文章编号：1091 / 更新时间：2024-11-29 17:17:30 / 浏览：次

人工智能语言模型（LLM）正在迅速改变科学研究的格局，最新研究表明，LLM在预测神经科学研究结果方面的准确性甚至超过了人类专家。

LLM全面超越人类专家

一项发表在《自然人类行为》杂志上的研究，来自伦敦大学学院、剑桥大学和牛津大学等机构的研究团队，开发了一个专门针对神经科学的基准测试BrainBench。研究结果表明，经过该基准测试训练的LLM在预测神经科学结果方面的准确度高达81.4%，远高于人类专家的63.4%。

在神经科学常见的5个子领域：行为/认知、细胞/分子、系统/回路、神经疾病的神经生物学以及发育/塑性和修复中，LLM的表现也全面超过了人类专家。

LLM掌握科研模式，做出前瞻性预测

更重要的是，这些模型被证实对于数据没有明显的记忆。也就是说，它们已经掌握了一般科研的普遍模式，可以做出更多的前瞻性（Forward-looking）预测、预测未知的事物。

这一发现表明，LLM不再仅仅是信息存储库，它们已经能够自主学习和推理，推动科学研究的发展。

全新神经学基准BrainBench

该研究最重要的贡献之一，就是提出了一个前瞻性的基准测试BrainBench，可以专门用于评估LLM在预测神经科学研究方面的能力。

BrainBench包含了2,000多个神经科学研究本文摘要，每个摘要分为原始版本和修改版本。研究者需要判断哪个版本包含实际的研究结果。

评估LLM是否纯记忆

为了衡量LLM是否只是记忆了训练数据，研究团队使用zlib压缩率和困惑度比率来评估LLMs是否记忆了训练数据。

结果表明，LLM的zlib压缩率和困惑度比率显著低于人类专家的，这表明它们学习的是广泛的科学模式，而不是记忆训练数据。

争议与质疑

尽管这项研究令人兴奋，但也引发了一些争议和质疑。

一些研究者认为，实验才是科研最重要的部分，任何预测都没什么必要：还有研究者认为，LLM的预测准确性还不足以取代人类专家的判断。

这项研究表明，LLM在神经科学研究中具有巨大的潜力。它们可以帮助研究人员探索新的假设，识别有前景的研究方向，并加快科学发现的步伐。

结论

LLM在神经科学预测中的准确性超越人类专家，为神经科学研究开辟了新的可能。随着LLM技术的不断发展，我们有望看到LLM在科学研究中发挥越来越重要的作用。

重要的是要记住，LLM并不是完美的，它们仍然需要人类专家的监督和指导。通过将LLM与人类专家的优势相结合，我们可以进一步推动科学研究的边界，解决一些最紧迫的科学问题。

相关标签： 专家、 狂喜、 模型、 人类、 zlib、 困惑度、 人类、 Nature、 水平、 神经学、 研究、 预测、 神经、 结果、 结论、

本文地址：http://dy.qianwe.com/article/1091.html

上一篇：游走义乌三平米走播客们的暴富梦...
下一篇：特朗普对墨西哥中企施加严厉打击令人担忧的...