正如我们之前的文章所述，缺乏完整、高质量训练数据的人工智能就像没有引擎的汽车——外表光鲜却寸步难行。人工智能的透明度对用户同样至关重要，因此我们致力于明确告知用户人工智能的使用场景，以便他们做出明智的决策。
生成式人工智能的一个众所周知风险是“幻觉”，即模型会生成听起来真实、有时甚至带有伪造引文的数据，但内容却完全错误。在研发领域，这种“幻觉”是不可容忍的，因此必须采取措施加以规避。
在本文中，我们将探讨 CAS 如何凭借独特优势架起人工智能与科学发现之间的桥梁。我们将介绍如何通过战略性地利用人工智能，在最大限度减少“幻觉”并优先使用高质量训练数据的同时，为用户提供助力其研究的关键信息。
训练数据
精确的数据是科学研发的必要条件。实验或测试的结果可能决定一种药物能否上市，或者整个产品线是否需要重新配方。
训练数据是用于训练人工智能模型的精选语料库。这些数据有助于模型识别模式、学习任务或进行预测。模型的表现取决于数据的质量，正如那句名言所说：“垃圾进，垃圾出”。
一百多年来，CAS 一直是化学信息的权威来源，由内部科学家负责整理全球最全面的化学数据集合。如今，我们正在扩展这种整理专长，以开发有助于科学进步的人工智能模型。客户依赖我们提供可靠、一致的数据。确保我们汇编的专家精选训练数据同样可靠，有助于保证模型性能的一致性，并符合客户的期望。
真实答案，拒绝“幻觉”
对于许多人来说，提到人工智能，首先想到的就是聊天机器人生成的答案，而这些答案往往因源数据质量问题而不够准确。如果答案已经由领域专家进行过整理、验证和组织，情况会怎样呢？在这种情况下，人工智能可以更高效地探索和发现洞察，从而建立信任。
透明度
在我们重塑科学搜索与发现的历程中，我们始终将客户反馈纳入规划，而我们遇到的一个核心反馈主题就是“信任”。人工智能的创新令人振奋，但由于其输出结果往往不可复现、输入微小变动即导致结果剧变，且像“黑箱”一样无法解释操作过程或结果生成方式，用户对许多人工智能工具生成的科学结果缺乏信任。
维护用户对我们内容和解决方案的信任至关重要。虽然我们可以采取措施最大限度地减少大语言模型在用户与数据交互过程中的不可靠性，但其本身仍存在变数。通过提高人工智能在产品中应用场景的透明度，并为用户提供查找信息的明确替代途径，可以缓解用户对尝试人工智能增强功能的顾虑。
CAS SciFinder 中的 SearchSense
那么 CAS SciFinder 在其中扮演什么角色呢？与大众一样，科学研究人员也希望减少在海量信息中检索的时间，因为这正是科学界的一大效率瓶颈。我们在 CAS SciFinder 中创建了多种人工智能驱动的搜索改进功能，统称为 SearchSense，旨在减轻这一负担，在保持科学严谨性的同时简化信息发现过程。
在过去的一年中，CAS 一直致力于构建最权威、最全面、最值得信赖的科学信息搜索引擎——由科学家为科学家开发。SearchSense 将我们一流的化学数据库与人工智能相结合，在不牺牲准确性的前提下，为研究人员提供更快捷的答案。
核心原则
当我们开始将人工智能引入 CAS SciFinder 时，我们设定了绝不妥协的基本标准，因此我们的解决方案必须遵循以下原则：
- 优先确保内容交付的准确性。
- 保持搜索响应速度。
- 维护客户数据机密性。
SearchSense 的工作原理
SearchSense 的独特之处在于它利用人工智能来解读搜索意图，而非生成答案。通过理解用户的查询意图，CAS SciFinder 能够引导用户找到相关的答案和支撑数据，这些内容均经过精心筛选，符合 CAS 一贯的可靠性和准确性标准。意图解读的准确性在很大程度上取决于稳健且高质量的训练语料库。我们的搜索查询训练数据集基于 CAS 专家创建的超过一万个数据点。它涵盖了我们内容所涉及的所有科学学科——尽管要维持所有领域的性能是一项艰巨的任务，但我们发现，增加更多数据（哪怕只是几百个数据点）也能对整体准确性产生协同效应。
模型架构与性能
我们利用训练数据来训练人工智能模型，以确定查询的搜索意图。速度和准确性取决于所用模型的大小。虽然参数更多的模型通常更准确，但研究表明，针对特定用例并配合高质量训练数据，较小的模型也能达到可接受的准确度¹。我们使用了一个 70 亿参数的模型，这比一些超大规模模型（超过 1 万亿参数）要小得多。高质量的训练数据使该小型模型依然保持了可接受的准确度，并确保我们能够维持稳健的搜索性能。
CAS SciFinder 使用强大的搜索算法来查找最相关的结果，但它是定制开发的，并不使用标准查询语言。由于我们搜索架构的专有性，我们需要训练人工智能模型来生成系统能够理解的语言，从而执行相应的搜索。这确保了我们能够实现将人工智能驱动的查询解读与专有搜索引擎的复杂结果相结合的目标。这使我们能够以更少的时间和精力为用户呈现相关数据。
数据安全与隐私
我们深知客户研究的敏感性，因此数据机密性对我们至关重要。我们开发的所有模型均为专有模型，并托管在本地，确保数据不会外泄。点击此处了解更多关于 CAS 人工智能伦理使用的信息。
结语
CAS SciFinder 致力于助力科学研究与发现取得成功，同时维护客户所珍视的信任。随着 SearchSense 在 CAS SciFinder 中的发布，我们已采取措施，确保以更智能的方式利用强大的新技术。我们的专家、一流的内容库以及先进技术协同工作，为用户带来更多益处，为科学研发的进一步发展铺平道路。