当前位置:首页 > 休闲

新工具允许文献检索进入AI模式

科技日报记者 何亮。新工许文献检

查阅文献和阅读文献是具允科研的基础工作。据统计,索进式科研人员花费大约51%的新工许文献检时间搜索和消化科技数据。是具允否有可能将文献转化为知识库或数据库,通过人工智能减轻研究人员搜索和阅读文献的索进式“负担”?5月30日,在2023年中关村论坛“人工智能驱动科研论坛”上,新工许文献检基于大语言模型 向量数据库的具允文献知识库——Science Navigator(以下简称文献知识库)正式发布。

这是索进式科研人员通过对话提问进行文献检索、阅读、新工许文献检分析和管理的具允科研成果。该成果由北京科学智能研究院、索进式中国科学院计算机网络信息中心、新工许文献检墨奇科技联合开发。具允

“从最早的索进式“查阅”检索到基于搜索引擎和互联网的“搜索”检索,再到人工智能技术的跨越式发展,我们首次看到大语言模型在理解问题和问答能力方面接近人类智能的水平。墨奇科技副总裁孟卓飞表示,文献知识库的发布正好赶上了对话时代检索模式的发展趋势。

“文献知识库的性能优势可以用“多、快、好、省”四个字来形容。孟卓飞介绍,“多”体现在“多模态、多模型、多数据”上;“快”是指“查询快、导入快、迭代快”;“好”体现在“数据更实时、引用更可靠、理解更专业”上;通过极端的系统优化和自研向量算法,“省”显著降低了数据的运算成本。

文献知识库的发展方向是将更多的实验数据纳入向量数据库。当时,科学实验所涉及的设计原理、实验方法、实验结论和结论背后的相应思考都可以作为查询的目标。孟卓飞表示,在大模型和向量数据库的帮助下,研究人员提出方向性问题,机器将完成拆卸问题、问题、设计实验、模拟实验,甚至可以根据问题反思和迭代的结果,进一步释放研究人员的时间和精力,解决关键问题和创新思维。

分享到: