GAIDeT (生成人工智能委托分类学):一种分类学,让人类在科学研究和出版中将任务委托给生成人工智能

科学领域:

• 学术研究和人工智能集成.
• 在科学努力中负责的AI.

背景情况:

• 在研究中整合生成人工智能 (GAI) 对透明度和问责制提出了挑战.
• 现有的框架,如CRediT和NISTAI使用分类法,无法充分解决AI在研究中的贡献.
• 一个特定阶段的分类学对于定义GAI的作用至关重要,同时保持人类监督和研究完整性.

研究的目的:

• 引入一个结构化的分类系统,用于记录研究中的生成人工智能 (GAI) 贡献.
• 将GAI在不同研究阶段的作用划分为特定水平的人类监督.
• 促进人工智能辅助学术工作的透明度和问责制.

主要方法:

• 使用现有的贡献者角色分类学和文献开发生成AI委托分类学 (GAIDeT).
• 一种代的共识构建方法为分类学的结构提供了信息.
• 在宏观和微观层面对GAI贡献的分类,定义所需的人类监督.

主要成果:

• GAIDeT提供了一个结构化的框架,用于记录GAI在学术研究中的作用.
• 将研究活动分类为关键领域:概念化,文献评论,方法论,数据分析,写作,监督和道德审查.
• 开发了一个GAIDeT声明生成器工具,以促进AI授权的透明文档.

结论:

• 通过GAIDeT标准化GAI任务委托,提高了研究的完整性和透明度.
• 未来的研究应该集中在经验验证和GAIDeT的跨学科应用上.
• GAIDeT为制定管理研究中的GAI政策提供了基础.