Elicit：自動化科學文獻評論工具
摘要
科學家讀取科學論文的過程非常耗時。一項調查顯示，科學家每週花費七個小時搜尋資訊。另一項調查顯示，有系統的文獻綜述（對特定主題的學術資料綜合）需要五人研究團隊耗時平均 41 週。然而事情並不必如此。這就是 AI 新創公司 Elicit 的聯合創始人 Andreas Stuhlmüller 的訊息。Elicit 正在構建一個利用人工智慧技術來自動化文獻評論的「研究助手」。Elicit 得到了包括 Fifty Years、Basis Set、Illusion 和天使投資人 Jeff Dean（Google 首席科學家）和 Thomas Ebeling（前 Novartis 執行長）的支援。自動化科學研究
Elicit 是派生自 2017 年由 Stuhlmüller 成立的非營利研究基金 Ought 的盈利企業。Elicit 的另一名聯合創始人 Jungwon Byun 在 2019 年從網路貸款公司 Upstart 帶領了該公司的增長之後加入了這家新創公司。Elicit 使用多種模型，包括自家和第三方模型，以搜尋和發現文獻中的概念，讓使用者能夠提出問題，如「創造素的所有效果是什麼？」或「已經用於研究邏輯推理的所有資料集是什麼？」，從學術文獻中獲得答案列表。解決可靠性問題
關於語言模型是否會編造事實，Elicit 的聯合創始人 Stuhlmüller 聲稱已經採取措施，確保其人工智慧比許多當前市場上的專用平臺更可靠。Elicit 將其模型所執行的複雜任務分解為「人類可理解」的部分。這使得 Elicit 能夠知道不同模型在生成摘要時編造事實的頻率，並幫助使用者識別需要檢查哪些答案以及何時檢查。Elicit 還試圖計算科學論文的整體「可信度」，考慮因素包括研究中進行的試驗是否具有對照或隨機性，資金來源和潛在衝突以及試驗的大小。商業模式和挑戰
Elicit 的商業模式是透過付費提供進階功能來賺錢。長期策略是將 Elicit 打造成一個研究和推理的通用工具，而企業將為此付出代價。對於 Elicit 商業成功的一個可能障礙是像艾倫人工智慧研究所的「開放語言模型」之類的開源工作，這些工作旨在開發出一個針對科學最佳化的可免費使用的大型語言模型。但 Stuhlmüller 表示他認為開源更多是補充而非威脅。他說：“當前主要競爭對手是人力勞動，即為從論文中辛苦提取資料的研究助手。科學研究是一個龐大的市場，研究工作流工具沒有主要的現有市場領導者。這就是我們將看到全新基於人工智慧的工作流程出現的地方。”結語
自動化科學文獻評論工具 Elicit 透過合理分析語言模型的可靠性問題，提供了提高效率和降低成本的解決方案。然而該工具在面臨開源競爭和還需解決的技術困難之間仍需努力。無論如何，Elicit 的增長和使用者滿意度都顯示該專案具有潛力。最終成功實現自動化科學研究可能為整個學術界和企業界帶來重大影響，進一步催生新的 AI 主導的工作流程。Automation-中電,Elicit,自動化,科學文獻評論工具
延伸閱讀
- Triomics 籌集 1500 萬美元 A 輪融資，致力於自動化癌症臨床試驗配對
- 資料科技公司 Daloopa 開發 AI 以自動化財務分析工作
- 一對 Airbnb 校友將智慧與自動化引入資料保護
- SafeBase 使用人工智慧自動化軟體安全審查
- RPA 供應商如何在 AI 代理人世界保持競爭力
- 基於人工智慧時代，Anon 正在打造自動化認證層 - 技術新聞
- 科德實驗室 (Kode Labs) 尋求成為商業建築自動化領域的 Salesforce
- 大型語言模型可幫助家庭機器人在無需人類幫助的情況下恢復錯誤
- 究竟是什麼？TruckBot 登場
- UiPath 經過轉型，打造更穩固的財務基礎，進軍一般自動化與人工智慧
