Allt iLive-innehåll är mediekontrollerat eller faktiskt kontrollerat för att säkerställa så mycket faktuell noggrannhet som möjligt.
Vi har strikta sourcing riktlinjer och endast länk till välrenommerade media webbplatser, akademiska forskningsinstitut och, när det är möjligt, medicinsk peer granskad studier. Observera att siffrorna inom parentes ([1], [2] etc.) är klickbara länkar till dessa studier.
Om du anser att något av vårt innehåll är felaktigt, omodernt eller på annat sätt tveksamt, välj det och tryck på Ctrl + Enter.
AI förutspår neurovetenskapliga forskningsresultat bättre än experter
Senast recenserade: 03.07.2025
En studie av forskare vid University College London (UCL) har visat att stora språkmodeller (LLM) som GPT kan förutsäga resultat inom neurovetenskaplig forskning med en noggrannhet som överträffar mänskliga experters. Arbetet, publicerat i Nature Human Behaviour, visar hur artificiell intelligens som tränas på stora textdatamängder inte bara kan extrahera information utan också identifiera mönster för att förutsäga vetenskapliga resultat.
En ny metod för vetenskapliga prognoser
Enligt studiens huvudförfattare, Dr Ken Lo (UCL Psychology & Language Sciences), har utvecklingen av generativ AI som ChatGPT öppnat upp stora möjligheter för generalisering och kunskapsutvinning. Men istället för att studera AI:ns förmåga att analysera tidigare information, bestämde sig forskarna för att undersöka om AI:n kunde förutsäga framtida experimentella resultat.
"Vetenskapliga framsteg innebär ofta trial and error, vilket tar tid och resurser. Även erfarna forskare kan missa viktiga detaljer i litteraturen. Vårt arbete visar att juridiklärare kan upptäcka mönster och förutsäga experimentella resultat", sa Dr. Lo.
BrainBench: AI och experttestning
För att testa möjligheter hos juridiklärare skapade forskarna ett verktyg som heter BrainBench, vilket innehåller par av vetenskapliga sammanfattningar från neurovetenskap:
- Ett abstrakt innehåller det faktiska forskningsresultatet.
- Det andra är ett modifierat men rimligt resultat skapat av experter.
15 språkmodeller och 171 neurovetenskapsexperter testades för sin förmåga att skilja mellan verkliga och falska resultat. Resultaten var imponerande:
- AI visade en genomsnittlig noggrannhet på 81 %, medan experter bara fick 63 %.
- Även specialister med högst självskattning av kunskap uppnådde endast 66 %.
Förbättrade modeller och perspektiv
Forskarna anpassade också den öppna källkoden för LLM (en version av Mistral) och tränade den på vetenskaplig litteratur om neurovetenskap. Den resulterande modellen, kallad BrainGPT, visade ännu högre noggrannhet – 86 %.
”Vårt arbete visar att AI kan bli en integrerad del av den experimentella designprocessen, vilket inte bara gör arbetet snabbare utan också mer effektivt”, säger professor Bradley Love (UCL).
Möjligheter och utmaningar
Forskarna menar att deras tillvägagångssätt kan anpassas till en mängd olika vetenskapliga discipliner. Studiens resultat väcker dock en viktig fråga: är modern vetenskaplig forskning tillräckligt innovativ? AI:s höga noggrannhet i prognoser tyder på att många vetenskapliga resultat överensstämmer med befintliga mönster.
"Vi bygger AI-verktyg som hjälper forskare att utforma experiment och förutsäga möjliga resultat, vilket påskyndar iterationer och fattar mer välgrundade beslut", tillade Dr Lo.
Detta genombrott i användningen av AI lovar att påskynda vetenskapliga upptäckter och förbättra effektiviteten i forskningen runt om i världen.