การตรวจสอบโดยเพื่อนร่วมงานเป็นส่วนสำคัญของการวิจัยทางวิทยาศาสตร์ มันมีบทบาทสำคัญในการรับรองความถูกต้องและความแม่นยำของผลการวิจัยก่อนที่จะเผยแพร่ อย่างไรก็ตาม กระบวนการตรวจสอบโดยเพื่อนร่วมงานดำเนินการโดยมนุษย์ และมนุษย์ย่อมทำผิดพลาดได้ แต่เทคโนโลยีที่เกิดขึ้นใหม่อาจถือกุญแจสำคัญในการแก้ไขปัญหานี้
BeInCrypto ได้พูดคุยกับ Matt Schlicht ผู้ร่วมก่อตั้ง YesNoError และ Magnus Bratt ซีอีโอของ Mira Network เพื่อทำความเข้าใจว่า ปัญญาประดิษฐ์ (AI) และวิทยาศาสตร์แบบกระจายศูนย์ (DeSci) รวมกันเพื่อเปลี่ยนแปลงกระบวนการวิทยาศาสตร์ที่ผ่านการตรวจสอบโดยเพื่อนร่วมงานอย่างไร
ราคาของการกำกับดูแลที่ผิดพลาด
แม้แต่มนุษย์ที่ฉลาดที่สุดก็ทำผิดพลาดได้ เมื่อพูดถึงวิทยาศาสตร์ ความผิดพลาดเหล่านี้อาจมีผลกระทบอย่างมหาศาล ประวัติศาสตร์ทั้งเก่าและใหม่ได้พิสูจน์เรื่องนี้ซ้ำแล้วซ้ำเล่า
ในปี 1998 NASA ได้ส่งยาน Mars Climate Orbiter เพื่อศึกษาบรรยากาศของดาวเคราะห์ การลงทุนในโครงการนี้มีมูลค่า 125 ล้าน USD และใช้เวลาเดินทางเกือบ 10 เดือนเพื่อไปถึงที่นั่น
เมื่อมาถึง ยานอวกาศถูกเผาและพังลง และ NASA ได้ระบุภารกิจนี้ว่าไม่ประสบความสำเร็จ สิ่งที่เจ็บปวดที่สุดคือความล้มเหลวของภารกิจนี้ถูกติดตามกลับไปยังข้อผิดพลาดในการนำทางที่ง่ายดาย
ทีมการนำทางที่นำโดย Jet Propulsion Laboratory (JPL) ใช้หน่วยเมตริกในการคำนวณ ขณะที่ Lockheed Martin Astronautics ผู้ออกแบบและสร้างยานอวกาศ ได้ให้ข้อมูลการเร่งความเร็วที่สำคัญในหน่วยภาษาอังกฤษ
ความล้มเหลวของ Lockheed Martin ในการแปลงหน่วยภาษาอังกฤษเป็นเมตริกอธิบายข้อผิดพลาดที่สำคัญที่ทำให้ยานอวกาศเข้าใกล้ดาวอังคารมากเกินไปและถูกเผาเมื่อมาถึง
การตรวจสอบโดยเพื่อนร่วมงานแบบดั้งเดิมมีข้อจำกัดโดยธรรมชาติจากความผิดพลาดของมนุษย์และความเป็นอัตวิสัย ผู้ตรวจสอบอาจมองข้ามข้อบกพร่องทางวิธีการที่สำคัญหรือข้อผิดพลาดทางสถิติเนื่องจากอคติส่วนบุคคล ความขัดแย้งทางผลประโยชน์ หรือเพียงแค่ข้อจำกัดของการตรวจสอบด้วยตนเอง Bratt กล่าวกับ BeInCrypto
การสืบสวนภายหลังพบว่าการขาดการตรวจสอบโดยเพื่อนร่วมงานที่เข้มงวดและเป็นอิสระของการคำนวณการนำทางมีส่วนทำให้ข้อผิดพลาดในการแปลงหน่วยไม่ถูกสังเกต อย่างไรก็ตาม ยังมีกรณีล่าสุดที่กลไกการตรวจสอบโดยเพื่อนร่วมงานล้มเหลวในการแก้ไขข้อผิดพลาดง่ายๆ เช่นนี้
กรณีล่าสุดของความผิดพลาดของมนุษย์ในวิทยาศาสตร์
หนึ่งในเหตุการณ์ล่าสุดที่แสดงถึงขอบเขตของความผิดพลาดของมนุษย์ในการวิจัยทางวิทยาศาสตร์ที่ผ่านการตรวจสอบโดยเพื่อนร่วมงานเกิดขึ้นเมื่อปีที่แล้ว ในเดือนตุลาคม การศึกษาที่ตีพิมพ์ในวารสารเคมีสิ่งแวดล้อม Chemosphere เปิดเผยว่าสารหน่วงไฟอิเล็กทรอนิกส์มีอยู่ในผลิตภัณฑ์พลาสติกสีดำบางชนิด เช่น เครื่องใช้ในครัว
การศึกษานี้กระตุ้นให้เกิดรายงานข่าวมากมาย รวมถึงบทความในสื่อเช่น The Atlantic และ National Geographic ที่กระตุ้นให้ผู้บริโภคทิ้งเครื่องใช้ในครัวพลาสติกสีดำของพวกเขา นอกจากนี้ยังทำให้เกิดความกังวลของสาธารณชนอย่างมากในสื่อสังคมออนไลน์
อย่างไรก็ตาม ในเดือนธันวาคม ด้วยราคา 30 เซนต์และในเวลา 30 วินาที การสอบถาม OpenAI ที่ตรวจสอบผลการศึกษาพบว่าผู้เขียนพลาดศูนย์ไปหนึ่งตัว
“We miscalculated the reference dose for a 60 kg adult, initially estimating it at 42,000 ng/day instead of the correct value of 420,000 ng/day,” the correction stated.
งานวิจัยต้นฉบับมีข้อผิดพลาดที่สำคัญถึงสิบเท่า โดยการเปิดเผยที่ระบุไว้ว่ามีค่า 80% ของขีดจำกัดทางกฎหมายสำหรับสารพิษบางชนิด แต่จริงๆ แล้วมีเพียง 8% เท่านั้น กล่าวอีกนัยหนึ่ง ข้อผิดพลาดนี้ทำให้การเปิดเผยสารพิษเหล่านี้สูงเกินจริงอย่างมาก
ดิฉันจะบอกว่าข้อจำกัดอันดับหนึ่งที่เห็นได้ชัดเจนว่าการตรวจสอบโดยเพื่อนมีคือมนุษย์ทำผิดพลาด คนเหล่านี้เป็นคนที่ฉลาดมาก ข้อความนี้ถูกเผยแพร่ไปทั่ว มันดำเนินไปสองเดือน และมีผู้คนนับล้านเห็นบทความนี้ และไม่มีใครจับข้อผิดพลาดนี้ได้ ปรากฏว่าถ้าคุณนำเอกสารนั้นและส่งไปยังโมเดลล่าสุดของ OpenAI คุณเพียงแค่ถามว่า ‘เฮ้ มีข้อผิดพลาดในเอกสารนี้ไหม’ ด้วยค่าใช้จ่ายประมาณ 30 เซนต์และใน 30 วินาที มันตอบว่าใช่ทันที” Schlicht กล่าว
เพื่อตอบสนองต่อเหตุการณ์เหล่านี้ ผู้สนับสนุน AI และ DeSci ได้ชี้ให้เห็นข้อบกพร่องเหล่านี้ในวิธีการทางวิทยาศาสตร์แบบดั้งเดิม
การทบทวนโดยเพื่อนใหม่ด้วย AI และ DeSci
แนวคิดของการตรวจสอบโดยเพื่อนมีมานานหลายศตวรรษ ตั้งแต่เริ่มต้นก็มีการเปลี่ยนแปลงหลายครั้ง
การทบทวนโดยเพื่อนร่วมงานไม่ได้เป็นกระบวนการที่เป็นทางการและไม่ระบุตัวตนเสมอไปอย่างที่เรารู้จักในปัจจุบัน ในยุคแรกของวารสารวิทยาศาสตร์ (กลางปี 1600) บรรณาธิการอย่าง Henry Oldenburg ที่ Royal Society ตัดสินใจว่าจะเผยแพร่อะไรโดยไม่ปรึกษาผู้เชี่ยวชาญภายนอก ในช่วงศตวรรษที่ 18 และ 19 เมื่อชุมชนวิทยาศาสตร์ขยายตัว การสนทนาอย่างไม่เป็นทางการและการประเมินภายในค่อยๆ พัฒนาเป็นการปฏิบัติที่เป็นระบบมากขึ้น ในช่วงกลางศตวรรษที่ 20 เมื่อผลงานวิจัยเพิ่มขึ้นอย่างรวดเร็ว วารสารต่างๆ ได้นำการทบทวนโดยเพื่อนร่วมงานที่มีโครงสร้างและภายนอก (มักมีผู้ทบทวนที่ไม่ระบุตัวตน) มาใช้เพื่อช่วยรักษาคุณภาพและความยุติธรรม ปัจจุบันเรามีรูปแบบที่หลากหลาย ตั้งแต่การทบทวนแบบปิดและเปิดเผยไปจนถึงการทบทวนหลังการเผยแพร่ ซึ่งสะท้อนถึงความพยายามอย่างต่อเนื่องในการสร้างสมดุลระหว่างความโปร่งใส ประสิทธิภาพ และความเข้มงวดในภูมิทัศน์วิชาการที่เติบโตอย่างรวดเร็ว Bratt อธิบาย
DeSci ได้เริ่มต้นขึ้นเพื่อค้นหา โซลูชันเทคโนโลยี Web3 เพื่อแก้ไขปัญหาสำคัญที่เกิดขึ้นจากวิธีการแบบดั้งเดิมในการวิจัยทางวิทยาศาสตร์ ผลที่ตามมา เอเจนต์ AI ได้กลายเป็นโซลูชันที่ชัดเจนต่อผลกระทบที่อาจเกิดขึ้นจากความผิดพลาดของมนุษย์ที่มีต่อกลไกการทบทวนโดยเพื่อนร่วมงาน
ปัญญาประดิษฐ์สามารถระบุข้อผิดพลาด ความไม่สอดคล้อง และการลอกเลียนแบบได้โดยอัตโนมัติ พร้อมทั้งจับคู่ต้นฉบับกับผู้ตรวจสอบที่เหมาะสมที่สุด ช่วยลดอคติและบรรเทาภาระงานของผู้ตรวจสอบ แพลตฟอร์มวิทยาศาสตร์แบบกระจายศูนย์ที่ใช้บล็อกเชนหรือเทคโนโลยีที่คล้ายกัน สามารถบันทึกประวัติการตรวจสอบอย่างโปร่งใสและเปิดโอกาสให้มีการประเมินจากฝูงชน เพิ่มความรับผิดชอบและความไว้วางใจ เครื่องมือเหล่านี้ช่วยให้การตรวจสอบโดยเพื่อนมีประสิทธิภาพและปรับปรุงการควบคุมคุณภาพให้รวดเร็วและเชื่อถือได้มากขึ้น เขากล่าวเสริม
เทคโนโลยีที่เกิดขึ้นใหม่เหล่านี้ยังทำให้การมีส่วนร่วมในการตรวจสอบทางวิทยาศาสตร์เข้าถึงได้มากขึ้นอีกด้วย
วิทยาศาสตร์แบบกระจายศูนย์และปัญญาประดิษฐ์สามารถช่วยการตรวจสอบโดยเพื่อนได้อย่างมาก โดยลดต้นทุนของการตรวจสอบโดยเพื่อนด้วยการให้ AI ทำในราคาที่ถูกกว่ามากและรวดเร็วกว่ามาก DeSci สามารถให้ทุกคนมีความสามารถในการตรวจสอบโดยเพื่อนได้อย่างไม่จำกัดในทันที Schlicht กล่าว
ประสิทธิภาพ ความเร็ว การกระจายศูนย์ และการลดต้นทุนสามารถเปิดทางใหม่ในการแก้ปัญหาทางวิทยาศาสตร์ที่ซับซ้อนซึ่งยังไม่มีทางแก้ไขได้จนถึงตอนนี้
เร่งความก้าวหน้าทางวิทยาศาสตร์ด้วย AI
เทคโนโลยีที่เกิดขึ้นใหม่อย่าง AI เสนอแนวทางใหม่ที่มีความหวังในการแก้ปัญหาทางวิทยาศาสตร์ที่ซับซ้อน เช่น การวิจัยมะเร็ง ความยืนยาวของมนุษย์ และโรคอัลไซเมอร์
เนื่องจากการวิจัยของมนุษย์ที่มีมานานหลายศตวรรษ วันนี้มีบทความวิทยาศาสตร์นับล้านที่ตีพิมพ์โดยวารสารทั่วโลก ซึ่งแปลเป็นข้อมูลจำนวนมหาศาล AI agents สามารถเก็บข้อมูล กรอง และวิเคราะห์ชุดข้อมูลที่มีอยู่ในอัตราที่มนุษย์ไม่สามารถทำได้ในปัจจุบัน
ปัญญาประดิษฐ์กำลังเปลี่ยนแปลงการวิจัยมะเร็งและมีศักยภาพอย่างมากในการเร่งการค้นพบการรักษาที่มีประสิทธิภาพ เครื่องมือ AI กำลังพิสูจน์คุณค่าโดยการกรองข้อมูลขนาดใหญ่เพื่อค้นหาตัวบ่งชี้ทางพันธุกรรมและเป้าหมายยาชนิดใหม่ ๆ การจำลองการพัฒนาของมะเร็ง และแม้กระทั่งการแนะนำการผสมผสานการรักษาใหม่ ๆ ความก้าวหน้าเหล่านี้ไม่เพียงแต่เร่งขั้นตอนการค้นพบในระยะแรก แต่ยังช่วยเพิ่มประสิทธิภาพการออกแบบการทดลองทางคลินิกและทำนายการตอบสนองของผู้ป่วยได้อย่างแม่นยำมากขึ้น แม้ว่ามะเร็งจะยังคงเป็นกลุ่มของโรคที่ซับซ้อน แต่ผลกระทบที่เพิ่มขึ้นของ AI กำลังทำให้เป้าหมายของการรักษาเป็นไปได้มากขึ้นและกำลังสร้างพลังให้กับชุมชนวิจัยทั้งหมด Bratt กล่าวกับ BeInCrypto
Schlicht’s YesNoError (YNE) ได้สร้างเอกสารไวท์เปเปอร์สำหรับโครงการกระจายศูนย์ที่ใช้โมเดลภาษาขนาดใหญ่ขั้นสูง (LLMs) เพื่อตรวจสอบวรรณกรรมทางวิทยาศาสตร์ที่มีอยู่ทั้งหมดอย่างเป็นระบบ โทเค็น YNE ถูกสร้างขึ้นบนโมเดลเศรษฐกิจที่ผู้ถือโทเค็นสามารถลงคะแนนว่าโครงการใดควรได้รับความสำคัญ
ตัวแทน AI มีหน้าที่ในการสแกนหาข้อผิดพลาดตั้งแต่ความผิดพลาดในการคำนวณง่าย ๆ ไปจนถึงการปลอมแปลงข้อมูล วัตถุประสงค์ที่กว้างขึ้นของโครงการคือการพัฒนาเครื่องมือสำหรับการตรวจสอบข้ออ้างทางวิทยาศาสตร์ที่สามารถเข้าถึงได้สำหรับนักวิจัย สถาบัน และสาธารณชน
มีงานวิจัยเกี่ยวกับอายุยืนยาวกี่ฉบับ? สมมติว่ามีหนึ่งล้านฉบับ สมมติว่าคุณเป็นห้องปฏิบัติการที่มุ่งเน้นเรื่องอายุยืนยาว ขนาดของทีมที่คุณต้องการจากมุมมองของมนุษย์ไม่เพียงแค่อ่านงานวิจัยหนึ่งล้านฉบับ แต่ยังต้องวิเคราะห์และสังเคราะห์ข้อมูลเหล่านั้นอย่างแม่นยำ ซึ่งไม่สามารถทำได้ในระดับมนุษย์ แต่เมื่อคุณเริ่มออกแบบระบบ AI ที่สามารถอ่านงานวิจัยหนึ่งล้านฉบับได้แทบจะทันที คุณสามารถจัดการ AI เหล่านี้ให้มาถึงข้อสรุป นำข้อมูลที่สังเคราะห์กลับมา และนำเสนอต่อทีมมนุษย์ นี่คือวิธีที่ชัดเจนที่ AI สามารถช่วยในการบรรลุความก้าวหน้าในเรื่องอายุยืนยาวหรือเป้าหมายทางวิทยาศาสตร์อื่นๆ ได้” ชลิชท์กล่าว
ผู้เล่นรายใหญ่อื่นๆ กำลังเริ่มจับตามองแนวโน้มที่ได้รับความนิยมมากขึ้นนี้ Advanced Micro Devices (AMD) และนักวิจัยจากมหาวิทยาลัยจอห์นส์ฮอปกินส์เพิ่งพัฒนา Agent Laboratory ซึ่งเป็นกรอบงาน AI ที่ออกแบบมาเพื่อทำให้งานวิจัยทางวิทยาศาสตร์บางส่วนเป็นอัตโนมัติ
ระบบนี้ใช้โมเดลภาษาขนาดใหญ่ในการทบทวนวรรณกรรม ออกแบบการทดลอง และสร้างรายงาน รวมถึงโค้ดและเอกสาร อย่างไรก็ตาม มันไม่ได้กระจายศูนย์หรือใช้โมเดลโทเค็น ผลลัพธ์เบื้องต้น แสดง ว่ากรอบงานนี้สามารถลดต้นทุนการวิจัยได้ถึง 84% เมื่อเทียบกับวิธีการอัตโนมัติอื่นๆ โดยไม่ลดทอนคุณภาพของการวิจัย
อย่างไรก็ตาม หากโครงการอื่นๆ ในภาคคริปโตมีความตั้งใจที่จะพัฒนาโครงการที่คล้ายกัน AI ใน DeSci อาจมีอนาคตที่น่ามีความหวัง
อนาคตสดใสของ DeSci
ตามข้อมูลจาก CoinGecko มูลค่าตลาดของ DeSci อยู่ที่ 1.05 พันล้าน USD ในขณะที่เขียนนี้ ในปีที่ผ่านมา ภาคส่วนนี้ได้ แสดงให้เห็นถึงการเติบโตอย่างต่อเนื่องและนวัตกรรมที่ไม่หยุดยั้ง โครงการใหม่หลายโครงการได้กลายเป็นผู้เล่นหลักอย่างรวดเร็ว
Schlicht และ Bratt คาดการณ์ว่าขนาดตลาดของวิทยาศาสตร์แบบกระจายศูนย์จะเติบโตอย่างรวดเร็ว
ดิฉันคิดว่าในอีก 10 ปีข้างหน้า มูลค่าตลาดของ DeSci อาจจะมากกว่า 10,000 เท่าของปัจจุบัน เพราะการรวมกันของปัญญาประดิษฐ์ การกระจายศูนย์ และโทเค็น วิทยาศาสตร์กำลังจะเพิ่มขึ้นอย่างรวดเร็วในด้านการค้นพบใหม่ๆ Schlicht กล่าว
ในจุดนั้น Bratt เสริมว่า
ถ้าประสบความสำเร็จ มันสามารถกลายเป็น 5-10% ของตลาดวิจัยวิทยาศาสตร์ทั่วโลกซึ่งมีมูลค่าเป็นล้านล้าน USD อยู่แล้ว
อย่างไรก็ตาม พวกเขายังคาดว่า DeSci จะเผชิญกับการต่อต้านจากกลุ่มล็อบบี้ทางการแพทย์และวิทยาศาสตร์แบบดั้งเดิม
เผชิญหน้ากับสถานะเดิม
แม้ว่างานวิจัยทางวิทยาศาสตร์สามารถได้รับทุนจากหน่วยงานรัฐบาล สถาบัน และมูลนิธิต่างๆ แต่ส่วนใหญ่ได้รับทุนจากบริษัทเอกชน
รายงานของ UCLA ในปี 2023 ระบุว่าเกือบ 80% ของประมาณ 57 พันล้าน USD ที่ใช้ในการวิจัยมะเร็งในสหรัฐอเมริกาในปี 2021 มาจากภาคเอกชน โดยเฉพาะบริษัทเภสัชกรรมขนาดใหญ่ นอกจากนี้ยังรายงานว่ามีการแบ่งปันผลการวิจัยอย่างจำกัด
มีผลประโยชน์ที่สามารถล็อบบี้เพื่อห้ามกิจกรรมตลาดดังกล่าวเพื่อปกป้องผู้เล่นที่มีอยู่ Bratt กล่าว
สำหรับ Schlicht, DeSci เป็นโอกาสที่จะท้าทายผลประโยชน์ของเอกชน
ก่อนหน้านี้ บริษัทต่างๆ สามารถควบคุมได้ว่าการวิจัยใดจะได้รับทุน DeSci ทำลายสิ่งนั้นและอนุญาตให้ใครก็ตามได้รับทุนหากผู้คนเชื่อว่าไอเดียของพวกเขาดี เขากล่าว
เนื่องจาก เทคโนโลยีบล็อกเชน อนุญาตให้มีการไม่เปิดเผยตัวตนและให้ความสำคัญกับความเป็นส่วนตัว เขาโต้แย้งว่านักนวัตกรรมจะถูกติดตามได้ยากขึ้น
ดิฉันไม่เชื่อว่านักล็อบบี้จะสามารถหยุด DeSci ได้ ไอน์สไตน์คนต่อไปอาจจะไม่เปิดเผยตัวตน อาจจะเป็นใครบางคนที่มีอวาตาร์เป็นเพนกวิน หรือรูปโปรไฟล์เป็นกบ อาจจะเป็นใครบางคนที่มี NFT เป็นโปรไฟล์ และมีตัวเลขมากมายในชื่อของพวกเขา นักล็อบบี้ไม่สามารถหาพวกเขาเจอได้ เพราะพวกเขาไม่รู้ว่าพวกเขาเป็นใคร และพวกเขาได้รับทุนในวิธีการที่กระจายอำนาจ พวกเขายังมีทีมของ คนที่ใช้นามแฝงอื่นๆ ที่ทำงานร่วมกับพวกเขา ทั้งมนุษย์และ AI ชลิชท์กล่าว
แต่ก่อนที่จะพิจารณาการแข่งขันที่อาจเกิดขึ้นระหว่างนักล็อบบี้ทางการแพทย์แบบดั้งเดิมและนักนวัตกรรมในวิทยาศาสตร์แบบกระจายอำนาจ DeSci ยังคงอยู่ในเส้นทางสู่ความเป็นผู้ใหญ่
ในที่สุด การบรรจบกันของ AI และวิทยาศาสตร์แบบกระจายอำนาจเสนอรูปแบบใหม่ที่ทรงพลังสำหรับการวิจัยทางวิทยาศาสตร์ โอกาสนี้มีศักยภาพในการเพิ่มความน่าเชื่อถือและประสิทธิภาพของการตรวจสอบโดยเพื่อน เปิดโอกาสให้เข้าถึงทุนได้อย่างเสรี และเร่งความก้าวหน้าข้ามพรมแดนทางวิทยาศาสตร์ที่หลากหลาย
การติดตามความก้าวหน้าของ AI และวิทยาศาสตร์แบบกระจายอำนาจจะเป็นสิ่งสำคัญสำหรับการบูรณาการเทคโนโลยีเหล่านี้เข้าสู่การวิจัยทางวิทยาศาสตร์อย่างมีความรับผิดชอบ
ข้อจำกัดความรับผิด
หมายเหตุบรรณาธิการ: เนื้อหาต่อไปนี้ไม่ได้สะท้อนถึงมุมมองหรือความคิเห็นของ BeInCrypto มันจัดทำขึ้นเพื่อวัตถุประสงค์ในการให้ข้อมูลเท่านั้นและไม่ควรถูกตีความว่าเป็นคำแนะนำทางการเงิน กรุณาทำการวิจัยของคุณเองก่อนที่จะทำการตัดสินใจลงทุนใดๆ
