从娱乐到医疗，许多行业都在努力应对复杂人工智能(AI)的出现。科学研究也不例外。资助机构已经在打击使用像ChatGPT这样的生成文本人工智能进行同行评审，理由是这些算法产生的分析不一致，训练模型不透明以及其他问题。
但对于乔治华盛顿大学的两位教授来说，大型语言模型(llm)的先进能力，包括OpenAI的ChatGPT, meta的LlAMA2和谷歌的BARD，值得仔细研究和谨慎乐观。
工程与应用科学学院工程管理和系统工程助理教授约翰·保罗·赫尔维斯顿(John Paul Helveston)和教育与人类发展研究生院教育技术领导项目教授兼主任瑞安·沃特金斯(Ryan Watkins)认为，法学硕士有潜力简化和加强科学方法的各个方面，从而实现更大量有用、有趣的研究。然而，要以这种方式使用它们，人们需要更好的教育，了解这些算法能做什么和不能做什么，在他们的学科中存在哪些使用人工智能的标准/规范，以及如何最有效地使用它们。
为此，赫尔维斯顿和沃特金斯共同运营了一个名为“科学法学硕士”(LLMs in Science)的在线存储库，为正在探索该技术作为调查工具的潜力的科学家和教育工作者提供记录和资源。
沃特金斯回忆说:“去年春天，约翰对人们如何将法学硕士学位作为他们科学工作流程的一部分发表了一些有见地的看法，我说，‘好吧，我们应该开始收集有关如何实现这一目标的信息，并找出我们如何使用法学硕士学位的规范和标准。’”
法学硕士在庞大的数据集上进行训练，以识别模式——某些词之间的可能关系，特定词簇与特定主题相关的概率——然后使用从这些模式中产生的概率来预测用户生成查询的答案。这些算法不仅可以预测使用哪些单词和短语，还可以预测这些单词和短语应该遵循的顺序，从而产生“类似人类”的反应。
ChatGPT-3于2022年首次亮相，引起了巨大反响，它接受了超过570GB的数据训练——从在线文本数据库中搜索3000亿个单词，相当于160万份《远大前程》。
赫尔维斯顿和沃特金斯作为华盛顿大学编码器学院的指导老师开始合作，他们很早就知道法学硕士的前景不仅仅是数据回流。事实上，这些程序可能会在科学家工作中不需要人类创造力或协作的部分节省大量的时间和精力:模板语言、概述拨款提案、生成可以训练分析工具的“虚拟数据”等等。
因此，LLM in Science提供的资源包括LLM潜在科学用途的不断发展的列表，使用LLM的教程，对使用LLM的研究进行同行评审的指导，不同领域研究人员使用LLM的研究数据库等等。
这些知识是必不可少的，不仅对于使用法学硕士的科学研究的可重复性，而且对于正确判断何时应该使用和不应该使用这些工具。
它们仍然有很大的局限性，正如赫尔维斯顿在去年编程课的第一天展示的那样，他打开了ChatGPT，并让它为他的学生实时运行。赫尔维斯顿首先让算法把一个句子翻译成俄语，比如“欢迎来到课堂，让我们度过一个愉快的学期。”他问他的学生:你们有人会说俄语吗?没有?你能把这句话大声念给说俄语的人听吗?如果你知道，你对它的准确性有绝对的信心吗?对于任何熟悉自动翻译缺点的人来说，答案都是显而易见的:可能不会。
然后，Helveston要求ChatGPT编写一个具有特定属性的计算机函数，以产生特定的结果。他又问他的学生:他们会相信这段代码能做它应该做的事吗?他们不会。嗯，这就是这门课的意义所在，赫尔维斯顿说——就像俄语课教他们如何在糟糕的翻译中发现错误一样，这门编程课将教他们如何阅读编写程序的语言并发现错误。
赫尔维斯顿说:“如果你不懂语言，这个工具就没有用，而(学生们)来这里是为了学习语言。”
教育工作者对ChatGPT的担忧是可以理解的，一些人认为这可能会增加学术不诚实。但赫尔维斯顿和沃特金斯表示，根据他们的经验，如果学生被教导如何以及何时使用法学硕士作为学习工具，他们实际上可能会学得更好。赫尔维斯顿说，从数量上看，他的学生在今年春季(他将ChatGPT引入教学工具的这个学期)的手写编程考试中比前几年表现得更好。
沃特金斯说:“我认为，至少每个教授都需要在他们的教学大纲中有一个关于人工智能的部分，以及它将如何被使用或不被使用。”“不同的课程和教授的偏好会有所不同，但作为教师，我们必须与学生一起解决这个问题，我想不出任何一门课程都与此相关。”
“我们还不知道的是，这是否会改变学生的学习方式，”赫尔维斯顿说。“我们想教学生使用这些工具，因为人工智能是完成某些任务的未来。但我们也希望他们知道如何对结果提出质疑。”引用:ChatGPT可以共同撰写您的研究吗?(不，但它可能有助于研究)(2023,August 29) 2023年8月30日检索自https://techxplore.com/news/2023-08-chatgpt-co-author.html本文档受版权保护。除为私人学习或研究目的而进行的任何公平交易外，未经书面许可，不得转载任何部分。内容仅供参考之用。
