Выбор исследователей для рецензирования проектных предложений и публикаций может быть времязатратным и предвзятым процессом. Чтобы избежать и того, и другого, Национальный фонд естественных наук Китая (NSFC) создал утонченную математическую модель, которая отбирает исследователей на роль рецензента заявок на финансирование.

Новость появилась на сайте Nature.

Последние пять лет количество заявок, которые получает NSFC, ежегодно растет на 10%. В 2018 году организация получила 225 000 заявок — примерно в 6 раз больше, чем в том же году поступило в Национальный научный фонд США. Задача организации заключается в том, чтобы обработать заявки и найти подходящих рецензентов.

«Проблема в том, что людей просто не хватает, — поясняет глава агентства Ли Цзинхай. — Однако искусственный интеллект решит это».

Искусственный интеллект (ИИ) представляет собой сеть из простых процессоров, каждый из которых обрабатывает определенный фрагмент информации. Получая входной сигнал, «нейрон» по заданному алгоритму обрабатывает его содержимое и выдает новый сигнал следующему по цепи элементу. Идея механизма заимствована у биологических объектов — именно так работает нервная система животных, начиная с кишечнополостных и заканчивая человеком. Искусственные модели способны распознавать образы, кластеризовать, прогнозировать, аппроксимировать с большей скоростью и точностью, чем мозг человека, однако до изощренности механизма работы «старшего брата» им беспредельно далеко.

NSFC модель будет сканировать публикации и персональные веб-страницы кандидатов на место рецензента. Система будет применять семантический (смысловой) анализ текста, сопоставляя содержимое заявки на грант и профиля рецензента. Пока запущена пилотная система, которая работает только с китайскими текстами, но цель организации — англоговорящая версия.

Однако не все считают, что ИИ может быть использован для таких целей.

«Искусственный интеллект не устранит предвзятость выбора. Системы в итоге будут воспроизводить предубеждения, заложенные в человеческих суждениях, а не избегать их, — комментирует Элизабет Пир, исследователь центра Education Analytics в Мэдисоне. — NSFC должны сравнить выборку кандидатов, предложенную моделью, с подбором комиссии».