在科技巨頭為了ChatGPT大打出手的另一邊，學術圈對于ChatGPT的關注也在升高。

一周時間內，Nature連發兩篇文章探討ChatGPT及生成式AI。

畢竟ChatGPT最早還是在學術圈內掀起風浪，先后有學者拿它寫論文摘要、改論文。

Nature為此專門頒布禁令：ChatGPT不能當論文作者。Science則直接禁止投稿使用ChatGPT生成文本。

但趨勢已擺在眼前。

現在更應該做的，或許是明確ChatGPT對于科學界的意義以及應當處于怎樣的身位。

正如Nature所言：

生成式AI及背后的技術發展如此之快，每個月都有創新出現。研究人員如何使用它們，將決定著技術和學界的未來。

ChatGPT改變學術圈規則

在《ChatGPT：五大優先研究問題》一文中，研究人員提出：

無法阻止ChatGPT殺入學術圈，當務之急應該是研究探討它會帶來哪些潛在影響。

如果后續ChatGPT被拿來設計實驗、進行同行審議、輔助出版、幫編輯決定是否要接收文章……這些應用應該注意哪些問題？現在人類需要明確哪些邊界？

研究人員認為，有5個方面需要優先考慮，并解釋了原因。

堅持人類審查

ChatGPT等對話式AI的一大特點，就是回答內容的準確性無法保證。而且編出來的瞎話都還很自然，容易對人產生誤導。

比如，研究人員讓ChatGPT對一篇關于認知行為療法（CBT）治療焦慮等癥狀是否有效的論文，并進行總結概述。

ChatGPT給出的回答中，存在很多事實性錯誤。如它說這項評估是基于46項研究，但實際上是69項，而且夸大了CBT的有效性。

研究人員認為如果有學者使用了ChatGPT幫忙做研究，很可能被錯誤信息誤導。甚至會導致學者在不知情的情況下，剽竊他人成果。

因此，研究人員認為在評審論文過程中，人類不能過度依賴于自動化系統，最終還是要由人類自己為科學實踐負責。

制定問責規則

為了應對生成式AI的濫用，很多鑒別AI文本工具陸續誕生，它們能很好分辨出一段文字是不是人類自己寫的。

不過，研究人員認為這種“軍備賽”大可不必，真正要做的是讓學術圈、出版商能更加公開透明地使用AI工具。

論文作者應該明確標注哪些工作是AI承擔的，期刊如果使用AI審稿，也應該公開說明。

尤其是目前生成式AI已經引發了關于專利問題的討論，AI生成的圖像版權究竟該怎么算？

那么對于AI生成的問題，著作權應該屬于為AI提供訓練數據的人？AI背后的制作公司？還是用AI寫文章的學者？作者身份的問題，也需要嚴謹定義。

投資真正開放的LLM

目前，幾乎所有先進的對話式AI，都是科技巨頭們帶來的。

關于AI工具背后算法的工作原理，很多都還不得而知。

這也引發了社會各界的擔憂，因為巨頭們的壟斷行為，嚴重違背了科學界開放的原則。

這將會影響學術圈探尋對話式AI的缺點和底層原理，進一步影響科技的進步。

為了克服?這種不透明性，研究人員認為當下應該優先考慮開源AI算法的開發和應用。比如開源大模型BLOOM，就是由1000位科學家聯合發起的，性能方面可以匹敵GPT-3。

擁抱AI的優點

雖然有很多方面需要設限，但不可否認，AI確實能提升學術圈的效率。

比如一些審查工作，AI可以快速搞定，而學者們就能更加專注于實驗本身了，成果也能更快發表，從而推動整個學術圈的腳步走得更快。

甚至在一些創造性工作上，研究人員認為AI也能有用武之地。

1991年的一篇開創性論文提出，人和AI之間形成的“智能伙伴關系”，可以勝過單獨人類的智力和能力。

這種關系能夠將創新加速到無法想象的水平。但問題是，這種自動化能走多遠？應該走多遠？

因此，研究人員也呼吁，包括倫理學家在內的學者，必須就當今AI在知識內容生成方面的界限展開討論，人類的創造力和原創性可能仍舊是進行創新研究必不可缺的因素。

展開大辯論

鑒于當下LLM帶來的影響，研究人員認為學界應該緊急組織一次大辯論。

他們呼吁，每個研究小組都應該立即開組會，討論并親自試試ChatGPT。大學老師應該主動和學生討論ChatGPT的使用和倫理問題。

在早期規則還沒有明確的階段，對于研究小組負責人來說，重要的是如何號召大家更公開透明地使用ChatGPT，并開始形成一些規則。以及應該提醒所有研究人員，要對自己的工作負責，無論它是否由ChatGPT生成。

更進一步，研究人員認為要立即舉辦一個國際論壇，討論LLM的研究和使用問題。

成員應該包括各個領域的科學家、科技公司、研究機構投資方、科學院、出版商、非政府組織以及法律和隱私方面的專家。

Nature：ChatGPT和AIGC對科學意味著什么

興奮又擔憂，大概是許多研究人員對于ChatGPT的感受。

發展到現在，ChatGPT已經成為了許多學者的數字助手。

計算生物學家Casey Greene等人，用ChatGPT來修改論文。5分鐘，AI就能審查完一份手稿，甚至連參考文獻部分的問題也能發現。

來自冰島的學者Hafsteinn Einarsson，幾乎每天都在用ChatGPT來幫他做PPT、檢查學生作業。

還有神經生物學家 Almira Osmanovic Thunstr?m覺得，語言大模型可以被用來幫學者們寫經費申請，科學家們能節省更多時間出來。

不過，Nature對ChatGPT輸出內容做出了精辟總結：

流暢但不準確。

要知道，ChatGPT的一大缺點，就是它生成的內容不一定是真實準確的，這會影響它在學術圈的使用效果。

能解決嗎？

從現在來看，答案有點撲朔迷離。

OpenAI的競爭對手Anthroic號稱解決了ChatGPT的一些問題，不過他們沒有接受Nature的采訪。

Meta發布過一個名為Galactica的語言大模型，它由4800萬篇學術論文、著作煉成，號稱擅長生成學術方面內容，更懂研究問題。不過現在它的demo已經不開放了（代碼還能用），因為用戶在使用過程中發現它帶有種族歧視。

即便是已經被調教“乖巧”的ChatGPT，也可能會在刻意引導下輸出危險言論。

OpenAI讓ChatGPT變乖的方法也很簡單粗暴，就是去找非常多的人工給語料標注，有聲音認為這種雇人看有毒語料的行為，也是一種剝削。

但無論如何，ChatGPT及生成式AI，開啟了人類新的一扇想象之門。

醫學學者埃里克·托普(Eric Topol)表示，他希望未來能有包含LLM的人工智能，可以交叉檢查學術文獻中的文本和圖像，從而幫助人類診斷癌癥、理解疾病。當然這一切要有專家做監督。

他說，真沒想到我們在2023年年初，就看到了這樣的趨勢。

而這才只是開始。

參考鏈接：
[1]???https://www.nature.com/articles/d41586-023-00340-6???
[2]???https://www.nature.com/articles/d41586-023-00288-7??