کمیته نظرسنجی ، که از تعداد زیادی پنل کوچکتر اطلاعات دریافت می کند ، مقدار زیادی اطلاعات برای ایجاد استراتژی های تحقیق در نظر می گیرد. اگرچه آکادمی ها چند هفته دیگر توصیه نهایی کمیته را به ناسا اعلام نخواهند کرد ، اما دانشمندان از اینکه بدانند کدام یک از س questionsالات آنها پاسخ داده می شود و کدام پاسخ نخواهند یافت ، بسیار تکان می دهند.
برنت روبرتسون ، استاد نجوم و اخترفیزیک در دانشگاه سانتا کروز می گوید: “نظرسنجی دهکده ای واقعاً به ناسا کمک می کند تا تصمیم بگیرد که چگونه آینده اکتشافات بشری را در فضا رهبری می کند ، بنابراین بسیار مهم است که آنها به خوبی آگاه باشند.”
یک تیم از محققان می خواهند از هوش مصنوعی برای سهولت این فرایند استفاده کنند. پیشنهاد آنها برای مأموریت یا خط س specificال خاصی نیست. آنها می گویند ، هوش مصنوعی آنها می تواند به دانشمندان در تصمیم گیری های سخت در مورد اولویت بندی سایر پیشنهادات کمک کند.
ایده این است که با آموزش هوش مصنوعی برای تشخیص مناطق تحقیقاتی که یا به سرعت در حال رشد هستند یا در حال کاهش هستند ، این ابزار می تواند برای کمیته ها و هیئت های نظرسنجی تصمیم گیری در مورد آنچه باید در لیست ایجاد شود را آسان تر کند.
هارلی ترونسون ، دانشمند ارشد بازنشسته ناسا می گوید: “آنچه ما می خواستیم این بود که سیستمی داشته باشیم که کارهای زیادی را انجام دهد که Deadal Survey انجام می دهد ، و اجازه دهیم دانشمندانی که بر روی Decadal Survey کار می کنند بهترین کاری را انجام دهند.” مرکز پرواز فضایی گودارد و نویسنده اصلی این پیشنهاد.
اگرچه اعضای هر کمیته به دلیل تخصص خود در زمینه های مربوطه انتخاب می شوند ، اما برای هر یک از اعضا محال است که ظرافت هر موضوع علمی را درک کند. به گفته نویسندگان ، تعداد انتشارات اخترفیزیک هر سال 5 درصد افزایش می یابد. این برای بسیاری از افراد قابل پردازش است.
این همان جایی است که هوش مصنوعی ترونسون مطرح می شود.
ساخت آن بیش از یک سال طول کشید ، اما سرانجام ، تیم ترونسون توانست آن را بر روی بیش از 400000 تحقیق منتشر شده در دهه منتهی به بررسی Astro2010 آموزش دهد. آنها همچنین توانستند به هوش مصنوعی بیاموزند که هزاران چکیده را برای شناسایی مناطق دارای تأثیر کم و زیاد از عبارات موضوعی دو و سه کلمه ای مانند “سیستم سیاره ای” یا “سیاره فراخورشیدی” بیاموزد.
بر اساس مقاله سفید محققان ، هوش مصنوعی با موفقیت 6 موضوع تحقیقاتی مشهور در 10 سال گذشته را از بین برد ، از جمله افزایش شهاب سنگ در تحقیقات فراخورشیدی و رصد کهکشان ها.
ترونسون می گوید: “یکی از جنبه های چالش برانگیز هوش مصنوعی این است که آنها گاهی اوقات چیزهایی را پیش بینی می کنند ، یا به تجزیه و تحلیل می پردازند که برای انسانها کاملاً شگفت آور است.” “و ما این را بسیار دیدیم.”
ترونسون و همکارانش فکر می کنند که کمیته راهبری باید از هوش مصنوعی خود برای بررسی و جمع بندی حجم وسیعی از متن که باید در صفحه الک شود خلاصه کند و کارشناسان انسانی را در برقراری تماس نهایی واگذار کند.
تحقیقات آنها اولین موردی نیست که سعی می کنند از هوش مصنوعی برای تجزیه و تحلیل و شکل دادن به ادبیات علمی استفاده کنند. سایر هوش مصنوعی قبلاً برای کمک به دانشمندان در بررسی کار همکاران خود استفاده شده است.
اما آیا می توان به وظیفه ای مهم و تأثیرگذار مانند نظرسنجی دهکده اعتماد کرد؟