Transforming Science with Large Language Models: A Survey on AI-assisted Scientific Discovery, Experimentation, Content Generation, and Evaluation

要約

大規模なマルチモーダル言語モデルの出現により、Scienceは現在、AIベースの技術変換のしきい値になりました。
最近、多数の新しいAIモデルとツールが提案されており、世界中の研究者と学者がより効果的かつ効率的に研究を行うことを約束しています。
これには、研究サイクルのすべての側面、特に（1）関連する文献の検索が含まれます。
（2）研究のアイデアを生成し、実験を実施する。
（3）テキストベースおよび（4）マルチモーダルコンテンツ（例：科学者や図）;
（5）AIベースの自動ピアレビュー。
この調査では、これらのエキサイティングな最近の開発に関する詳細な概要を提供します。
私たちの調査では、上記の5つの側面について説明し、関連するデータセット、方法、結果（評価を含む）、および将来の研究の制限と範囲を示しています。
これらのツールの欠点と誤用の可能性に関する倫理的懸念（偽の科学、盗作、研究の完全性への害）は、私たちの議論で特に顕著な位置を占めています。
私たちの調査が、この分野への新参者の参照ガイドになるだけでなく、「AI4Science」の分野での新しいAIベースのイニシアチブの触媒になることを願っています。

要約(オリジナル)

With the advent of large multimodal language models, science is now at a threshold of an AI-based technological transformation. Recently, a plethora of new AI models and tools has been proposed, promising to empower researchers and academics worldwide to conduct their research more effectively and efficiently. This includes all aspects of the research cycle, especially (1) searching for relevant literature; (2) generating research ideas and conducting experimentation; generating (3) text-based and (4) multimodal content (e.g., scientific figures and diagrams); and (5) AI-based automatic peer review. In this survey, we provide an in-depth overview over these exciting recent developments, which promise to fundamentally alter the scientific research process for good. Our survey covers the five aspects outlined above, indicating relevant datasets, methods and results (including evaluation) as well as limitations and scope for future research. Ethical concerns regarding shortcomings of these tools and potential for misuse (fake science, plagiarism, harms to research integrity) take a particularly prominent place in our discussion. We hope that our survey will not only become a reference guide for newcomers to the field but also a catalyst for new AI-based initiatives in the area of ‘AI4Science’.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google