\n<\/p>\n
Para los investigadores, leer art\u00edculos cient\u00edficos puede llevar mucho tiempo. Seg\u00fan una encuesta, los cient\u00edficos dedican siete horas a la semana a buscar informaci\u00f3n. Otra encuesta sugiere que las revisiones sistem\u00e1ticas de la literatura (s\u00edntesis acad\u00e9micas de la evidencia sobre un tema en particular) toman un promedio de 41 semanas para un equipo de investigaci\u00f3n de cinco personas.<\/p>\n
Pero no tiene por qu\u00e9 ser as\u00ed.<\/p>\n
Al menos, ese es el mensaje de Andreas Stuhlm\u00fcller, cofundador de una startup de IA, Elicit, que ha dise\u00f1ado un \u00abasistente de investigaci\u00f3n\u00bb para cient\u00edficos y laboratorios de I+D. Con patrocinadores que incluyen a Fifty Years, Basis Set, Illusion y los inversionistas \u00e1ngeles Jeff Dean (cient\u00edfico jefe de Google) y Thomas Ebeling (ex director ejecutivo de Novartis), Elicit est\u00e1 construyendo una herramienta impulsada por inteligencia artificial para abstraer los aspectos m\u00e1s tediosos de la revisi\u00f3n de la literatura.<\/p>\n
\u00abObtener<\/span> es un asistente de investigaci\u00f3n que automatiza la investigaci\u00f3n cient\u00edfica con modelos de lenguaje\u201d, dijo Stuhlm\u00fcller a TechCrunch en una entrevista por correo electr\u00f3nico. \u00abEspec\u00edficamente, automatiza la revisi\u00f3n de la literatura al encontrar art\u00edculos relevantes, extraer informaci\u00f3n clave sobre los estudios y organizar la informaci\u00f3n en conceptos\u00bb.<\/p>\n Elicit es una empresa con fines de lucro derivada de Ought, una fundaci\u00f3n de investigaci\u00f3n sin fines de lucro lanzada en 2017 por Stuhlm\u00fcller, un ex investigador del laboratorio de computaci\u00f3n y cognici\u00f3n de Stanford. El otro cofundador de Elicit, Jungwon Byun, se uni\u00f3 a la startup en 2019 despu\u00e9s de liderar el crecimiento de la firma de pr\u00e9stamos en l\u00ednea Upstart.<\/p>\n Utilizando una variedad de modelos propios y de terceros, Elicit busca y descubre conceptos en todos los art\u00edculos, lo que permite a los usuarios hacer preguntas como \u00ab\u00bfCu\u00e1les son todos los efectos de la creatina?\u00bb o \u00ab\u00bfCu\u00e1les son todos los conjuntos de datos que se han utilizado para estudiar el razonamiento l\u00f3gico?\u00bb y obtenga una lista de respuestas de la literatura acad\u00e9mica.<\/p>\n \u00abAl automatizar el proceso de revisi\u00f3n sistem\u00e1tica, podemos ofrecer inmediatamente ahorros de costos y tiempo a las organizaciones de investigaci\u00f3n acad\u00e9micas e industriales que producen estas revisiones\u00bb, dijo Stuhlm\u00fcller. \u00abAl reducir el costo lo suficiente, desbloqueamos nuevos casos de uso que antes ten\u00edan un costo prohibitivo, como actualizaciones justo a tiempo cuando cambia el estado del conocimiento en un campo\u00bb.<\/p>\n Pero espera, se podr\u00eda decir: \u00bfno tienen los modelos ling\u00fc\u00edsticos una tendencia a inventar cosas? De hecho lo hacen. El intento de Meta de crear un modelo de lenguaje para agilizar la investigaci\u00f3n cient\u00edfica, Galactica, fue cancelado solo tres d\u00edas despu\u00e9s del lanzamiento, una vez que se descubri\u00f3 que el modelo frecuentemente hac\u00eda referencia a art\u00edculos de investigaci\u00f3n falsos que parec\u00edan correctos pero que en realidad no eran reales.<\/p>\n Sin embargo, Stuhlm\u00fcller afirma que Elicit ha tomado medidas para garantizar que su IA sea m\u00e1s confiable que muchas de las plataformas especialmente dise\u00f1adas que existen.<\/p>\n Por un lado, Elicit divide en partes \u00abcomprensibles para los humanos\u00bb las complejas tareas que realizan sus modelos. Esto permite a Elicit saber, por ejemplo, con qu\u00e9 frecuencia diferentes modelos inventan cosas cuando generan res\u00famenes y, posteriormente, ayuda a los usuarios a identificar qu\u00e9 respuestas verificar y cu\u00e1ndo.<\/p>\n Elicit tambi\u00e9n intenta calcular la \u00abconfiabilidad\u00bb general de un art\u00edculo cient\u00edfico, teniendo en cuenta factores como si los ensayos realizados en la investigaci\u00f3n fueron controlados o aleatorios, la fuente de financiaci\u00f3n y los conflictos potenciales y el tama\u00f1o de los ensayos.<\/p>\n La herramienta de b\u00fasqueda de Elicit para literatura sobre IA. Cr\u00e9ditos de imagen:<\/strong> Obtener<\/p>\n<\/div>\n \u00abNo hacemos interfaces de chat\u00bb, dijo Stuhlm\u00fcller. \u00abLos usuarios de Elicit aplican modelos de lenguaje como trabajos por lotes… Nunca generamos respuestas usando modelos, siempre vinculamos las respuestas a la literatura cient\u00edfica para reducir las alucinaciones y facilitar la verificaci\u00f3n del trabajo de los modelos\u00bb.<\/p>\n No estoy necesariamente convencido de que Elicit haya resuelto algunos de los principales problemas que afectan a los modelos ling\u00fc\u00edsticos actuales, dada su intratabilidad. Pero sus esfuerzos ciertamente parecen haber despertado el inter\u00e9s (y tal vez incluso la confianza) de la comunidad investigadora.<\/p>\n Stuhlm\u00fcller afirma que m\u00e1s de 200.000 personas utilizan Elicit cada mes, lo que representa un crecimiento interanual tres veces mayor (a partir de enero de 2023), de organizaciones como el Banco Mundial, Genentech y Stanford. \u00abNuestros usuarios piden pagar por funciones m\u00e1s potentes y ejecutar Elicit a mayor escala\u00bb, a\u00f1adi\u00f3.<\/p>\n Presumiblemente, fue este impulso el que condujo a la primera ronda de financiaci\u00f3n de Elicit: un tramo de 9 millones de d\u00f3lares liderado por Fifty Years. El plan es destinar la mayor parte del nuevo efectivo a un mayor desarrollo del producto de Elicit, as\u00ed como a ampliar el equipo de gerentes de producto e ingenieros de software de Elicit.<\/p>\n \u00bfPero cu\u00e1l es el plan de Elicit para ganar dinero? Buena pregunta, y se la hice a Stuhlm\u00fcller sin rodeos. Se\u00f1al\u00f3 el nivel pago de Elicit, lanzado esta semana, que permite a los usuarios buscar art\u00edculos, extraer datos y resumir conceptos a una escala mayor que la que admite el nivel gratuito. La estrategia a m\u00e1s largo plazo es convertir a Elicit en una herramienta general de investigaci\u00f3n y razonamiento, una herramienta por la que empresas enteras desembolsar\u00edan dinero.<\/p>\n Un posible obst\u00e1culo para el \u00e9xito comercial de Elicit son los esfuerzos de c\u00f3digo abierto como el Modelo de Lenguaje Abierto del Instituto Allen de IA, cuyo objetivo es desarrollar un modelo de lenguaje grande de uso gratuito optimizado para la ciencia. Pero Stuhlm\u00fcller dice que ve el c\u00f3digo abierto m\u00e1s como un complemento que como una amenaza.<\/p>\n \u00abLa principal competencia en este momento es el trabajo humano: asistentes de investigaci\u00f3n que son contratados para extraer minuciosamente datos de los art\u00edculos\u00bb, dijo Stuhlm\u00fcller. \u201cLa investigaci\u00f3n cient\u00edfica es un mercado enorme y las herramientas de flujo de trabajo de investigaci\u00f3n no tienen grandes protagonistas. Aqu\u00ed es donde veremos surgir flujos de trabajo completamente nuevos centrados en la IA\u201d.<\/p>\n<\/p><\/div>\n