Vertaisarviointi on olennainen osa tieteellistä tutkimusta. Se on keskeisessä roolissa varmistamassa löydösten totuudenmukaisuutta ja tarkkuutta ennen niiden julkaisua. Kuitenkin vertaisarviointiprosessi toteutetaan ihmisten toimesta, ja ihmiset tekevät väistämättä virheitä. Uudet teknologiat saattavat kuitenkin tarjota ratkaisun tähän ongelmaan.
BeInCrypto keskusteli YesNoErrorin perustajan Matt Schlichtin ja Mira Networkin toimitusjohtajan Magnus Brattin kanssa ymmärtääkseen, miten tekoäly (AI) ja hajautettu tiede (DeSci) yhdistyvät muuttaakseen vertaisarvioituja tieteellisiä prosesseja.
Viallisen valvonnan hinta
Jopa älykkäimmät ihmiset tekevät virheitä. Tieteen alalla nämä virheet voivat johtaa valtaviin seurauksiin. Historia – sekä uusi että vanha – on osoittanut tämän kerta toisensa jälkeen.
Vuonna 1998 NASA laukaisi Mars Climate Orbiterin tutkimaan planeetan ilmakehää. Projektiin sijoitettiin 125 miljoonaa dollaria ja lähes 10 kuukautta matkustamiseen.
Saapuessaan kiertolainen paloi ja hajosi, ja NASA leimasi tehtävän epäonnistuneeksi. Eniten kirpaisi se, että tehtävän epäonnistuminen johtui yksinkertaisesta navigointivirheestä.
Jet Propulsion Laboratoryn (JPL) johtama navigointitiimi käytti laskelmissaan metrijärjestelmää. Samaan aikaan avaruusaluksen suunnittelija ja rakentaja Lockheed Martin Astronautics toimitti tärkeät kiihtyvyystiedot englantilaisina yksikköinä.
Lockheed Martinin epäonnistuminen muuntaa englantilaiset yksiköt metrijärjestelmään selitti kriittisen virheen, joka aiheutti avaruusaluksen lähestymisen Marsia liian läheltä ja palamisen saapuessaan.
“Perinteinen vertaisarviointi on luonteeltaan rajoittunut inhimillisten virheiden ja subjektiivisuuden vuoksi. Arvioijat saattavat jättää huomiotta tärkeitä metodologisia puutteita tai tilastollisia virheitä yksilöllisten ennakkoluulojen, ristiriitaisten intressien tai yksinkertaisesti manuaalisen tarkastelun rajoitusten vuoksi,” Bratt kertoi BeInCryptolle.
Jatkotutkimukset paljastivat, että navigointilaskelmien tiukan, riippumattoman vertaisarvioinnin puute myötävaikutti yksikkömuunnosvirheiden jäämiseen huomaamatta. On kuitenkin ollut vieläkin tuoreempia tapauksia, joissa vertaisarviointimekanismit eivät ole onnistuneet korjaamaan tällaisia yksinkertaisia virheitä.
Äskettäinen tapaus inhimillisestä virheestä tieteessä
Yksi viimeisimmistä tapahtumista, joka osoittaa inhimillisten virheiden laajuuden vertaisarvioidussa tieteellisessä tutkimuksessa, tapahtui viime vuonna. Lokakuussa ympäristökemian lehdessä Chemosphere julkaistu tutkimus paljasti, että elektronisia palonestoaineita on joissakin mustissa muovisissa kotitaloustuotteissa, kuten keittiövälineissä.
Tutkimus johti lukuisiin mediakertomuksiin, mukaan lukien artikkelit The Atlanticissa ja National Geographicissa, jotka kehottivat kuluttajia hävittämään mustat muoviset keittiövälineensä. Se aiheutti myös julkista huolta sosiaalisessa mediassa.
Kuitenkin joulukuussa, 30 sentillä ja 30 sekunnissa, OpenAI-kysely, joka tarkasteli tutkimuksen löydöksiä, havaitsi, että kirjoittajat olivat unohtaneet nollan.
“Laskimme väärin viiteannoksen 60 kg aikuiselle, alun perin arvioiden sen olevan 42 000 ng/päivä sen sijaan, että oikea arvo olisi 420 000 ng/päivä,” korjaus totesi.
Alkuperäisessä tutkimuksessa oli merkittävä kymmenkertainen virhe, jossa ilmoitettiin altistuksen olevan 80 % tietyn toksiinin laillisesta rajasta, kun se oli vain 8 %. Toisin sanoen tämä virhe yliarvioi merkittävästi altistumisen näille toksiineille.
“Sanoisin, että suurin rajoitus, joka on hyvin selvä, on se, että vertaisarvioinneissa ihmiset tekevät virheitä. Nämä ovat erittäin älykkäitä ihmisiä. Tämä julkaistiin kaikkialla. Se kesti kaksi kuukautta, ja miljoonat ihmiset näkivät tämän artikkelin, eikä kukaan huomannut tätä. Käy ilmi, että jos otat tämän paperin ja lähetät sen OpenAI:n uusimmalle mallille, sanot vain, ‘hei, onko tässä paperissa virheitä?’ Noin 30 sentillä ja 30 sekunnissa se sanoo heti kyllä,” Schlicht totesi.
AI:n ja DeScin kannattajat ovat huomauttaneet näistä perinteisten tieteellisten lähestymistapojen puutteista.
Vertaisarvioinnin uudelleenkuvittelu tekoälyn ja DeScin avulla
Vertaisarvioinnin käsite on ollut olemassa vuosisatoja. Alusta lähtien se on kokenut useita muutoksia.
“Vertaisarviointi ei aina ollut se muodollinen, anonyymi prosessi, jonka tunnemme tänään. Tieteellisten lehtien alkuaikoina (1600-luvun puolivälissä) toimittajat, kuten Henry Oldenburg Royal Societyssä, päättivät, mitä julkaista ilman ulkopuolisten asiantuntijoiden kuulemista. 1700- ja 1800-luvuilla, kun tieteelliset yhteisöt laajenivat, epäviralliset keskustelut ja sisäiset arvioinnit kehittyivät vähitellen järjestelmällisemmäksi käytännöksi. 1900-luvun puoliväliin mennessä, kun tutkimustuotanto räjähti, lehdet ottivat käyttöön rakenteellisen, ulkoisen vertaisarvioinnin (usein anonyymien arvioijien kanssa) auttaakseen ylläpitämään laatua ja oikeudenmukaisuutta. Nykyään näemme erilaisia malleja—yksinkertaisista ja kaksinkertaisista arvioinneista avoimiin ja julkaisun jälkeisiin arviointeihin—jotka heijastavat jatkuvia pyrkimyksiä tasapainottaa läpinäkyvyyttä, tehokkuutta ja tarkkuutta nopeasti kasvavassa akateemisessa ympäristössä,” Bratt selitti.
DeSci on lähtenyt liikkeelle löytääkseen Web3-teknologiaratkaisuja käsittelemään perinteisen tieteellisen tutkimuksen lähestymistavan aiheuttamia kriittisiä haasteita. Tämän seurauksena AI-agentit ovat tulleet ilmeiseksi ratkaisuksi ihmisten virheiden mahdollisesti tuhoisille seurauksille vertaisarviointimekanismeissa.
“Tekoäly voi automaattisesti merkitä virheitä, epäjohdonmukaisuuksia ja plagiointia samalla kun se yhdistää käsikirjoitukset sopivimpiin arvioijiin—auttaen vähentämään puolueellisuutta ja keventämään arvioijien työtaakkaa. Hajautetut tiedealustat, jotka käyttävät lohkoketjua tai vastaavia teknologioita, voivat tallentaa arviointihistoriat läpinäkyvästi ja mahdollistaa joukkoarvioinnit, lisäten vastuullisuutta ja luottamusta. Yhdessä nämä työkalut tehostavat ja parantavat vertaisarviointia, varmistaen nopeamman ja luotettavamman laadunvalvonnan,” hän lisäsi.
Nämä uudet teknologiat ovat myös tehneet tieteelliseen arviointiin osallistumisen helpommin saavutettavaksi.
“Hajautettu tiede ja tekoäly voivat valtavasti auttaa vertaisarvioinneissa alentamalla vertaisarvioinnin kustannuksia mahdollistamalla tekoälyn tekemään sen murto-osalla kustannuksista ja paljon nopeammin. DeSci voi antaa kaikille mahdollisuuden saada rajattomasti vertaisarviointeja välittömästi,” sanoi Schlicht.
Tehokkuus, nopeus, hajauttaminen ja kustannusten alentaminen voivat avata uusia mahdollisuuksia monimutkaisten tieteellisten ongelmien ratkaisemiseen, jotka ovat tähän asti olleet ratkaisemattomia.
Tieteellisen edistyksen vauhdittaminen tekoälyllä
Uudet teknologiat, kuten tekoäly, tarjoavat lupaavia uusia lähestymistapoja monimutkaisiin tieteellisiin haasteisiin, mukaan lukien syöpätutkimus, ihmisen pitkäikäisyys ja Alzheimerin tauti.
Vuosisatojen ihmistutkimuksen ansiosta miljoonia tieteellisiä artikkeleita julkaistaan nykyään lehdissä ympäri maailmaa, mikä tarkoittaa valtavia määriä dataa. Tekoälyagentit voivat tallentaa, suodattaa ja analysoida olemassa olevia tietokokonaisuuksia nopeudella, joka on ihmisille mahdotonta tänään.
“Tekoäly muuttaa syöpätutkimusta ja tarjoaa valtavia mahdollisuuksia nopeuttaa tehokkaiden hoitojen löytämistä. Tekoälytyökalut osoittautuvat jo korvaamattomiksi seulomalla nopeasti valtavia tietokokonaisuuksia paljastaakseen geneettisiä markkereita ja uusia lääketavoitteita, mallintaen syöpien kehittymistä ja jopa ehdottaen innovatiivisia hoitoyhdistelmiä. Nämä läpimurrot eivät ainoastaan nopeuta varhaisia löytövaiheita, vaan myös optimoivat kliinisten kokeiden suunnittelua ja ennustavat potilaiden vastauksia yhä tarkemmin. Vaikka syöpä on edelleen monimutkainen joukko sairauksia, tekoälyn kasvava vaikutus tekee parannuksen tavoitteesta yhä saavutettavamman ja energisoi koko tutkimusyhteisöä,” Bratt kertoi BeInCrypto:lle.
Schlichtin YesNoError (YNE) rakensi valkoisen kirjan hajautetulle aloitteelle, joka hyödyntää kehittyneitä suuria kielimalleja (LLM) järjestelmällisesti tarkastamaan kaikki olemassa olevat tieteelliset julkaisut. YNE-token perustuu taloudelliseen malliin, jossa tokenin haltijat voivat äänestää, mitkä projektit tulisi priorisoida.
Tekoälyagentit ovat vastuussa virheiden skannaamisesta yksinkertaisista laskuvirheistä datan väärentämiseen. Projektin laajempi tavoite on kehittää työkalu tieteellisten väitteiden tarkistamiseen, joka on tutkijoiden, instituutioiden ja yleisön saatavilla.
“Kuinka monta tutkimuspaperia on kirjoitettu pitkäikäisyydestä? Sanotaan, että niitä on miljoona. Sanotaan, että olet laboratorio, joka keskittyy pitkäikäisyyteen. Tiimisi koko, joka vaadittaisiin ihmisen näkökulmasta, ei riitä pelkästään lukemaan miljoonaa paperia, vaan myös analysoimaan ne tarkasti ja yhdistämään tiedot, ei ole mahdollista ihmisen mittakaavassa. Mutta kun alat suunnitella tekoälyagenttijärjestelmää, joka voi lukea miljoona paperia käytännössä välittömästi, voit ohjata näitä tekoälyjä tekemään johtopäätöksiä, tuomaan takaisin yhdistettyä tietoa ja sitten tuomaan sen ihmistiimille. Tämä on erittäin selkeä tapa, jolla tekoäly voi auttaa saavuttamaan läpimurtoja pitkäikäisyydessä tai missä tahansa muussa tieteellisessä tavoitteessa,” sanoi Schlicht.
Muut suuret toimijat alkavat huomata tämän yhä suositumman suuntauksen. Advanced Micro Devices (AMD) ja Johns Hopkins Universityn tutkijat kehittivät äskettäin Agent Laboratoryn. Tämä tekoälykehys on suunniteltu automatisoimaan keskeisiä osia tieteellisestä tutkimuksesta.
Järjestelmä käyttää suuria kielimalleja kirjallisuuskatsauksien tekemiseen, kokeiden suunnitteluun ja raporttien, mukaan lukien koodin ja dokumentaation, tuottamiseen. Se ei kuitenkaan ole hajautettu tai perustuu token-malliin. Alustavat tulokset viittaavat siihen, että kehys voi vähentää tutkimuskustannuksia 84% verrattuna muihin automatisoituihin menetelmiin ilman, että tutkimuksen laatu kärsii.
Kuitenkin, jos muut projektit kryptosektorilla aikovat kehittää samankaltaisia projekteja, AI DeScissä voi lopulta tarjota lupaavan tulevaisuuden.
DeScin valoisa tulevaisuus
CoinGeckon mukaan DeSci-markkina-arvo on 1,05 miljardia dollaria kirjoitushetkellä. Viimeisen vuoden aikana sektori on osoittanut tasaista kasvua ja jatkuvaa innovointia. Monet uudemmista projekteista ovat nopeasti nousseet merkittäviksi toimijoiksi.
Schlicht ja Bratt ennustavat, että hajautetun tieteen markkinakoko kasvaa eksponentiaalisesti.
“Uskon, että 10 vuoden kuluttua DeScin markkina-arvo voi olla yli 10 000 kertaa suurempi kuin se on nyt. Koska tekoälyn, hajauttamisen ja tokenien yhdistelmä, tiede on eksponentiaalisesti lisäämässä läpimurtoja,” hän totesi.
Bratt lisäsi tähän:
“Jos onnistuu, se voi helposti muodostaa 5-10% maailmanlaajuisesta tieteellisestä tutkimusmarkkinasta, joka on jo biljoonissa.”
He odottavat kuitenkin, että DeSci kohtaa vastustusta perinteisiltä lääketieteellisiltä ja tieteellisiltä lobbareilta.
Kohtaamassa status quo
Vaikka tieteellistä tutkimusta voidaan rahoittaa erilaisten valtion virastojen, instituutioiden ja säätiöiden apurahojen kautta, suurin osa rahoituksesta tulee yksityisiltä yrityksiltä.
Vuoden 2023 UCLA raportti osoittaa, että lähes 80% noin 57 miljardista dollarista, joka käytettiin syöpätutkimukseen Yhdysvalloissa vuonna 2021, tuli yksityiseltä sektorilta, pääasiassa suurilta lääkeyhtiöiltä. Raportissa todettiin myös, että tutkimustulosten jakaminen oli rajallista.
“On olemassa eturyhmiä, jotka voivat lobata kieltääkseen tällaiset markkinatoiminnot suojellakseen vakiintuneita toimijoita,” Bratt sanoi.
Schlichtille DeSci tarjoaa mahdollisuuden haastaa yksityiset intressit.
“Aiemmin yritykset pystyivät hallitsemaan, mitä tutkimusta rahoitetaan. DeSci häiritsee tätä ja mahdollistaa kenelle tahansa saada rahoitusta, jos ihmiset uskovat, että heidän ideansa on hyvä,” hän sanoi.
Koska lohkoketjuteknologia mahdollistaa anonymiteetin ja asettaa etusijalle yksityisyyden, hän väittää, että innovaattoreita on vaikeampi jäljittää.
“En usko, että lobbaajat pystyvät pysäyttämään DeSciä. Seuraava Einstein saattaa olla anonyymi. Se voi olla joku, jolla on pingviini-avatar tai sammakko-profiilikuva. Se voi olla joku, jolla on NFT profiilina ja joukko numeroita nimessään. Lobbaajat eivät voi edes löytää heitä, koska he eivät tiedä, keitä he ovat, ja heitä rahoitetaan hajautetusti. Heillä on jopa tiimi muita pseudonyymejä ihmisiä, jotka työskentelevät heidän kanssaan, sekä ihmisiä että tekoälyjä,” Schlicht sanoi.
Ennen kuin harkitaan mahdollista kilpailua perinteisten lääketieteellisten lobbareiden ja hajautetun tieteen innovaattoreiden välillä, DeSci on kuitenkin vielä matkalla kohti kypsyyttä.
Lopulta tekoälyn ja hajautetun tieteen yhdistyminen tarjoaa voimakkaan uuden paradigman tieteelliselle tutkimukselle. Tämä mahdollisuus voi parantaa vertaisarvioinnin luotettavuutta ja tehokkuutta, demokratisoida rahoituksen saatavuutta ja nopeuttaa läpimurtoja eri tieteellisillä aloilla.
AI:n ja hajautetun tieteen kehityksen seuranta on olennaista, jotta nämä teknologiat voidaan integroida vastuullisesti tieteelliseen tutkimukseen.
Vastuuvapauslauseke
Kaikki verkkosivustollamme olevat tiedot julkaistaan vilpittömässä mielessä ja ainoastaan yleiseen tiedottamiseen. Lukijan on toimittava verkkosivustomme tietojen perusteella täysin omalla vastuullaan.
