A kutatások minőségét rangsoroló mesterséges intelligencia gyorsan terjedő eszközzé vált a laboratóriumokban: a QED Science által fejlesztett rendszer több mint 57 000 bioRxiv-en megjelent kéziratot dolgozott fel, és közülük 574 dolgozatot jelölt meg mint a publikációk legfelső egy százalékát — adja hírül a forrás.
Mi az, amit a rendszer mér?
A QED rendszer lényege nem pusztán a szóhasználat vagy hivatkozásszámok alapján történő válogatás: a fejlesztők azt állítják, hogy a mesterséges intelligencia a tanulmányok következtetéseinek újdonságát és azok érvényességét vizsgálja. A cél az, hogy feltárja, mennyiben támasztják alá az adatbázisokban szereplő bizonyítékok a szerzők állításait, illetve hol hiányoznak vagy elégtelenek az alátámasztó adatok.
Tömeges adatfeldolgozás és gyakorlatban használók
A QED Science állítása szerint az eszközt több mint 10 000 laboratórium használja ingyenesen, összesen mintegy 1 500 szervezetben, több mint 70 országban. Emellett a bioRxiv, medRxiv és az openRxiv működtető nonprofit szervezete 2025 novemberében bejelentette, hogy teszteli az eszközt a bioRxiv-en.
| Mutató | Érték |
|---|---|
| Feldolgozott kéziratok | 57 000 |
| Top 1% -ként kiválasztott munkák | 574 |
| Használó laboratóriumok | 10 000 |
| Részvevő szervezetek | 1 500 |
| Országok száma | 70+ |
Mit jelent ez a tudományos közösség számára?
A QED készítői szerint a rendszer egyik kulcstulajdonsága, hogy nem csak a pozitív, sikeres eredményeket veszi figyelembe, hanem képes felismerni azokat az eseteket is, amikor a bizonyítékok nem támasztják alá a szerzők következtetéseit. Niv Mastboim, a cég társalapítója és vezérigazgatója a Nature-nek adott interjúban hangsúlyozta, hogy a mesterséges intelligenciának meg kell értenie, mi számít cáfoló vagy elégtelen bizonyítéknak ahhoz, hogy megbízható értékelést adjon.
Ez a megközelítés lényeges különbséget jelent a hagyományos bibliometriai módszerekhez képest, amelyek gyakran a publikációk számát, hivatkozásait vagy bizonyos kulcsszavak előfordulását használják. Az automatizált minősítés előnye a mérethatékonyság: több tízezer kézirat átnézése manuálisan nem volna reális, és az időigényes szakértői bírálatokhoz képest gyors összszűrést adhat.
Korlátok és viták
Ugyanakkor a módszer alkalmazásával kapcsolatban számos kérdés nyitott marad. Az automata értékelés érzékeny a betanított adathalmazokra: ha a modell alapvetően a publikált irodalomra támaszkodik, amely ismerten torzítható a pozitív eredmények felé, nehéz biztosítani, hogy a rendszer ne örökítse tovább ezeket a torzulásokat. A QED ezért különböző adatforrásokat is beépített a rendszerbe, köztük nyilvános szakmai értékeléseket, felhasználói visszajelzéseket és aggregált adatokat.
Az eszköz kipróbálása a bioRxiv-en 2026 júniusáig tartó vizsgálati időszakot követően további adatokat szolgáltathat arról, mennyire megbízható a mesterséges intelligencia által végzett szelekció a tudományos minőség jelzésére.
- Skálázhatóság: a MI képes nagy tömegű kézirat gyors feldolgozására.
- Érvényesség: a rendszer a bizonyítékok érvényességét és az állítások újdonságát mérlegeli.
- Torzulások kockázata: a modellek betanítása során keletkező torzítások befolyásolhatják a rangsorolást.
A mesterséges intelligencia által végzett kutatási rangsorolás jelenleg egyszerre ígéretes és vitatott: felgyorsíthatja a releváns publikációk megtalálását, de új eljárási és etikai kérdéseket is felvet a tudományos értékelés hitelességéről.
Az elkövetkező hónapok empirikus adatai és a bioRxiv-en zajló teszt eredményei döntőek lesznek abban, hogy ez a megközelítés mennyire válik elfogadott eszközzé a tudományos közösségben.
