几个潜在的AI科研助手

9a723486a9ea2723ed53c71951b6845e.jpeg

最近看到一个新闻说ChatGPT被某科研文章列为作者之一。以自然语言处理和深度学习为基础的人工智能在语言修改润色和翻译方面表现优异,似乎还将改变一些传统的论文阅读和写作方式。本文记录几个最近了解到的几个工具。

Scispace

地址:https://typeset.io/

搜索可以获取相关文献,一些最新的文献不在他们数据库中,无法检索到。对于有Full-text的文章,还会自动生成一句话的总结TLDR。

9285cc45c076431d1d2a81422311b46a.png

点击Trace可以看引用的引用的引用。。

5efac821a4ad3e1b7863c1d27754424f.png

此外Scispace有一个不错的功能就是Copilot,功能类似Explainpaper,可以通过上传PDF文献,快速提取有用信息。高亮文本可以获取相关文本的解释。

8f663aa3e4675a636d9f8dea9d718ee3.png

ffe294911a5e8b5c54e0fd33048853b6.png

Explainpaper

地址:https://www.explainpaper.com/

同样高亮文本,可获得相应的解释,不过从功能上看,其他软件例如Copilot或者Scholarcy略胜一筹。

4060e696a443629e8c632dd01ad6d755.png

Scholarcy

地址:https://www.scholarcy.com/

12e565592eff641228a9e74115dd6ad0.png

2009e63257c5b887f592735ea54a0e0b.png

从Chrome或者Edge的应用中心下载扩展即可开始使用,它的本质同样是提取重要信息,但有很多拓展的功能,可保存部分提取的分析结果到本地。

6c12d98d0c24df220f6548f48f5f3dc0.png

免费版无法正确识别本地PDF文件,并且有使用次数限制,目测一个ip大概每天有5次试用,切换过页面之后需要重新分析。虽然一切感觉都很fancy,不过他们是冲着收费去的,有的功能其实华而不实,体验过后已删。

19c79760c30aaec26c6c973b0c709aaa.png

Paper Digest

地址:https://www.paper-digest.com/

功能类似,上传PDF,提取关键信息。

099771a0aea0e21ac21eca50f07edf34.jpeg

df54d157e776466e1918c32ed6cedd93.png

Elicit

地址:https://elicit.org/

同样是信息提取类的工具,文章信息包括研究的类型,被试人数,摘要总结,有哪些测量都一目了然,不足就是某些最新的非OA文章由于版权的问题,不在他们的数据库中,无法检索出来,但总体来看功能还是很强大的。

151193081345c5c916f7bb22d0d6dce8.png

点进某文章后还有一些详细信息,并可以提问。

e6368bedf3560e52ab8d84f259615739.png

ChatGPT

地址:https://chat.openai.com/chat

国内注册需参考网上的教程,回答由模型自动生成的,很多都是似是而非的答案,并没有太高的正确性,在这方面的实用性并不高。

4d27f463c668fd0cb8163781b5f69070.png

1525fa52c152c31052fb936a305f2898.png

704f09980b64dc6bea0a430297c2a69c.png

但是它还有很多值得探索的地方,比如:一句话总结文章的摘要;重写从别人文章里抄来的句子。

81a2637b622b3953a954b92026cb7ac2.png

不满意还可以重新生成。

d3d951cd337da3e0e52f23dad70b8c61.png

随便找了一个中文的摘要,看看效果如何

f6d1e5cb78a7eafdffc6a35d95e4575a.png

a097aba982b5f9033386f5ce1cc91fa8.png

当然不一定使用ChatGPT,很多翻译软件比如DeepL已经大大减少了机翻的痕迹。

54cf26b471e7bb49eb474ec0275a8bad.png

如今,一些AI功能还真的难以让人马上看出破绽,几乎能以假乱真,以至于stackoverflow都禁止使用ChatGPT回答问题。感叹人工智能发展的速度的同时,也让我想到最近围棋圈开狗的火热讨论,在狗(AlphaGO)出现之前,围棋还有各种流派,自从狗正式打败人类后,似乎如何下围棋就有了“标准答案”,柯洁在被狗战胜后学习棋路便获得了一路的连胜。所有的棋手目前都在争相模仿狗的棋路。人类创造了AI,AI也在以某种方式重塑着人类的行为。

  • 4
    点赞
  • 25
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
许多当代对专利制度的处理都是从弗里茨·马赫洛普(Fritz Machlup)的诅咒开始的。 如果我们没有专利制度,根据我们目前对其经济后果的了解,建议建立一个专利制度是不负责任的。 但是,由于我们已经有一个专利制度,根据我们目前的知识,建议废除它是不负责任的。 并得出结论,尽管专利制度存在诸多缺陷,但仍然值得保留。 这种分析认为,专利可能会带来成本和低效率,但由于专利作为创新激励的必要功能,我们必须承担并降低其成本。 在软件专利的情况下,我挑战等式的激励方面:我认为,专利不能为软件行业的创新提供有用的激励,因为专利承诺不适合软件的工程和开发实践以及商业战略生产。 问题不仅在于软件专利的实施效率低下,还在于激励措施的适用范围与软件创新的发生方式之间存在结构性不匹配。 即使是理想实施的软件专利。 充分审查、充分公开和授权,根据现有技术适当地确定范围将无法满足宪法、专利法和标准专利理论所期望的激励功能。 以前的奖学金,无论是对软件专利的批评还是祝贺,在很大程度上都未能检查软件的结构 *Fellow,哈佛法学院伯克曼互联网与社会中心和普林斯顿信息技术政策中心。 在科罗拉多大学法学院硅熨斗中心研究员期间进行的研究得到了布拉德费尔德对硅熨斗中心的慷慨资助。 所有的意见都是作者的意见。 以前的学术研究,无论是对软件专利的批判还是祝贺,在很大程度上都没有考察软件开发的结构和专利在该行业运作的制度细节。 因此,我看看这些机制:专利的激励功能是如何运作的? 它在软件行业如何运作? 该工具是否服务于其目标? 正面解决问题,甚至在将问题与副作用和意外后果复杂化之前,我得出的结论是否定的,专利不鼓励软件创新。 第一部分描述了软件开发的本质、它的创新来源和它的商业环境。 这部分借鉴了工程、计算机科学、商业和战略文献中的资料,以及商业和开源软件开发人员的经验。 我讨论了软件开发与制造小部件的规范模型不同的几种方式,从想法到实现的挑战,包括原型设计、修改以满足用户需求和调试。 这部分与新制度经济学文献共享系统如何运作的具体细节,以确定通用框架。 虽然细分市场的市场动态不同,但我们可以确定源自软件潜在性质的共性。 第二部分回顾了现有的专利激励和创新法律理论。 它使激励理论与软件专利实践之间的不匹配正式化。 在许多将价值归因于软件专利的帐户中,存在循环性。 初创公司表示专利很重要,因为风险资本家 (VC) 需要它们,而将专利视为能力或独特性的信号的 VC 实际上正在观看针对潜在资助者的表演,而不是针对客户市场或真正新颖性的展示. 前景理论 (Kitch) 并不能更好地验证软件专利。 过早地提出索赔,无法为业主提供有用的协调或通知功能。 专利的其他理由或解释,例如知识模块化,充其量是矛盾的。 第三部分更具体地将这些理论应用于软件。 软件开发商和风险投资支持者在哪里寻求专利,个人和公司如何使用它们? 特别关注专利干预系统的时机,我得出结论,它鼓励发明,而不是创新; 想法产生,但不是实现、调试和部署。 专注于申请专利的参与者可以获得大量专利,而无需将任何技术开发到有用的部署或披露水平,但为实际部署软件的其他人留下了雷区。 因此,巨魔问题在软件领域尤为突出。 由于最初的发明很少成为经济上有用的软件开发的瓶颈,因此软件专利比生产激励更经常成为纠缠不清的灌木丛。 在这里,我还分析了可用于保护软件开发的专利替代方案:商业机密、版权、先发优势、市场互补。 最后,第四部分使用这种分析来反思专利法的制度动态。 对软件专利和软件开发的仔细分析增加了关于技术特异性与统一性以及法院与国会的适当作用的辩论,并有助于更好地确定如何促进科学和实用艺术进步的问题。
数据分析技术,尤其是预测算法的快速进步,为法律实践和司法救助开辟了全新的视角。 北美、亚洲和欧洲的几家公司已着手使用机器学习技术来创建自动法律预测,引发了对道德、可靠性和预测准确性限制以及对判例法发展的潜在影响的担忧。 为了探索这些机遇和挑战,我们深入考虑了加拿大最受诉讼的问题之一:不当终止纠纷,更具体地说是合理计算通知的问题。 除了对这个问题进行彻底分析之外,本文还旨在为非技术人员,尤其是律师提供关于人工智能 (AI) 方法应用的路线图,说明其在其他争议领域的潜在好处和局限性解析度。 为了实现这些结果,我们通过注释所有与不当终止雇佣相关的历史案例来创建一个大型数据集。 该数据集已被证明可用于评估合理通知的可预测性,即 AI 预测的准确性和精确度。 特别是,它有助于识别通知期案件的不一致和波动程度,顺便暴露了法律预测的局限性。 然后,我们开发了预测算法,根据雇佣期的详细信息来估计通知期,并调查了它们的准确性和性能。 此外,我们彻底分析了这些算法,以更好地了解司法程序,特别是量化案件特定特征在确定合理通知中的权重和影响。 最后,我们仔细分析了人工智能算法预测不佳的案例,以更好地理解司法判决过程并识别不一致之处,这一策略最终将产生对判例法的更深入的实际理解。 该项目将为更大规模的司法准入项目的发展打开大门,并将为用户提供一个开放的通知计算平台。 特别是,该工具将帮助自我代理的诉讼人了解诉讼的可能结果——在这种情况下是合理的通知——即谈判协议的最佳替代方案 (BATNA)。
科研利益冲突的原因不仅限于科学研究已经成为可以产生巨大利润的源泉这一选项,还包括以下几个方面: 1. 资金来源冲突:科研项目通常需要大量的资金支持,而科研机构和研究人员往往依赖于政府、企业或其他组织的资助。这样的资金来源可能导致潜在的利益冲突,影响研究者的独立性和客观性。 2. 学术地位竞争:在学术界中,科研成果的质量和数量会直接关系到研究者的声誉和职业发展。因此,一些研究者可能会出于个人利益而夸大研究成果的重要性或者急于发表成果,导致科研利益冲突。 3. 专利和知识产权争议:科研项目的成果可能包括发明、技术或者其他可能具有商业价值的创新,研究者可能为了争夺专利权或者知识产权而发生利益冲突。 4. 学术合作纷争:科研常常需要多个研究者或研究团队的合作,而合作过程中利益分配、实验数据共享、合作论文署名等问题可能引发冲突。研究者之间的利益冲突可能在合作的过程中凸显。 5. 学术评价体系的影响:学术评价体系通常以发表论文数量、科研经费和成果转化为评判标准,这样可能会导致一些研究者过分关注发表论文和获取经费,而忽视了科研的原本目的和道德规范,引发利益冲突。 综上所述,科研利益冲突的原因包括资金来源冲突、学术地位竞争、专利和知识产权争议、学术合作纷争以及学术评价体系的影响等多个方面。这些冲突可能会对科学研究的真实性、客观性和可靠性产生负面影响。因此,科研机构和研究者应该秉持科研的原则和道德规范,加强科研行为的监督和约束,确保科研利益的合理平衡和科学研究的可持续发展。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值