כלי בינה מלאכותית שכל חוקר.ת צריכים להכיר

You’ll be at a superhuman level almost as soon as that algorithm is implanted in silicon.

Bill Gates

בעידן המידע של היום, בו יש כל כך הרבה ספרות אקדמית נגישה, אחד האתגרים שכל חוקר.ת נתקלים בהם במהלך כתיבת הדיסרטציה הוא למצוא את המידע הרלוונטי לשדה המחקר, ישנם כל כך הרבה מאמרים שלעתים לאחר חצי שעה של קריאה ועיון, נגלה שהם לא בדיוק מה שאנחנו צריכים והם רק משיקים לנושא שלנו בנקודות שלא באמת תורמות למחקר.

בפוסט בלוג זה, נחקור כמה מכלי הבינה המלאכותית החדשים שמשנים את הדרך שבה חוקרים מגלים וניגשים למאמרים בתחומם.

#3 כלי בינה מלאכותית

השלב הראשון בתחילתה של כל כתיבה אקדמית הוא כמובן איתור המאמרים הרלוונטיים לשדה המחקר אותו נרצה לחקור,  ישנם מנועי חיפוש שרובנו כבר מכירים כגון: Google Scholar, Microsoft Academic ו-Semantic Scholar.

אך כיום כבר ישנם כלים נוספים שמייעלים באופן משמעותי את תהליך החיפוש:

• 1. Research Rabbit App – https://researchrabbitapp.com/home

  אפליקציה מדהימה זו תיתן לכם לחפש מאמרים לפי האפשרויות הבאות – מילות מפתח, כותרת המאמר, DOI ,PMID ואז היא תמצא לכם: מאמרים דומים, את כל המאמרים שהיו בביבליוגרפיה, מאמרים נוספים של כותב המאמר, כותבים נוספים מומלצים לנושא וכל זאת עם אפשרות לארגן בקלות את המאמרים לפני הנושא שחיפשתם כדי שיהיה קל בהמשך לטפל בחומר.

• 2. Connected Papers – https://www.connectedpapers.com

  זה אתר אשר בונה מעין מפת חשיבה למאמרים קשורים אשר מופיעים בהפניות ולכל מאמר שמופיע בהפניות ניתן ליצור את מפת המאמרים שמופיעים בהפניות שלו, וכך ניתן להגיע למספר עצום של מאמרים קשורים, הנתונים שיופיעו הם: Derivative works – מאמרים שציטטו מספר מאמרים מהמפה, Prior works – אלו מאמרים שמאמרים מהמפה ציטטו לרוב (כלומר שכדאי לקרוא אותם) ויופיעו גם הפרטים היבשים כגון: הכותבים, מספר ציטוטים, באיזה כתב עת פורסם ואת האבסטרקט.

• 3. Elicit – https://elicit.org

  כלי חיפוש נוסף אשר נותן הערכה של המאמרים שנמצוא בחיפוש, כמה הם אמינים, תמצות מהיר של האבסטרקט ואילו פעולות מחקר נעשו במאמר כמו גם תוצאות שנצפו.

כעת מצאנו רשימה עצומה של מאמרים קשורים אך מי מהם באמת יוכל לתרום למחקר שלנו? אם בעבר החלק הפשוט יותר היה לאתר את המאמרים ואילו להבין אילו מאמרים רלוונטיים עבורנו היווה האתגר. כיום תוך מספר דקות מועטות נוכל להבין בדיוק האם המאמר מתאים למחקר שלנו או לא וזאת על ידי שימוש בכלי AI מתקדמים כגון:

• 1. Scholarly – https://www.scholarcy.com

  אתר מעולה אשר נותן 5 כלים עיקריים שעוזרים לנו בנושא המאמרים: 1. יציע לך חומר רקע לקריאה בנושא שתבחר. 2. הוא ימרקר לך קטעים חשובים במאמר ויאפשר לך למצוא מהר את הדברים החשובים. 3.יצירת תקציר של המאמר להבנה מהירה ביותר מה היתה כוונת המשורר(כותב המאמר). 4.מציג את כל המאמרים בביליוגרפיה( OPEN ACCESS) לגישה מהירה ונוחה. 5. מאפשר הורדה של כל הטבלאות ב WORD או PDF לאקסל בקלות ובפשטות, שם ניתן לערוך ניסויים על המספרים.

• 2. Chat PDF – https://www.chatpdf.com

  זה אתר אשר בונה מעין מפת חשיבה למאמרים קשורים אשר מופיעים בהפניות ולכל מאמר שמופיע בהפניות ניתן ליצור את מפת המאמרים שמופיעים בהפניות שלו, וכך ניתן להגיע למספר עצום של מאמרים קשורים, הנתונים שיופיעו הם: Derivative works – מאמרים שציטטו מספר מאמרים מהמפה, Prior works – אלו מאמרים שמאמרים מהמפה ציטטו לרוב (כלומר שכדאי לקרוא אותם) ויופיעו גם הפרטים היבשים כגון: הכותבים, מספר ציטוטים, באיזה כתב עת פורסם ואת האבסטרקט.

המציאות ממשיכה להשתנות בקצב מטורף ואפילו ההזויים בסרטי המדע בדיוני נראים כעת מאוד אפשריים.
השיח כיום מדבר על כך שהבינה המלאכותית זה סה"כ סטטיסטיקה של מספרים והיא לא באמת יודעת להבחין בין אמת לשקר, בין נכון ללא נכון. אבל ופה האבל הגדול… מה זה משנה? בסופו של דבר הכול עניין של סטטיסטיקה ומספרים. כאשר אנו קוראים מידע חדש ואנחנו מנסים להבין האם המידע הזה אמין, אנחנו בדומה לבינה מלאכותית עושים מעין חישוב של גורמים כגון: מי כתב את המידע, מאיזה מקור הוא נלקח, אילו עדויות נוספות יש למידע הנ"ל, האם בעבר נתגלו בעיות במידע ממקור זה וכן הלאה וכן הלאה ולבסוף בהסתמך על כל המידע שהצלחנו להשיג אנו נקבל החלטה. AI פועל בעצם באותו האופן רק שיש לו יותר מידע ויותר יכולה לעבד אותו (לנו אין ספק שבקרוב מאוד אנחנו נראה את האנושות נעזרת בבינה מלאכותית כמעט בכל אספקט של החיים שלנו).

לקריאת הפוסט – בינה מלאכותית אקדמיה ומה שביניהם לחצו כאן

לקריאת הפוסט – אז מה זה בכלל בינה מלאכותית (AI) לחצו כאן