Temat sztucznej inteligencji w ostatnim czasie zyskuje na znaczeniu, przenikając niemal każdą sferę życia. Coraz częściej staje się przedmiotem dyskusji w edukacji, medycynie, a nawet w codziennych czynnościach.
Dostępne narzędzia AI kuszą możliwością szybkiego uzyskania wyników i znaczącej oszczędności czasu. Warto jednak pamiętać, że nie są one doskonałe. Modele AI mogą być podatne na błędy lub generować wyniki, które są stronnicze lub niepełne. Dlatego tak ważne jest, aby rezultaty uzyskane za pomocą tych narzędzi były weryfikowane przez specjalistów z danej dziedziny.
Przed przystąpieniem do korzystania z narzędzi AI w swojej pracy, warto zapoznać się z opracowanym przez profesora Oguza A. Acara (King’s College London) modelem PAIR (Problem, AI, Interaction, Reflection). Został on stworzony, aby pomóc w odpowiedzialnym i zrównoważonym korzystaniu z AI. PAIR składa się z czterech etapów: identyfikacja problemu (Problem), wykorzystanie narzędzi AI do wygenerowania rozwiązań (AI), „interakcja” z wynikami i ocena ich jakości (Interaction) oraz refleksja nad procesem i wynikami (Reflection). Dzięki takiemu podejściu możliwe jest efektywne korzystanie z AI, przy jednoczesnym rozwijaniu własnych umiejętności analitycznych i twórczych.
Na podstawie: Acar, O.A. Are Your Students Ready for AI? A 4-Step Framework to Prepare Learners for a ChatGPT World, Harvard Business Publishing Education 2023. Available in: hbsp.harvard.edu/inspiring-minds/are-your-students-ready-for-ai
Narzędzia oparte na sztucznej inteligencji zyskują coraz większą popularność również w tworzeniu przeglądów systematycznych, między innymi w automatyzacji procesów takich jak opracowywanie strategii wyszukiwawczej, selekcja artykułów, ekstrakcja danych oraz pisanie streszczeń. AI pomaga w generowaniu słów kluczowych, synonimów oraz w rozbudowywaniu zapytań, co zwiększa efektywność przeszukiwania literatury. Technologie takie jak przetwarzanie języka naturalnego (ang. natural language processing, NLP) oraz uczenie maszynowe są używane do rozszerzania zapytań (ang. query expansion), co pozwala uwzględnić powiązane terminy i uzyskać bardziej trafne wyniki wyszukiwania. Jest to szczególnie przydatne w badaniach z zakresu medycyny, gdzie precyzyjna strategia wyszukiwawcza jest kluczowa dla kompleksowego ujęcia tematu.
Niemniej jednak bardzo ważne jest, aby wygenerowane przez AI strategie wyszukiwawcze były sprawdzane przez ekspertów. Taka weryfikacja jest niezbędna, aby upewnić się, czy otrzymana strategia jest prawidłowo zapisana, nie zawiera błędów i czy spełnia standardy metodologiczne.
W celu zagwarantowania wysokiej jakości i wiarygodności przeglądu systematycznego wciąż kluczowa jest końcowa ocena specjalisty!
Poniżej zamieszczamy przykład wykorzystania ChatGPT do stworzenia strategii wyszukiwawczej do zaproponowanego przez nas pytania badawczego. Jak sobie poradził z tym zadaniem? Zachęcamy do sprawdzenia! 😉
Przykład ten był częścią plakatu, przygotowanego przez nasz zespół na XLI Konferencję Problemową Bibliotek Medycznych, której tematem przewodnim była właśnie sztuczna inteligencja („Sztuczna inteligencja a biblioteki medyczne – czy jesteśmy u progu transformacji?”). Warto też wspomnieć, iż podczas tego wydarzenia odbyło się spotkanie Grupy roboczej systematic review, podczas którego bibliotekarze wymienili się swoimi doświadczeniami dotyczącymi korzystania z narzędzi AI w procesie wyszukiwania literatury.
Więcej informacji wraz z odnośnikami do najnowszych artykułów na temat wykorzystania AI w procesie opracowywania przeglądów systematycznych znaleźć można m.in. na stronie biblioteki King’s College London.
Polecamy również poniższe artykuły:
Artificial intelligence to automate the systematic review of scientific literature – autorzy tej pracy dokonali przeglądu dostępnych na przestrzeni ostatnich 15 lat narzędzi opartych na AI, znajdujących zastosowanie w tworzeniu przeglądów systematycznych. W artykule tym zostały też opisane aktualnie wykorzystywane narzędzia AI (w oparciu o 34 badania).
Development of search strategies for systematic reviews in health using ChatGPT: a critical analysis – tutaj można zapoznać się z innym przykładem strategii wygenerowanej za pomocą modelu językowego ChatGPT (w załączniku do artykułu).
Acar, O.A. Are Your Students Ready for AI? A 4-Step Framework to Prepare Learners for a ChatGPT World, Harvard Business Publishing Education 2023. Available in: hbsp.harvard.edu/inspiring-minds/are-your-students-ready-for-ai
Guimarães, N.S., Joviano-Santos, J.V., Reis, M.G. et al. Development of search strategies for systematic reviews in health using ChatGPT: a critical analysis. Journal of Translational Medicine 2024:22(1). Available in: translational-medicine.biomedcentral.com/articles/10.1186/s12967-023-04371-5
Ofori-Boateng, R., Aceves-Martins, M., Wiratunga, N. et al. Towards the automation of systematic reviews using natural language processing, machine learning, and deep learning: a comprehensive review. Artificial Intelligence Review 2024:57(200). Available in: link.springer.com/article/10.1007/s10462-024-10844-w
