研究人员利用人工智能来解释复杂的科学。结果好坏参半。

如果你曾经盯着一篇学术论文，皱着眉头，想知道作者想要表达什么，请举手。如果你打开一个单独的标签，在谷歌上搜索你遇到的任何术语，那么你会得到加分。

好消息是，你并不孤单。2017 年的一项eLife研究发现，2010 年代中期的科学论文比 19 世纪的论文更难阅读。大多数现代学术论文似乎都存在一些问题，比如句子结构不良、用词不当、不必要的术语和晦涩难懂的缩略词。这会使该领域的初级研究人员和没有科学背景的人难以获取科学知识。

那么人工智能能帮上忙吗？一个名为“tl;dr papers”的新 AI 项目试图解决这一挑战，它利用机器学习梳理冗长的研究论文摘要，并得出一份简明扼要的内容摘要，甚至 7 岁的孩子都能理解。

据The Verge报道，尽管这款程序开发于近两年前，但上周末却迅速走红，学术研究人员将他们的文章输入其中，并在推特上分享其生成的摘要。其中一些摘要准确而简单，令人震惊，而另一些则荒谬得可笑。

例如，人工智能将“玻璃悬崖”的概念概括为“很多女性被安置的地方”和“不好的地方”。这篇论文的作者、澳大利亚国立大学全球女性领导力研究所所长米歇尔·瑞安告诉The Verge ，虽然这个说法很准确，但并没有提供太多细微差别。最终，她和The Verge联系到的其他研究人员承认，这是一个“有趣的工具”，可以向科学家展示“以更方便读者的方式写作”是什么样子。

尽管很受欢迎，tl;dr papers 的创建者告诉The Verge ，他们打算停止使用该产品（该网站目前正在维护中），而是提供替代工具，例如艾伦人工智能研究所创建的 AI 摘要生成器。

[相关：谷歌的这款新 AI 工具可能会改变我们在线搜索的方式]

这并不是人类第一次利用机器人来合成简报。2017 年，一家名为 Primer 的公司利用人工智能根据收到的数据和信息为间谍创建情报报告。两年后， 《纽约时报》报道称，人工智能机器人记者正在协助世界各地的多家新闻编辑室。一个由 tl;dr 论文所运行的相同神经网络驱动的机器人甚至在《卫报》上发表了一篇关于人工智能威胁的专栏文章。

这个神经网络被称为 GPT-3，是 OpenAI 创建的语言写作 AI 工具。它接受了大约 2000 亿个单词的训练，并且学会了编码、写博客和辩论。据《自然》报道，这款 AI 非常出色，开发人员正在尝试将其用于法律文件、客户服务查询、基于文本的角色扮演游戏等。

尽管它有时会很有趣和不可思议，但Vox指出它并不聪明，这意味着它并不真正理解它收到的笔记之外的世界；它的工作原理是解析单词和短语之间的关系。 《自然》杂志去年 3 月报道称，GPT-3 的创造者正在努力教人工智能搜索概念，而不是特定的单词或短语。

但不幸的是，人工智能仍然缺乏常识。这就是为什么它像大多数大型语言模型一样，有时会犯错误、产生无意义的内容、提供危险的信息或产生负面偏见。 《自然》杂志提出，也许将这些模型与大型事实数据库结合起来才是解决方案。或者，这些机器人作家可以从人类编辑那里受益。