Chuyện gì đã xảy ra
Frontier Enterprise báo cáo rằng Đại học Quốc gia Singapore đã ra mắt AI Sense Maker, một nền tảng đàm thoại dựa trên web được phát triển bởi Thư viện NUS và Công nghệ thông tin NUS. Nền tảng này sử dụng mô hình ngôn ngữ lớn và tìm kiếm ngữ nghĩa của OpenAI để giúp người dùng bắt đầu nghiên cứu bằng các câu hỏi bằng ngôn ngữ tự nhiên thay vì các từ khóa dành riêng cho cơ sở dữ liệu.
Frontier Enterprise báo cáo rằng Thư viện NUS đã ra mắt AI Sense Maker, hay ASM, cùng với NUS Information Technology. Báo cáo mô tả ASM là một nền tảng đàm thoại dựa trên web và cho biết NUS là trường đại học đầu tiên ở Đông Nam Á sử dụng AI đàm thoại theo cách này. Tuyên bố đầu tiên trong khu vực đó được trình bày bởi ấn phẩm và không được xác nhận độc lập bởi tài liệu nguồn được cung cấp ở đây. Nền tảng này được mô tả là được hỗ trợ bởi mô hình ngôn ngữ lớn của OpenAI, nhưng báo cáo không xác định phiên bản mô hình, cách sắp xếp triển khai hoặc kiến trúc kỹ thuật.
Theo Frontier Enterprise, người dùng có thể bắt đầu bằng một câu hỏi bằng ngôn ngữ hàng ngày, chẳng hạn như tại sao một số khu phố ở Singapore lại nóng hơn những khu vực khác. ASM sử dụng tìm kiếm ngữ nghĩa để diễn giải ý nghĩa và mục đích của truy vấn thay vì chỉ dựa vào kết quả khớp từ khóa theo nghĩa đen. Các chức năng được báo cáo bao gồm truy xuất các nguồn có liên quan, hiển thị các khái niệm liên quan, tạo ra các bản tóm tắt chủ đề ngắn gọn, sắp xếp tài liệu tham khảo để đọc thêm và tạo biểu đồ kiến thức tương tác thể hiện mối liên hệ giữa các ý tưởng. Đây là những mô tả về khả năng được báo cáo của nền tảng, không phải kết quả được đo lường độc lập.
Frontier Enterprise báo cáo rằng ASM ban đầu sử dụng 150.000 tài liệu số hóa. Bộ sưu tập bao gồm các tài liệu nghiên cứu từ ScholarBank, kho nghiên cứu của NUS và tài liệu từ Digital Gems, một nỗ lực số hóa của Thư viện NUS tập trung vào các bộ sưu tập đặc biệt và các nguồn chính, đặc biệt là những nguồn liên quan đến Đông Nam Á. Bài báo cho biết những bộ sưu tập đó bao gồm những cuốn sách có niên đại từ thế kỷ 17. Nó không chỉ rõ số lượng tài liệu có thể tìm kiếm được đầy đủ, cách xếp hạng các nguồn, liệu nền tảng có thể truy cập các bản quét gốc hay không hoặc liệu tất cả người dùng có nhận được phạm vi thu thập giống nhau hay không.
Báo cáo dẫn lời Natalie Pang, phó giáo sư và thủ thư trường đại học tại NUS, nói rằng các nhà nghiên cứu thiếu thời gian và sự hiểu biết rõ ràng và rằng ASM nhằm mục đích giúp mọi người hiểu được thông tin thay vì chỉ đơn giản là tìm thấy nó. Pang cũng cho biết hệ thống này nhằm mục đích hỗ trợ các câu hỏi tốt hơn và tìm hiểu sâu hơn thay vì thay thế tư duy phản biện. Những tuyên bố đó được cho là của Pang thông qua Frontier Enterprise; nguồn không cung cấp thử nghiệm độc lập cho người dùng, nghiên cứu so sánh hoặc đánh giá xem liệu công cụ có đạt được các mục tiêu đó hay không.
Chi tiết nguồn: frontier-enterprise.com ↗
Tại sao nó quan trọng
Việc triển khai minh họa cách một trường đại học đặt AI sáng tạo trực tiếp vào các bộ sưu tập thư viện và khám phá nghiên cứu. Kho dữ liệu ban đầu được báo cáo của nó kết hợp các tài liệu nghiên cứu với các tài liệu quý hiếm được số hóa và các nguồn chính ở Đông Nam Á, có khả năng cung cấp cho người dùng một cách dễ tiếp cận hơn để tìm kiếm các kết nối giữa các bộ sưu tập. Bài viết không xác nhận độc lập tính chính xác, tính khả dụng, hiệu suất hoặc ảnh hưởng của nền tảng đến kết quả học tập.
Việc ra mắt được báo cáo có ý nghĩa quan trọng vì nó đặt AI vào một giai đoạn quan trọng của công việc tri thức: quyết định nơi bắt đầu nghiên cứu. Nghiên cứu thư viện thông thường thường yêu cầu người dùng biết cơ sở dữ liệu nào cần tìm kiếm và thuật ngữ nào sẽ sử dụng. Giao diện đàm thoại có thể hạ thấp rào cản đó bằng cách cho phép diễn đạt câu hỏi bằng ngôn ngữ thông thường. Việc truy xuất ngữ nghĩa cũng có thể hiển thị tài liệu sử dụng các từ vựng khác với cách diễn đạt của người dùng. Frontier Enterprise trình bày những điều này như những lợi thế dự kiến, nhưng nó không mang lại những cải thiện đo lường được về khả năng thu hồi, mức độ phù hợp hoặc thời gian nghiên cứu.
Chiến lược thu thập mang lại cho việc triển khai một ý nghĩa quan trọng ngoài một chatbot chung chung. Bằng cách kết hợp kho lưu trữ các tài liệu nghiên cứu với các bộ sưu tập đặc biệt được số hóa, ASM được cho là đã kết nối học thuật đương đại với các nguồn lịch sử và quý hiếm. Nếu hệ thống duy trì các liên kết nguồn và làm rõ nguồn gốc của các câu trả lời, nó có thể giúp sinh viên và nhà nghiên cứu khám phá các tài liệu khó tìm thông qua các tìm kiếm từ khóa riêng biệt. Giá trị công cộng tiềm năng đặc biệt phù hợp với lịch sử và học thuật Đông Nam Á, nơi mà việc số hóa và khả năng khám phá có thể ảnh hưởng đến những ai có thể tiếp cận với các nguồn tài liệu chính.
Đồng thời, một bộ sưu tập lớn được lập chỉ mục tự nó không tạo ra được sự hỗ trợ nghiên cứu đáng tin cậy. Các bản tóm tắt do mô hình ngôn ngữ tạo ra có thể bỏ qua các tiêu chuẩn, san bằng những bất đồng hoặc đưa ra các tuyên bố không được tài liệu truy xuất hỗ trợ. Tìm kiếm ngữ nghĩa cũng có thể truy xuất các nguồn tương tự về mặt khái niệm nhưng không phù hợp với một câu hỏi cụ thể. Nguồn không cho biết liệu ASM có hiển thị các trích dẫn, trích dẫn ở cấp độ trang, chỉ báo độ tin cậy, khoảng trống trong thu thập hoặc cảnh báo khi bằng chứng yếu hay không. Nó cũng không báo cáo đánh giá đối với các thủ thư, tìm kiếm thông thường hoặc các công cụ nghiên cứu khác.
Do đó, dự án đại diện cho một thử nghiệm mang tính thể chế thực tế, nhưng tác động của nó vẫn chưa được đo lường trong báo cáo được cung cấp. Không có thông tin về số lượng người dùng, hạn chế truy cập, chi phí vận hành, điều khoản về khả năng tiếp cận, thỏa thuận cấp phép hoặc kết quả học tập. Báo cáo cũng không xác định liệu hệ thống này có khả dụng ngoài cộng đồng NUS hay không. Bằng chứng mạnh mẽ nhất là một thư viện trường đại học đã đưa ra một nền tảng AI có tên với bộ sưu tập ban đầu được xác định và một số chức năng đã nêu; những tuyên bố rộng hơn về việc chuyển đổi giáo dục hoặc nghiên cứu sẽ cần thêm bằng chứng.
Cơ chế tương tác: Nó thực sự hoạt động như thế nào
Khám phá công nghệ cơ bản đằng sau sự phát triển này một cách tương tác.
What is a common training objective for an autoregressive language model?
Xem gì tiếp theo
Các câu hỏi quan trọng tiếp theo là cách AI Sense Maker trích dẫn và phân biệt các nguồn, cách xử lý lỗi trong tài liệu lịch sử, ai có thể truy cập và liệu nền tảng 150.000 vật phẩm có mở rộng hay không. Người dùng và tổ chức cũng nên theo dõi bằng chứng về quyền riêng tư, bản quyền, phạm vi thu thập, đánh giá của con người và liệu công cụ này có cải thiện chất lượng nghiên cứu thay vì chỉ giảm thời gian tìm kiếm hay không.
Đầu tiên, người quan sát nên tìm kiếm thông tin cụ thể về khả năng tiếp cận và phạm vi. Báo cáo không cho biết liệu AI Sense Maker có mở cửa cho công chúng hay không, giới hạn cho sinh viên và học giả NUS, chỉ có sẵn thông qua thí điểm hay đã được triển khai rộng rãi. Nó cũng không giải thích liệu người dùng có thể tìm kiếm mọi mục trong nền tảng 150.000 tài liệu hay liệu quyền truy cập có thay đổi tùy theo bản quyền, quyền riêng tư, chính sách thu thập hoặc trạng thái số hóa hay không. Những chi tiết này sẽ xác định liệu việc ra mắt chủ yếu là một dịch vụ trong khuôn viên trường hay một nguồn kiến thức công cộng rộng hơn.
Thứ hai, chất lượng xử lý nguồn sẽ là trọng tâm. Một hệ thống nghiên cứu hữu ích phải làm rõ tài liệu nào hỗ trợ cho câu trả lời, phân biệt bản tóm tắt được tạo tự động với bằng chứng cơ bản và cung cấp lộ trình thực tế để kiểm tra tài liệu gốc. Các câu hỏi quan trọng bao gồm liệu các trích dẫn có chính xác hay không, liệu các biểu đồ tri thức có được tạo từ các mối quan hệ rõ ràng hay suy luận mô hình hay không, cách xử lý các nguồn trùng lặp và xung đột cũng như điều gì xảy ra khi một truy vấn nằm ngoài bộ sưu tập. Frontier Enterprise không báo cáo các biện pháp bảo vệ này hoặc bất kỳ thử nghiệm độ chính xác nào.
Thứ ba, các lựa chọn quản trị của trường đại học đáng được quan tâm vì hệ thống bao gồm cả tài liệu nghiên cứu hiện đại và tài liệu lịch sử quý hiếm. Báo cáo trong tương lai sẽ làm rõ cách lưu trữ truy vấn của người dùng, liệu các tương tác có được sử dụng để cải thiện mô hình hay không, cách bảo vệ các bộ sưu tập nhạy cảm hoặc bị hạn chế cũng như cách quản lý nghĩa vụ cấp phép và bản quyền. Nguồn cũng không xác định mô hình OpenAI hoặc cho biết liệu NUS có vận hành các lớp lọc, truy xuất hoặc xem xét bổ sung xung quanh nó hay không.
Cuối cùng, đánh giá có ý nghĩa sẽ cho thấy liệu ASM có cải thiện nghiên cứu hay không thay vì chỉ đơn giản là làm cho lần tương tác đầu tiên trở nên dễ dàng hơn. Bằng chứng hữu ích có thể bao gồm các so sánh có kiểm soát với tìm kiếm thư viện hiện có, các bài kiểm tra liên quan đến thuật ngữ lạ và các bộ sưu tập lịch sử, phân tích lỗi của thủ thư và phản hồi từ sinh viên và nhà nghiên cứu theo thời gian. Việc mở rộng bộ sưu tập, chỉnh sửa tài liệu và bằng chứng về việc sử dụng lâu dài sẽ cho biết liệu việc ra mắt có trở thành cơ sở hạ tầng bền vững hay không. Nếu không có thông tin như vậy, hiệu quả thực tế vẫn đầy hứa hẹn nhưng chưa được xác minh.