谷歌有 已公佈 它正在測試一種新的人工智能驅動的搜索工具， 學者實驗室它旨在回答描述性研究問題。但它的出現凸顯了一個更大的問題：尋找“好的”科學研究。科學家們在多大程度上相信該工具會忽略衡量一項研究在科學機構中受歡迎程度的常見方法，而傾向於閱讀術語之間的關係以幫助進行良好的研究？
新的搜索工具使用人工智能來識別用戶查詢中的關鍵主題和關係，目前僅向有限數量的登錄用戶開放。 Scholar Labs 的演示視頻涵蓋了有關腦機接口 (BCI) 的問題。我擁有腦機接口博士學位，所以我很好奇這些學者實驗室在做什麼。
第一個成果是2024年發表在該雜誌上的BCI研究綜述論文 應用科學。 Scholar Labs 解釋了為什麼結果與問題相符，因此本文討論了一種稱為腦電圖的非侵入性信號的研究，並調查了該領域的一些領先算法。
但我注意到學者實驗室缺乏用於區分“好”研究和“不太好”研究的簡單指標過濾器。一個衡量標準是一項研究自發表以來被其他研究引用的次數，這大致可以轉化為該論文的受歡迎程度。它還與時間有關：最近發表的一項研究可能被引用為零，或者在幾個月內就被引用了數百次； 90 年代的一項研究估計有數千人。另一個指標是科學期刊的“影響因子”。發表被廣泛引用的研究的期刊具有較高的影響因子，因此被認為對科學界更嚴格或更有意義。 應用科學 自我報告是 影響因子2.5。 自然為了比較，它的影響因子是這樣說的 48.5。
最初的谷歌學術搜索可以選擇按“相關性”對研究進行排名，並列出每個結果的引用次數。谷歌發言人麗莎·奧吉克（Lisa Oguike）表示，新的學者實驗室的目標是“挖掘消費者研究探索中最有用的文件”。 邊緣 谷歌表示，它通過以與研究人員相同的方式對文檔進行排名來做到這一點，例如“每個文檔的全文、發表地點、作者，以及其他學者的文獻中引用該文檔的頻率和最近的頻率”。
然而，新學者實驗室不會根據論文的引用計數或期刊影響因子對結果進行排序或限制，奧吉克說。 邊緣。
圖片：谷歌學術
“影響因子和引用次數取決於論文的研究領域，許多用戶可能很難在特定研究問題的背景下推斷出適當的值，”奧吉克寫道。 “受到影響因子或引用計數的限制常常會錯過關鍵論文，尤其是跨學科/相鄰領域/期刊中的論文或最近發表的文章，”Ogyuke 補充道。
范德比爾特大學醫學中心神經病學副教授馬修·斯克拉格在接受采訪時表示，引用次數和影響因子等指標“是對論文質量的非常粗略的估計”。 邊緣同意谷歌的說法。他說，它們“更多地反映了論文的社會背景”，而不是論文的質量，儘管“這兩件事希望是相關的”。
研究阿爾茨海默病的施拉格是被標記的幾位科學家之一。 已發表的科學研究中的可疑數據。像斯克拉格這樣的數據偵探和整個科學界的努力導致一些研究從備受推崇的期刊中被刪除。 篡改圖像已發出更正 諾貝爾獎獲得者和 聯邦調查 成重複數據。
儘管如此，還是很難 不 特別是當進入一個新領域時，通常會使用期刊的引用計數或聲譽來審查研究。塔夫茨大學康復科學教授詹姆斯·斯莫里加（James Smoliga）經常使用原始的谷歌學術搜索，他認為引用次數越多的論文就越可靠。 “我和其他人一樣有罪，”他說 邊緣。他這樣做，儘管有 廢黜 被引用數以千計的研究中使用的方法。 “我知道事實並非如此，但我仍然會陷入這個陷阱，因為我還能做什麼呢？”
我在 PubMed 中復制了 Scholar Labs 關於中風患者 BCI 研究的演示問題，PubMed 是美國國立衛生研究院國家醫學圖書館運營的領先的生物醫學和健康研究資料庫。與 ScholarLabs 不同，PubMed 嚴重依賴過濾器及其相關術語。 或者沙 和s。我的結果僅基於回顧臨床研究文章，即僅針對過去五年的人類。我排除了預印本，即直接發佈到 arXiv 或 bioRxiv 等論文存儲庫的研究，無需經過其他科學家的審查過程。六項研究結果中有兩項特別關注腦電圖作為用於幫助中風患者的無創腦機接口的主要類型。
Oguike 補充道，用戶可以在查詢中詢問“最近”的論文，並在請求中指定時間段，ScholarLabs 使用“研究論文的全文”來查找與用戶的查詢相匹配的結果。
谷歌稱 Scholar Labs 為“我們的新方向”，並表示計劃在未來納入用戶反饋。它有一個等待訪問的名單。
施拉格認為，基於人工智能的搜索在科學生態系統中佔有一席之地，新的學者實驗室也是如此。他補充說，從理論上講，這可以為那些漏掉的表面紙張撒下一張更廣泛的網，或者為該紙張在社交媒體平台上的受歡迎程度添加更多背景信息。他說，研究需要全面的評估，而人工智能可以解決這個問題。 “你必須了解該領域的嚴格標準以及研究是否符合這些標準，”他說。
斯克拉格說，最終，科學家有責任確定科學的影響是什麼。它需要閱讀和參與科學文獻“成為最終的仲裁者，而不是讓算法成為我們認為高質量的最終仲裁者”。
