語言模式來做到這一點，而人類評論家并不總是能發(fā)現(xiàn)這些模式。

然后，他們將這些預(yù)測與DARPA的SCORE評估進行了比較。研究人員說，他們的系統(tǒng)產(chǎn)生了同樣準確的結(jié)果-但僅需幾分鐘，而不是幾個月。

最終，該團隊旨在將系統(tǒng)與專家審閱者配對-他們說，這將比單獨工作的人或機器更為準確。