近日，斯坦福大学的一项新研究引发了社会广泛关注。该研究招募了100多位学者，包括自然语言处理（NLP）研究者，对AI生成的研究思路与人类专家的研究思路进行了比较。研究结果显示，AI生成的研究思路在创新性方面优于专家级人类研究者。
研究团队使用了Claude-3-5-Sonnet-20240620作为骨干模型，针对偏见、编程、安全性、多语言、事实性、数学和不确定性等7个研究主题，让LLM生成一系列对Semantic Scholar API的函数调用。研究人员对人类和AI生成的科研思路进行了盲测，结果显示，在创新性方面，无论是AI生成的思路还是由人类研究者手动从排名靠前的思路中选择最好的一个，都显著优于人类专家的思路。
这项研究证明，AI在科学研究中具有巨大的潜力，尤其是在灵感枯竭、思维阻塞时，询问LLM或许能有意想不到的收获。此外，还有研究团队正在开发针对此类任务的AI工具，如Shubham Saboo开发的Cursor，以及印度科学学院的研究者发现的AI在创意设计方面的优势。
这项研究对AI在科研领域的应用具有重要意义，有望推动AI与人类合作的创新模式。然而，研究也存在一些局限性，如调查范围较小、样本量较少、评价主观等。但总体而言，这项研究为AI在科学研究中的应用提供了有力的支持。
Views: 0