研究人员将文献洞见与数据模式结合，助力科研人员快速提出科学新假设
研究人员将文献洞见与数据模式结合，助力科研人员快速提出科学新假设
近日，美国芝加哥大学研究团队开发出一种新型科研辅助工具，该工具能够将文献洞见与数据模式相结合，帮助科研人员快速提出科学新假设。这一创新方法在多个数据集上的实验中表现出色，不仅显著提高了假设生成的泛化能力，还提升了人类决策的准确性。
传统方法的局限性
传统的假设生成方法大致可以分为两类：
理论驱动方法：通过回顾现有文献生成假设。这种方法通常能产生新颖、有效且对研究者有用的假设，同时是基于已有的科学知识。其局限性在于：依赖高质量的文献、难以适应新数据、缺乏现实数据支持。
数据驱动方法：通过发现数据中的规律生成假设。这种方法能适应新的数据并在解释数据方面表现出色。其局限性在于：往往过于依赖特定数据集，可能导致泛化能力不足。
创新方法的提出
针对上述问题，芝加哥大学研究团队提出了一种将文献信息与现实观察数据相结合的假设生成方法。该方法开发出一种协作机制，让文献驱动和数据驱动方法在假设生成和更新过程中互相补充。
具体而言，研究团队提出了两种整合策略：
精炼生成：在数据驱动生成的假设基础上加入文献洞见，通过多轮迭代提高假设质量。
合并生成：分别生成基于文献和数据的假设集，并在消除冗余后进行合并。
实验结果与应用前景
在五个数据集上的大模型推理实验显示，整合文献和数据的假设生成方法在泛化能力上显著优于其他传统方法：
- 比基于例子的学习方法提高 8.97%
- 比仅基于文献的方法提高 15.75%
- 比仅基于数据的方法提高 3.37%
在两项人类评估实验中，AI 生成的假设显著提高了人类决策准确性：
- 在虚假/欺骗性信息检测任务中提高了 7.44%
- 在 AI 生成内容检测任务中提高了 14.19%
理论上，本成果能被用于任何基于数据分析或观测现实数据的科学领域，包括但不限于生物学、化学、医疗、神经科学、环境与地质科学、商业分析和经济学等。它为科研工作者提供了一个强有力的辅助工具，不仅能够显著减少提出新科学假设所需的资源和时间成本，还能提升假设的质量和泛化能力。
实践中，该成果还具有更广泛的潜在应用，例如帮助优化教学方法、改进医疗诊断与治疗方案、支持商业与政策决策、提升人工智能模型的解释性与性能，以及推动跨学科研究的创新等。
图 | 刘昊琨（来源：刘昊琨）
日前，相关论文以《文学与数据相遇：生成假设的协同方法》（Literature Meets Data: A Synergistic Approach to Hypothesis Generation）为题发在arXiv[1]，美国芝加哥大学博士生刘昊琨是第一作者。
图 | 相关论文（来源：arXiv）
本次假设生成方法虽然是现阶段最全面并且拥有最好的评估结果，但这类研究整体还属于初步阶段。研究人员无法回答“什么是最好的自动化验证假设的方法”，或“能不能证明这些生成的假设能真正推动各个领域的科研”这类问题。
所以，该团队正在考虑设计一套完善的假设生成的 benchmark，或者尝试与社科领域的专家合作，利用他们生成的假设来开展新的科研项目。通过此，希望能够完善各个模块，让文献搜索和整理模块可以实现自动化。
参考资料：
1.Liu, H., Zhou, Y., Li, M., Yuan, C., & Tan, C. (2024). Literature meets data: A synergistic approach to hypothesis generation. arXiv preprintarXiv:2410.17309.