LLM在所有子領(lǐng)域的預(yù)測(cè)也都超越了人類專家

原標(biāo)題：科研黨狂喜！AI預(yù)測(cè)神經(jīng)學(xué)研究結(jié)論超過(guò)人類專家水平 | Nature子刊
文章來(lái)源：量子位
內(nèi)容字?jǐn)?shù)：3754字

LLM在神經(jīng)科學(xué)預(yù)測(cè)中的應(yīng)用研究

最近，來(lái)自多所知名大學(xué)的研究團(tuán)隊(duì)發(fā)布了一項(xiàng)關(guān)于大型語(yǔ)言模型（LLM）在神經(jīng)科學(xué)領(lǐng)域預(yù)測(cè)能力的研究，結(jié)果表明LLM的預(yù)測(cè)準(zhǔn)確率顯著高于人類專家。這項(xiàng)研究在《自然人類行為》期刊上發(fā)表，引起了廣泛關(guān)注。

研究成果概述

1. **準(zhǔn)確率比較**：經(jīng)過(guò)BrainBench基準(zhǔn)測(cè)試，LLM的平均預(yù)測(cè)準(zhǔn)確率為81.4%，而人類專家的平均準(zhǔn)確率僅為63.4%。

2. **子領(lǐng)域表現(xiàn)**：在神經(jīng)科學(xué)的五個(gè)主要子領(lǐng)域（行為/認(rèn)知、細(xì)胞/分子、系統(tǒng)/回路、神經(jīng)疾病的神經(jīng)生物學(xué)以及發(fā)育/塑性和修復(fù)）中，LLM的表現(xiàn)均優(yōu)于人類專家，尤其是在行為認(rèn)知和系統(tǒng)/回路方面。

3. **模型對(duì)比**：較小的模型（如Llama2-7B和Mistral-7B）與較大的模型表現(xiàn)相當(dāng)，而經(jīng)過(guò)優(yōu)化的模型表現(xiàn)不如基礎(chǔ)模型。

研究方法與數(shù)據(jù)收集

4. **數(shù)據(jù)來(lái)源**：研究團(tuán)隊(duì)從PubMed獲取了2002年至2022年間的332807篇神經(jīng)科學(xué)相關(guān)摘要，并提取了123085篇全文，總計(jì)13億個(gè)tokens供模型訓(xùn)練使用。

5. **測(cè)試用例構(gòu)建**：BrainBench的測(cè)試用例通過(guò)修改論文摘要生成，參與者需從兩個(gè)版本中選擇一個(gè)包含實(shí)際研究結(jié)果的摘要。

信心評(píng)估與模型記憶

6. **信心校準(zhǔn)**：LLMs和人類專家的預(yù)測(cè)信心均得到良好校準(zhǔn)，高信心的預(yù)測(cè)更有可能正確。

7. **記憶評(píng)估**：研究表明LLM并未單純記憶訓(xùn)練數(shù)據(jù)，而是學(xué)習(xí)到了廣泛的科學(xué)模式，這通過(guò)zlib壓縮率和困惑度比率的分析得以驗(yàn)證。

前景與挑戰(zhàn)

8. **未來(lái)應(yīng)用**：這一研究為神經(jīng)科學(xué)的初步探索提供了新的方向，LLM有望用于篩選科研想法，提升研究效率。

9. **學(xué)術(shù)爭(zhēng)議**：盡管LLM在預(yù)測(cè)方面表現(xiàn)出色，但部分研究者對(duì)其實(shí)際應(yīng)用表示質(zhì)疑，認(rèn)為實(shí)驗(yàn)仍是科研的核心，且現(xiàn)有測(cè)試方法可能未涵蓋復(fù)雜的研究情境。

整體而言，這項(xiàng)研究展示了LLM在神經(jīng)科學(xué)領(lǐng)域的潛力，未來(lái)可能擴(kuò)展至更多學(xué)術(shù)研究領(lǐng)域，為科研提供新的工具和視角。

聯(lián)系作者

文章來(lái)源：量子位
作者微信：
作者簡(jiǎn)介：追蹤人工智能新趨勢(shì)，關(guān)注科技行業(yè)新突破