专栏首页新智元高引用量并不靠谱!MIT开发科研「星探」识别「高影响力论文」

高引用量并不靠谱!MIT开发科研「星探」识别「高影响力论文」


新智元报道

来源:MIT

编辑:LQ

【新智元导读】MIT发现新的科研「星探」DELPHI,识别高影响力的论文数量是高引的2倍,且其中有60%都是被「高引」忽略的「科研新星」。

MIT的研究人员建立了一个「人工智能框架」——从发表过的论文登出版物中收集模式,通过学习,识别出对未来将会产生巨大影响的技术,并发出「早期提醒」。

这一框架叫DELPHI,全称Dynamic Early-warning by Learning to Predict High Impact(通过学习来预测高影响力的动态预警)。

DELPHI的表现怎么样呢?

在一次对其能力的回顾试验中,DELPHI识别出了一个专家列表中所有具有开创性的重大生物技术论文,有的论文仅仅发表了一年。

麻省理工媒体实验室(MIT Media Lab)附属研究机构的James W. Weis和Media Lab分子机器研究小组负责人、媒体艺术与科学教授Joseph Jacobson用DELPHI挑选了50篇他们认为到2023年会产生重大影响的论文。

James W. Weis

Joseph Jacobson

这50篇论文主题涵盖用于癌症治疗的DNA纳米机器人、高能量密度的锂氧电池、使用深层神经网络的化学合成等等。

DELPHI对研究人员来说是一种有效的工具,可以帮助他们更好地利用科研基金,发现众多技术中可能被搁置的 「璞玉」。

政府、慈善机构和风投也可以根据DELPHI做出更有效的决定,支持科学事业。

根据James W. Weis的介绍,从本质上讲,DELPHI的算法通过从科学史中学习模式,然后在新出版物上进行模式匹配,从而发现蕴藏高影响力但发表时间不长的论文,通过跟踪观点的早期传播,DELPHI可以预测这些观点会在多大程度上快速或以一种有意义的方式扩散到更广泛的学术界。

该研究的相关论文已经在Nature Biotechnology上发表。

科研「星探」,发现科研中被搁置的「璞玉」

20世纪80年代以来,美国科学出版物呈指数型增长,这为DELPHI的建立提供了大量数据信息。

不过,DELPHI并没有局限在单一维度的衡量标准,如引用量来判断论文的影响力,而是利用期刊文章元数据的全时间序列网络,来揭示其在科学生态系统中传播的更高维度模式。

其结果是一个知识图谱,其中包含代表论文、作者、机构和其他数据的节点之间的连接。这些节点之间复杂连接的强度和类型决定了它们在框架中使用的属性。

这些节点和边界定义了一个基于时间的图表,DELPHI 使用这个图表来学习可以预测未来影响的模式。

这些网络特征一起被用来预测科学影响,在论文发表五年后落入时间尺度节点中心度前5%的论文被认为是DELPHI旨在识别的 「高影响力」目标集。

这些前5%的论文占图中总影响的35%,DELPHI还可以使用时间尺度节点中心度前1%、10%和15%的截止点。

DELPHI的结果表明,高影响力的论文传播速度会非常快,而且会跨越本身学科,传播到其他的学科和学术团体。

两篇论文的引用量也许一样,但高影响力论文会收获更多更深入的关注,而影响力低的论文就算在不断传播,但并没有获得真正的关注和利用。

DELPHI有助于激励团队成员相互协作,即使彼此不认识,通过提供科研基金让这些人一起解决跨学科问题。

DELPHI识别的论文数是凭「引用量」识别的论文数的「2倍」,而且其中有「60%」都是此前被忽略的科研「璞玉」。

推动基础研究就要大量尝试,并能够快速利用这些想法中最好的部分。

MIT Media Lab

这一研究就是要测试能否以更大的规模完成这项任务——利用整个科学界,因为它也是整个学术图谱的一部分,这样在发现高影响力论文的过程中会更具包容性。

不过为了让DELPHI更准确地预测,研究人员正在使用机器学习来提取和量化隐藏在已有数据的维度和动态中的信号。

DELPHI做更公平的「星探」

研究人员表示,他们希望利用DELPHI降低评估论文时的偏见。

毕竟,过去的研究显示,引用和期刊影响因子数等其他指标也可以被操纵。

「我们希望可以利用这一点找到最值得研究的研究人员,不管他们隶属于哪个机构,也不管他们之间有多少联系」,Weis表示。

然而,和所有的ML框架一样,框架设计者和使用者都应该警惕偏见,对此,Weis表示,

「我们需要不断意识到我们的数据和模型中潜在的偏差。我们希望 DELPHI 能够以一种不那么偏颇的方式帮助我们找到最好的研究,因此我们需要注意,我们的模型不会仅仅根据H指数、作者引用量或机构关系等次优指标来预测未来的影响。」

DELPHI可以成为一个强大的工具,帮助科学资金变得更加高效和有效,也许还可以用来创造与科学投资有关的新的金融产品。

很多极具天赋的人和令人惊叹的技术都因为各种原因被忽略了,而机器学习可以帮助开发有效工具,发现这些「璞玉」,这不管对投资者还是科研事业都是极具意义和价值的。

参考资料:

https://news.mit.edu/2021/using-machine-learning-predict-high-impact-research-0517

本文分享自微信公众号 - 新智元(AI_era),作者:新智元

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2021-05-18

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 全球首个华人AI学术影响力——2018年Top100名单重磅发布!

    2015年9月7日,新智元成立,在一千九百零六天的时间里,我们见证了算法、算力和数据大爆炸之下,AlphaGo战胜李世乭、柯洁,OpenAI挑战人类顶级选手、国...

    新智元
  • 取得真经!中国连夜宣布重大发现,“悟空”用火眼金睛看到了暗物质!

    镁客网
  • 人工智能在天体物理中的应用

    编者按:从人类诞生的那一刻起,人们对宇宙奥秘的求索就从未停止。今天,天文学已经进入了一个具有多波段、多信使的海量观测数据的黄金时期,人工智能技术将对天文领域产生...

    AI科技评论
  • 10亿美元!MIT成立新计算学院,最大一笔AI学术投资

    麻省理工学院(MIT)今天宣布了一项新的 10 亿美元计划,以应对计算机的普及和人工智能的兴起所带来的全球机遇与挑战。这项计划是美国学术机构在计算和人工智能领域...

    机器之心
  • MIT与商汤科技成立人工智能联盟

    作者 | 阿司匹林 2 月 28 日,美国麻省理工学院(以下简称 MIT)与中国商汤科技 SenseTime 宣布成立人工智能联盟,共同探索人类与机器智能的未来...

    AI科技大本营
  • 清华大学孙茂松、刘知远教授新书问世,解锁「知识图谱与深度学习」

    知识图谱作为典型的符号表示系统,如何有效用于机器学习算法,面临着知识表示、 知识获取和计算推理等方面的诸多挑战。

    新智元
  • 科大少年班魔角天才,24岁MIT博士,石墨烯驾驭者曹原再度《Nature》双发

    当地时间5月6日,因发现魔角石墨烯超导态而荣获《Nature》「2018年度科学人物」榜首、麻省理工Pablo Jarillo-Herrero课题组成员曹原,再...

    新智元
  • “金星生命论”乌龙事件新进展:那只是二氧化硫而已

    该论文发表几个月内就连遭多个科研团队“痛锤”,甚至NASA科学家联名致信Nature要求撤稿。

    量子位
  • 出身和平台哪个对学者更重要?二十万篇论文给你答案!

    近日,来自科罗拉多大学的 Aaron Clauset 等研究者,在收集大量科研人员的数据后,对“博士毕业院校的声望,能够代表科学家能力”的假设提出来质疑,他们...

    量化投资与机器学习微信公众号

扫码关注云+社区

领取腾讯云代金券