به گزارش هوا فضا، یک پایگاه داده مورد استفاده برای نسخه های پیشنویس پژوهشی، اقدامات بیشتری برای رویارویی با استفاده سهل انگارانه از مدلهای زبانی بزرگ در مقالات علمی انجام می دهد.
به گزارش هوا فضا به نقل از تک کرانچ، این پایگاه ArXiv نام دارد. هرچند تحقیقاتی که روی وبسایت پست می شود توسط همکاران بررسی شده اند اما مخزن ArXiv به یکی از شیوه های اصلی گردش تحقیقات در عرصه هایی مانند علوم رایانشی و ریاضی و خود وبسایت نیز مخزنی از داده ها درباره ی ترندهای پژوهش های علمی تبدیل گشته است.
این وبسایت هم اینک گام هایی برای مواجهه با تعداد روزافزون تحقیقات بی کیفیتی که با هوش مصنوعی انجام شده اند، برداشته و بعنوان مثال کاربرانی که برای اولین بار مطلبی در آن منتشر می کنند، باید از طرف یک مولف تثبیت شده، تایید شوند. دانشگاه کرنل بالاتر از ۲۰ سال میزبان این سازمان بود که حال به یک موسسه ناسودآور مستقل تبدیل گشته تا برای پرداختن به مسائلی مانند چالش هوش مصنوعی سرمایه بیشتری جمع آوری کند.
«توماس دیتریش» مدیر بخش علوم رایانشی ArXiv در پستی نوشت اگر یک مقاله ارایه شده حاوی شواهد غیرقابل انکاری باشد که مولفان نتایج ساخته شده توسط مدلهای بزرگ زبانی را بررسی نکرده اند، این بدان معناست که ما نمی توانیم به هیچ چیز در مقاله اعتماد نماییم. اگر چنین شواهدی یافت شود، مولفان مطالعه با ممنوعیتی یک ساله از طرف پلت فرم روبرو می شوند و بعد از آن مقالاتی که به این مخزن ارایه می کنند باید ازطریق یک مرجع معتبر دارای داوری همتا تایید شده باشد.
در اینجا وجود شواهد غیرقابل انکار به معنای ممنوعیت مستقیم استفاده از هوش مصنوعی در تحقیقات نیست بلکه نکته اصلی آنست که مولفان مسئولیت کامل محتوا را بدون درنظر گرفتن آنکه چه طور ساخته شده باشد، تقبل کنند. ازاین رو اگر پژوهشگران لحنی نامناسب، محتوای کپی شده، محتوای جانبدارانه، خطاها، اشتباهات، ارجاعات ناصحیح یا محتوای گمراه کننده را بطور مستقیم از یک سیستم هوش مصنوعی کپی پیست کنند، بازهم باید مسئولیت آنرا برعهده بگیرند.
به گفته دیتریش این قانون هیچ فرصت دومی به فرد خاطی نمی دهد اما بازبین ها باید چالش را مشخص و مدیران بخش ها نیز باید شواهد را پیش از وضع جریمه تایید کنند. مولفان می توانند خواهان تجدید نظر درباره ی این تصمیم شوند.
حرف آخر اینکه اگر چنین شواهدی یافت شود، مولفان مطالعه با ممنوعیتی یک ساله از سوی پلتفرم روبرو می شوند و پس از آن مقالاتی که به این مخزن ارائه می کنند باید ازطریق یک مرجع معتبر دارای داوری همتا تایید شده باشد. در اینجا وجود شواهد غیرقابل انکار به مفهوم ممنوعیت مستقیم استفاده از هوش مصنوعی در تحقیقات نیست بلکه نکته اصلی آنست که مولفان مسئولیت کامل محتوا را بدون در نظر گرفتن آن که چه طور تولید شده باشد، تقبل کنند. از این رو اگر محققان لحنی نامناسب، محتوای کپی شده، محتوای جانبدارانه، خطاها، اشتباهات، ارجاعات ناصحیح یا محتوای گمراه کننده را به طور مستقیم از یک سیستم هوش مصنوعی کپی پیست کنند، بازهم باید مسئولیت آن را برعهده بگیرند. به قول دیتریش این قانون هیچ فرصت دومی به فرد خاطی نمی دهد اما بازبین ها باید چالش را مشخص و مدیران بخش ها هم باید شواهد را قبل از وضع جریمه تایید کنند.