谷歌Scholar Labs使用AI搜索科学研究论文

谷歌推出了一款名为Scholar Labs的AI驱动搜索工具，专门用于回答详细的研究问题。这款新工具使用人工智能来识别用户查询中的主要主题和关系，目前仅对有限的登录用户开放测试。

谷歌称Scholar Labs能够"挖掘对用户研究任务最有用的论文"。该系统通过权衡每个文档的全文内容、发表位置、作者信息，以及在其他学术文献中被引用的频率和时间来对论文进行排名。谷歌表示，这种排名方式与研究人员自己的评估方式相同。

新工具的争议与局限

然而，Scholar Labs缺乏科学界常用的质量评估指标过滤功能。传统的学术搜索通常依靠引用次数和期刊影响因子来区分"优质"研究和"一般"研究。引用次数反映了一篇论文的受欢迎程度，而影响因子则体现了期刊在科学界的声誉和严格程度。

与原版Google Scholar不同，Scholar Labs不会根据论文的引用次数或期刊影响因子对结果进行排序或限制。谷歌发言人解释称，"影响因子和引用次数取决于论文的研究领域，大多数用户很难在特定研究问题的背景下猜测合适的数值。按影响因子或引用次数限制往往会错过关键论文，特别是跨学科领域或最近发表的文章。"

专家观点与实际应用

范德堡大学医学中心神经病学副教授Matthew Schrag认为，引用次数和影响因子是"对论文质量相当粗糙的评估"，它们更多地反映了"论文的社会背景"而非质量本身。

塔夫茨大学康复科学教授James Smoliga是Google Scholar的频繁用户，他承认自己倾向于相信高引用论文更值得信赖，尽管他曾揭穿过一篇拥有数千引用的研究的方法问题。

与传统搜索工具的对比

相比之下，美国国立卫生研究院国家医学图书馆运营的PubMed等传统医学文献数据库，广泛使用过滤器和布尔逻辑搜索。用户可以将结果限制为仅显示临床研究的综述文章、排除预印本论文、按时间范围筛选等。

未来发展方向

Schrag认为AI驱动的搜索在科学生态系统中有其价值。理论上，它能够撒下更广的网，发现那些可能被忽视的论文，或者添加关于论文在社交媒体平台上受欢迎程度的额外背景信息。研究需要全面评估，AI可能能够解决这个问题。

不过，Schrag强调，科学家最终要对确定什么科学研究具有影响力负责。这需要阅读和参与科学文献，"成为最终的仲裁者，而不是让算法成为我们认为高质量研究的最终仲裁者。"

谷歌将Scholar Labs称为"我们的新方向"，并计划在未来纳入用户反馈。目前该工具设有访问等待名单。

Q&A

Q1：Scholar Labs与传统Google Scholar有什么不同？

A：Scholar Labs使用AI来识别查询中的主要主题和关系，专门回答详细研究问题。与原版Google Scholar不同，Scholar Labs不会根据论文引用次数或期刊影响因子排序，而是通过权衡文档全文、发表位置、作者信息和被引用情况来排名。

Q2：为什么Scholar Labs不使用引用次数和影响因子作为筛选标准？

A：谷歌表示，影响因子和引用次数取决于研究领域，用户很难判断合适数值。按这些指标限制会错过关键论文，特别是跨学科领域或最近发表的文章。专家也认为这些指标更多反映论文社会背景而非质量。

Q3：科学家如何看待AI搜索工具在学术研究中的作用？

A：专家认为AI搜索有价值，能发现被忽视的论文并提供额外背景信息。但强调科学家应该是判断研究质量的最终仲裁者，需要通过阅读和参与科学文献来评估，而不能完全依赖算法判断。