Google称这是一个“新方向”——但AI能找到高质量的科学研究吗？
谷歌宣布正在测试一款名为 Scholar Labs 的 AI 驱动搜索工具，旨在回答详细的研究问题。
但它的演示也引发了一个更大的疑问：科学家们会相信这样一款放弃传统衡量研究受欢迎程度的方法，转而通过分析词语之间的关系来筛选优质研究的工具吗？
新的搜索工具使用人工智能来识别用户查询中的主要主题和关系，目前仅对一小部分用户开放。
我(本文作者)拥有脑机接口的博士学位，所以我很想看看 Scholar Labs 搜索了什么。
第一个结果是 2024 年发表在《应用科学》杂志上的一篇关于脑机接口研究的综述论文。Scholar Labs 解释了结果与查询匹配的原因，因此它指出该论文讨论了对一种名为脑电图的非侵入性信号的研究，并综述了该领域的一些领先算法。
作者注意到 Scholar Labs 缺少用于区分“优秀”和“普通”研究的常用指标的筛选器。
其中一个指标是自发表以来一项研究被其他研究引用的次数
这大致可以转化为一篇论文的受欢迎程度。它也与时间有关：一项最近发表的研究可能没有被引用过，也可能在几个月内积累数百次引用；一项 90 年代的研究可能会有数千次引用。
另一个指标是科学期刊的“影响因子”。
发表被广泛引用的研究的期刊具有较高的影响因子，因此在科学界享有更严谨或更有意义的声誉。应用科学期刊自称影响因子为 2.5。相比之下，《自然》杂志的影响因子为 48.5。
原版的 Google Scholar 提供了按“相关性”排序研究的功能，并显示每个结果的引用次数。
Google 发言人 Lisa Oguike 表示，新推出的 Scholar Labs 旨在帮助用户找到“最有用的论文”，Google 表示，它通过与研究人员相同的方式对论文进行排名，即“权衡每份文档的全文、发表地点、作者，以及它在其他学术文献中被引用了多少次以及最近被引用的时间。”
然而，Oguike 告诉 The Verge，新的 Scholar Labs 不会根据论文的引用次数或期刊的影响因子对结果进行排序或限制。
Oguike 写道：“影响因子和引用计数取决于论文的研究领域，大多数用户很难在具体研究问题的背景下猜测合适的值。” Oguike 补充道：“按影响因子或引用计数进行限制通常会错过重要的论文——特别是跨学科/相邻领域/期刊中的论文或最近发表的文章。”
引用计数和影响因子等指标“是对一篇论文质量的相当粗略的评估”，范德堡大学医学中心神经病学副教授马修·施拉格在接受 The Verge 采访时表示，他同意谷歌的说法。他表示，这些指标“更多地说明了论文的社会背景”，而不是其质量，尽管“希望这两者是相关的”。
