Frontier Enterprise 報告新加坡國立大學圖書館推出 AI Sense Maker

發生了什麼事

Frontier Enterprise 報告稱，新加坡國立大學推出了 AI Sense Maker，這是一個由新加坡國立大學圖書館和新加坡國立大學資訊技術公司開發的基於網路的對話平台。該平台使用 OpenAI 的大型語言模型和語義搜尋來幫助用戶開始使用自然語言問題而不是特定於資料庫的關鍵字進行研究。

Frontier Enterprise 報告稱，新加坡國立大學圖書館與新加坡國立大學資訊科技公司聯合推出了 AI Sense Maker（ASM）。該報告將 ASM 描述為一個基於網路的對話平台，並表示新加坡國立大學是東南亞第一所以這種方式使用對話人工智慧的大學。該地區優先的聲明由該出版物提出，並未得到此處提供的來源資料的獨立證實。該平台被描述為由 OpenAI 的大語言模型提供支持，但報告沒有指明模型版本、部署安排或技術架構。

根據 Frontier Enterprise 的說法，使用者可以從日常語言的問題開始，例如為什麼新加坡的一些社區感覺比其他社區更熱。 ASM 使用語義搜尋來解釋查詢的含義和意圖，而不是僅依賴字面關鍵字匹配。報告的功能包括檢索相關來源、呈現相關概念、產生簡潔的主題摘要、整理參考以供進一步閱讀以及建立顯示想法之間聯繫的互動式知識圖。這些是對平台報告功能的描述，而不是獨立測量的結果。

Frontier Enterprise 報告稱，ASM 最初利用了 15 萬份數位化材料。該館藏包括來自新加坡國立大學研究資料庫 ScholarBank 的研究論文，以及來自新加坡國立大學圖書館數位化工作 Digital Gems 的資料，該計畫專注於特殊館藏和主要來源，特別是與東南亞相關的館藏和主要來源。文章稱，這些藏品包括 17 世紀的書籍。它沒有具體說明有多少資料是完全可搜尋的、來源如何排名、平台是否可以存取原始掃描，或者所有使用者是否獲得相同的館藏覆蓋範圍。

報告引述新加坡國立大學副教授兼大學圖書館員 Natalie Pang 的話說，研究人員缺乏時間和清晰度，ASM 旨在幫助人們理解訊息，而不是簡單地查找資訊。龐也表示，該系統旨在支持更好的問題和更深入的探究，而不是取代批判性思維。這些陳述來自 Frontier Enterprise 的 Pang；該來源沒有提供獨立的使用者測試、比較研究或評估該工具是否實現了這些目標。

來源詳情: frontier-enterprise.com ↗

為什麼這很重要

此次部署展示了大學如何將生成式人工智慧直接置於研究發現和圖書館館藏中。其報告的初始語料庫將研究論文與數位化稀有材料和東南亞主要來源結合起來，可能為使用者提供一種更方便的方式來尋找館藏之間的聯繫。本文並未獨立確認該平台的準確性、可用性、效能或對學習成果的影響。

報道中的發布很重要，因為它將人工智慧置於知識工作的一個重要階段：決定研究從哪裡開始。傳統的圖書館研究通常要求使用者知道要搜尋哪個資料庫以及要使用哪些術語。對話式介面可以透過允許用普通語言表達問題來降低這一障礙。語義檢索還可以顯示使用與使用者措詞不同的詞彙的材料。 Frontier Enterprise 將這些視為預期的優勢，但它並沒有提供回想率、相關性或研究時間的可衡量的改善。

收集策略賦予部署超越一般聊天機器人的意義。據報道，ASM 透過將研究論文庫與數位化特殊館藏相結合，將當代學術與稀有歷史資料聯繫起來。如果系統保留來源連結並明確答案的出處，它可以幫助學生和研究人員發現難以透過單獨的關鍵字搜尋找到的資料。潛在的公共價值與東南亞歷史和學術尤其相關，其中數位化和可發現性可能會影響誰能夠接觸主要來源。

同時，大型索引館藏本身也無法提供可靠的研究協助。語言模型產生的摘要可以省略限定條件、平息分歧或引入檢索到的材料不支持的主張。語意搜尋也可以檢索不適合特定問題的概念上相似的來源。消息來源沒有說明 ASM 是否會在證據薄弱時顯示引文、頁面層級引文、置信度指標、收集差距或警告。它還沒有報告針對圖書館員、傳統搜尋或其他研究工具的評估。

因此，該計畫代表了一項實際的製度實驗，但其影響在所提供的報告中仍未衡量。沒有關於使用者數量、存取限制、營運成本、可訪問性條款、許可安排或學習成果的資訊。該報告也沒有確定該系統是否可以在新加坡國立大學社區以外使用。最有力的證據是，某大學圖書館推出了一個命名的人工智慧平台，該平台具有明確的初始館藏和多項規定的功能；關於改變教育或研究的更廣泛的主張需要更多的證據。

接下來看什麼

接下來重要的問題是AI Sense Maker如何引用和區分來源，如何處理歷史資料中的錯誤，誰可以訪問它，以及15萬個項目的基礎是否會擴大。使用者和機構還應該關注有關隱私、版權、館藏覆蓋範圍、人工審查以及該工具是否提高研究品質而不僅僅是減少搜尋時間的證據。

首先，觀察者應該尋找有關存取權限和範圍的具體資訊。該報告沒有說明 AI Sense Maker 是否向公眾開放、僅限於新加坡國立大學的學生和學者、僅通過試點或已經廣泛部署。它還沒有解釋用戶是否可以搜尋 150,000 種材料基礎中的每一項，或者存取權限是否根據版權、隱私、收集政策或數位化狀態而變化。這些細節將決定此次發布主要是校園服務還是更廣泛的公共知識資源。

其次，源頭處理的品質將是核心。一個有用的研究系統應該明確哪些文件支持答案，區分自動產生的摘要和潛在證據，並提供檢查原始項目的實用途徑。重要的問題包括引用是否準確、知識圖是否是根據顯式關係或模型推理產生的、如何處理重複和衝突的來源，以及當查詢不在集合中時會發生什麼。 Frontier Enterprise 不報告這些保障措施或任何準確性測試。

第三，大學的治理選擇值得關注，因為該體系既涵蓋現代研究論文，也涵蓋罕見的歷史資料。未來的報告應闡明如何儲存使用者查詢、是否使用互動來改進模型、如何保護敏感或受限集合，以及如何管理版權和授權義務。該消息人士也沒有透露 OpenAI 模型的身份，也沒有說明新加坡國立大學是否圍繞該模型運行額外的過濾、檢索或審查層。

最後，有意義的評估將表明 ASM 是否改善了研究，而不是簡單地使第一次互動感覺更容易。有用的證據可能包括與現有圖書館搜尋的受控比較、涉及不熟悉的術語和歷史館藏的測試、圖書館員的錯誤分析以及學生和研究人員隨時間的回饋。收集的擴大、記錄的更正和持續使用的證據將表明發射是否已成為耐用的基礎設施。如果沒有這些訊息，實際效果仍然有希望但未經驗證。

相關指引和測驗