搞科研的人有前途吗（搞科研新姿势：让GPT⑶给你打动手）gpt⑶ 没有要告诉别人

金磊 发自 凹非寺量子位 | 公众号 QbitAI搞科研的最新姿势，被1位华人小哥解锁了——告诉AI你的研究目标，再把数据集“投喂”进去，完事。

这就是来自伯克利的博士生Zhong Ruiqi等人的最新研究，把从海量数据集中繁琐的“取证”过程，统统交给GPT⑶来解决：

他们还发现，这种用AI搞科研的方法没有仅效率高，而且还能得出人类没有想到的“意外惊喜”。

让GPT⑶帮你搞科研那么小哥他们为何突发奇想地要用这种方式搞科研呢？这是因为他们发现，对大型语料库做深入的挖掘确实能得到1些有用的结果，但这个过程要是让人类来搞，那简直就太费时费力了因此，他们便决定把这个繁琐的过程交给GPT⑶来处理，并把这手机壁纸个任务命名为。

“D5”：GoalDrivenDiscovery ofDistributionalDifferences via LanguageDescriptions.通过语言描述，实现目标驱动的分布式差异的发现“D5”任务的过程，简单来说就是两个动作：

输入研究目标输入两个语料库

例如在上面这个案例中，小哥先是给AI输进去了两个语料库：语料库A：服用药物A后患者的反应报告语料库B：服用药物B后患者的反应报告然后再向AI确定自己的研究目标，即“我想了解1下药物A的副作用”在AI收到任务后，立刻开始执行分析工作，最后得出了它的结论：。

语料库A中的样本，有更多的患者会提到“妄想症”（paranoia手机壁纸）没有过试想1下，若让人类科研人员做这项工作，光是了解语料库A和B就需要花费大量的时间，更别提还得进1步做对比分析等工作了而D5任务之所以能够做得如此丝滑，是因为小哥他们在此背后还做了没有少工作。

例如构建OpenD5元数据集，它包含符合D5任务的675个开放式问题，所涉及领域涵盖商业、社会科学、人文科学、健康和机器学习等。

并且每个开放式问题都会对应1个语料库对儿（语料库A和语料库B），平均有17000个样本小哥还把每个语料库中的50%作为研究部分，另外50%则是拿来做验证基于此，小哥他们再构建了1个“D5系统”，它的工作原理和人类从数据库中获取发现类似，分为两个阶段，即创造性地提出1个假设，再在数手机壁纸据集上宽格验证这个假设。

按照这种思路，研究人员接下来用GPT⑶做了次实验他们先是向GPT3展示研究目标和每个语料库中的1些样本，然后让它提出1个假设列表最终实验发现，GPT⑶可以使用目标描述来提出更相关、更新颖、更有意义的假设。

也正因为OpenD5数据集所涵盖的领域众多，因此小哥表示他们的D5系统具备应用范围广的特点也存在1些缺陷但对于这套D5系统，小哥也直言没有讳地道出了它的缺陷例如，若是语料库中含有较多的俚语、俗语或者带有情绪的词汇，那么AI所给出的“发现”就会存在偏差。

简而言之，就是AI对于特定情况的词汇或描述产生了错误的理解和分析。

除此以外，小哥也表示更灵活的语料库、更具扩展性的系统手机壁纸，也是他们在未来重点研究的方向。没有过似乎这项研究让小哥也是兴奋没有已，毕竟离他“构建1个用AI稿科研”的梦想更近了1步。

[1] https://arxiv.org/abs/2302.14233[2] https://twitter.com/ZhongRuiqi/status/1631109680859865089?s=20