【資料圖】
查文獻、讀文獻，是做科研的一項基本工作。據統計，科研人員花費在查找和消化科技資料上的時間約占全部科研時間的51%。有沒有一種可能，將文獻變成一個知識庫或者數據庫，用人工智能方法減輕科研人員查找與閱讀文獻的“負擔”？5月30日，在2023中關村論壇“人工智能驅動的科學研究論壇”上，基于大語言模型+向量數據庫的文獻知識庫——Science Navigator（以下簡稱文獻知識庫）正式發布。
這是一項讓科研人員通過對話提問的方式進行文獻檢索、閱讀、分析及管理的科研成果。該成果由北京科學智能研究院、中國科學院計算機網絡信息中心、墨奇科技聯合研發。
“從最早眼查手翻的‘查閱式’檢索，到后來基于搜索引擎以及互聯網的‘搜索式’檢索，再到現在人工智能技術的跨越式發展，我們首次看到大語言模型在理解問題和問答能力上接近人類智能的水平。”墨奇科技副總裁孟卓飛表示，文獻知識庫的發布，恰好趕上了檢索模式進入對話時代的發展趨勢。
“文獻知識庫的性能優勢，可以用‘多、快、好、省’4個字來形容。”孟卓飛介紹，“多”體現在“多模態、多模型、多數據”；“快”指的是“查詢快、導入快、迭代快”；“好”體現在“數據更實時、引用更可靠、理解更專業”；“省”則是通過極致的系統優化與自研向量算法，讓數據的運算成本明顯降低。
文獻知識庫的發展方向，是將更多實驗數據納入向量數據庫。屆時，科學實驗涉及的設計原理、實驗方式，實驗結論以及結論背后對應的思考都可以作為查詢的目標。孟卓飛表示，借助大模型和向量數據庫，科研人員提出方向性問題，機器將完成拆解問題、提出質疑、設計實驗、模擬實驗等一套流程，甚至可以根據結果進行問題的反思推導與迭代，進一步釋放科研人員的時間精力，以投身解決關鍵問題與創新思考。
