Mapping the Web of Science, a large-scale graph and text-based dataset with LLM embeddings
تُثبت هذه الورقة العملية المتمثلة في الجمع بين نماذج تضمين النماذج اللغوية الكبيرة والتحليل القائم على الرسوم البيانية لرسم المشهد الدلالي لمجموعة بيانات "Web of Science"، والتي تحتوي على ما يقرب من 56 مليون منشور علمي.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل عالم البحث العلمي بأكمله كمكتبة ضخمة وفوضوية تحتوي على أكثر من 56 مليون كتاب (أوراق بحثية علمية). لفترة طويلة، حاول أمناء المكتبات تنظيم هذه المكتبة من خلال النظر إلى "الهوامش" و"الاستشهادات المرجعية" — أي من يقتبس من مَن. إذا كانت الورقة (أ) تقتبس من الورقة (ب)، فهما جيران. هذا يشبه تنظيم مكتبة من خلال رؤية الكتب التي يتم استعارتها معاً بشكل متكرر. إنه خريطة مفيدة، لكنها تظهر فقط الروابط بين الكتب، ولا تظهر عما تدور هذه الكتب في الواقع.
تقدم هذه الورقة طريقة جديدة لرسم خريطة لهذه المكتبة باستخدام "قارئ فائق الذكاء" (ذكاء اصطناعي يُسمى نموذج لغوي كبير، أو LLM). فبدلاً من مجرد النظر إلى الهوامش، يقوم هذا القارئ بقراءة الملخصات (المستخلصات) فعلياً لفهم معناها.
إليك تفصيل نهجهم باستخدام تشبيهات بسيطة:
1. الطريقتان لرسم خريطة العالم
يجادل المؤلفون بأننا بحاجة إلى الجمع بين طريقتين مختلفتين لفهم العلم:
- الرسم البياني (شبكة الروابط): هذه هي الطريقة القديمة. إنها تنظر إلى البنية: "من استشهد بمن؟". الأمر يشبه رسم خريطة بناءً على المدن التي تربطها طرق.
- النص (المعنى): هذه هي الطريقة الجديدة. وهي تستخدم الذكاء الاصطناعي لقراءة المحتوى وفهم الأفكار. الأمر يشبه النظر إلى خريطة بناءً على اللغة التي يتحدث بها كل مدينة.
تقترح الورقة أنه بينما تكون "خريطة الطرق" (الاستشهادات) جيدة، فإن "خريطة اللغة" (قراءة الذكاء الاصطناعي) يمكن أن تكشف عن الشكل الحقيقي للمشهد، وتوضح لنا كيف تتجمع الأفكار طبيعياً بناءً على ما تقوله بالفعل.
2. تحويل الكلمات إلى إحداثيات
لجعل هذا العمل ممكناً، استخدم الباحثون أداة تحول كل جملة إلى مجموعة من الأرقام (متجه - vector).
- التشبيه: تخيل أن كل ورقة علمية هي قطرة ماء. يقوم الذكاء الاصطناعي بإسقاط كل واحدة منها في كرة أرضية عملاقة غير مرئية ثلاثية الأبعاد (أو حتى بـ 1000 بُعد).
- النتيجة: الأوراق التي تتناول نفس الموضوع (مثل "فيزياء الكم") تطفو بشكل طبيعي بالقرب من بعضها البعض، لتشكل عنقوداً. أما الأوراق التي تتناول "التاريخ القديم" فتطفو بعيداً.
- الشكل: يصف المؤلفون هذا بأنه "سحابة نقاط" تبدو مثل القارات على كرة أرضية. إذا كنت ترسم خريطة لهذه "القارات"، فسترى مساحات برية متميزة للعلوم الطبيعية، والعلوم الاجتماعية، والعلوم الإنسانية.
3. اختبار الخريطة
لم يكتفِ الفريق بالتخمين؛ بل اختبروا ما إذا كانت هذه "خريطة المعنى" الجديدة تتطابق مع "خريطة الاستشهادات" القديمة.
- الارتباط: وجدوا رابطاً إيجابياً. بشكل عام، إذا كان يتم الاستشهاد بورقتين معاً بشكل متكرر (أي أنهما قريبتان في خريطة الطرق)، فإنهما أيضاً تتحدثان عن أشياء متشابهة (أي أنهما قريبتان في خريطة اللغة).
- المفاجأة: ومع ذلك، لم يكن الرابط مثالياً (ارتباط بنسبة 33% إلى 45%). وهذا خبر جيد في الواقع! فهذا يعني أن الخريطتين تريان أشياء مختلفة.
- الأوراق متعددة التخصصات: بعض الأوراق تتناول موضوعين مختلفين تماماً. في "خريطة الطرق"، قد تكون هذه الأوراق بعيدة عن بعضها لأنها لا تتشارك الكثير من الاستشهادات. ولكن في "خريطة اللغة"، يرى الذكاء الاصطناعي الرابط لأنه يقرأ الكلمات.
- النهج الهجين: يقترح المؤلفون أن أفضل خريطة هي مزيج من كليهما. فمن خلال استخدام بيانات "الطرق" وبيانات "اللغة" معاً، ستحصل على صورة أكثر دقة.
4. الحدود "الناعمة"
أحد أكثر النتائج إثارة للاهتمام هو أنه لا يمكنك رسم خطوط حادة بين المجالات العلمية.
- التشبيه: تخيل أن القارات على كرتنا الأرضية لا تملك حدوداً حادة مثل الخرائط السياسية. بدلاً من ذلك، لها حواف ضبابية حيث تتحول الأرض ببطء إلى ماء.
- الواقع: قد تكون الورقة العلمية 60% "بيولوجيا" و40% "كيمياء". وجد المؤلفون أنه نظرًا لأن العلماء غالباً ما يمزجون المواضيع، فإن أفضل طريقة لتصنيف ورقة ما ليست بالقول "هذه بيولوجيا"، بل بالقول "هذه بيولوجيا في الغالب، ولكنها أيضاً كيمياء قليلاً".
ملخص
باختصار، تتعلق هذه الورقة ببناء خريطة جديدة وعملاقة للمعرفة البشرية. فبدلاً من مجرد عد المرات التي يستشهد فيها العلماء ببعضهم البعض، استخدموا الذكاء الاصطناعي لقراءة النص الفعلي لـ 56 مليون ورقة. وقد وجدوا أن هذا يخلق مشهداً جميلاً ذاتي التنظيم حيث تتجمع الأفكار طبيعياً معاً. لقد أثبتوا أن الجمع بين خريطة "القراءة" هذه وخريطة "الاستشهادات" التقليدية يمنحنا رؤية أكثر وضوحاً ودقة لكيفية هيكلة العلم.
ملاحظة: تركز الورقة حصرياً على إنشاء وتحليل هذه الخريطة للبيانات العلمية الموجودة. وهي لا تدعي استخدام هذا للتنبؤ بعلاجات طبية مستقبلية، أو علاجات سريرية، أو تطبيقات محددة في العالم الحقيقي خارج نطاق تحليل البيانات نفسها.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.