每每聽人抱怨一看論文就頭大,吃力讀好幾遍也不懂,我都特別理解。
我日常工作的很大一部分,就是看文獻,然後總結出對於某一個問題的研究方法。
即便是我這類閱讀論文無數的科研人員,也還是非常頭疼。
我主要有三方面困擾,相信這也是廣大讀者會遇到的難題:
閱讀量大
:在短時間內需要大量閱讀時,我只能匆匆掃一眼摘要和總結,
有時會忽略論文創新點、侷限性等重要內容
;
冗長晦澀
:一些文章段落冗長,且都是專業術語,我很難在短時間內提煉出中心思想;
疑惑難以得到即時解答
:對一些研究方法產生疑惑,這時我需要不斷藉助其他文獻或網上資料去對照、深入,但有時候很難找到答案
偶然間,我被推薦了一個 AI 輔助論文閱讀工具——Explainpaper。
用網站範文示範操作丨Explainpaper 網頁截圖
你只要把任何一篇 PDF 格式的論文,傳上 explainpaper。com 這個網站,然後
劃選、高亮任何一個單詞、一段話,就能即時看到 AI 的解讀、總結。它能用簡短的話概括冗長的段落,甚至還能解釋論文裡的“行話”。如果你還是不理解,還可以逮著它追問……
這不就是“哪裡不會點哪裡”嗎?
有網友提到,自從用了它之後,看論文效率變得高多了,還看得更多了。
曾火熱一時的“量子波動速讀”丨網圖
這聽起來不只是“哪裡不會點哪裡”,更像是“量子速讀”了啊!
我將信將疑,打算驗證一番。
準備動作
它主要講的是我用自然語言處理分析了我和老公的微信聊天記錄,最後證明了一個結論:我們婚後比婚前更幸福。
針對自己在論文閱讀中的 3 個痛點,我會依次從“主旨思想分析”、“段落分析”,以及“專業詞分析”這 3 個方面,“考驗”Explainpaper。
主旨思想分析
對於文章主旨思想,我問了 5 個比較 high-level 的問題,分別是文章的創新點、方法、研究目的、侷限性,以及中心思想(takeaway messages)。
可滑動檢視問答原文丨作者供圖
從和 AI 的對話中可以看出,
Explainpaper 基本讀懂了我的論文,而且簡短又準確地回答了我提出的所有問題。
更神奇的是,當我問完 AI 該論文的侷限性後,它不只是基於文章原有的內容給出總結,它提到我在證明婚後比婚前更幸福的時候只用了“情感分析”這一個角度,並沒有從其他角度去證明。
我很驚訝,這確實是一個需要改進的地方。
這一來,我甚至覺得 AI 也會思考,像一個會評判的導師一樣。
看到 Explainpaper 給出的這些精確的回答,我覺得,
它對那些要在短時間內看很多論文的科研人員來說,幫助會很大。
以我研究生以及博士第一年的經歷來說,在研究初期,每週我得看 30 多篇論文。我一般會透過摘要和總結去大致理解內容。
有了 Explainpaper,我就可以在快速瀏覽摘要的同時,問一些針對性的問題(創新點、侷限性等)來篩選文章是否需要精讀。
段落分析
除了問 AI 問題,此神器的另一大功能就是高光一個段落,讓 AI 用簡短易懂的語言解釋。我先高光了摘要,測試 AI 會如何概括總結。
從解釋中不難發現 Explainpaper 可以非常準確地理解,並且用簡短的話概括摘要。
AI 不僅準確定位了研究模型(natural language processing),還用了短短一句話概括了我的研究方法,研究目的和結果也同樣準確。
我又試著讓它概括文章中的簡介(introduction)。在原文中,我寫了我與老公相知、相識、相戀到走入婚姻殿堂的過程,引出了我給老公寫這篇論文的初衷和此研究的目的。
AI 用了不到 5 秒的處理時間,就精準的概括了簡介裡最主要的兩部分:
介紹作者和他老公相遇的過程,他們在大學的經歷,以及他們感情升溫的過程;
作者將這個論文作為給老公結婚一週年紀念的禮物。
緊接著,我試著讓 AI 解釋專業性較強的研究方法,以及進一步討論這兩部分,得出的結果如下:
在一般情況下,這個工具可以做到”快狠準“,它在幾秒鐘內很好地解釋了我的方法以及步驟。而且為了方便讀者的理解,它還額外將一些專有名詞做了解釋。
比如在下面這一段中,AI 額外解釋了”自然語言分析“:自然語言是一種讓電腦識別並理解人類語言的技術。
但對於專有名詞、引用較多,讀起來比較晦澀的段落,AI 就不能很好地概括了,有時候甚至只會複製、貼上原文內容。
比如這一段統計分析 (statistical analysis),它並沒有很好概括,只是把這個段落又複述了一遍。潛在原因是這部分出現了很多“生僻詞”,AI 沒有辦法很好辨別出關鍵內容。
專業詞分析
Explainpaper 的第三大功能就是當用戶高光某一個專業詞,它可以即時解釋,還可以回答使用者對此解釋追加的問題。
我用 5 個數據科學相關的專業詞,來測試它對於專業知識的解釋能力。這些專業詞分別是:自然語言處理、詞雲(WordClouds)、情感分析(sentiment analysis)、t-檢驗(t-test)、中斷時間序列分析(interrputed time series)。
高頻詞分析結果的視覺化圖形(詞雲),左為婚前,右為婚後 | 作者供圖
我從檢測中看出,AI 不僅可以非常清晰地介紹每個詞的意思,甚至還可以結合上下文,闡述這個詞在論文中的用處。
對於我追加的問題,它也可以很好地給出回答。我感覺,它就像是我那些諄諄教導的教授和前輩們。
對於 t-檢驗,我追加了幾個專業性很強的問題,比如 t-檢驗的假設,其他可以替代的統計學檢驗方式,以及它與 ANOVA 的區別,這個工具都做出了很詳細的回答|作者供圖
這個功能對於經常讀文獻的學生很有幫助。我往日讀文獻,當想要了解更多某種研究方法時,往往都是去單獨谷歌這個方法的細節。
但現在,我直接用 Explainpaper 高亮看某一個專業詞的解釋,還可以追問 AI 一個研究方法下可用的模型,以及每一個模型的優缺點等細節。可以說,它提供的是“一站式服務”。
而這種服務,是免費的。
雙重檢驗
為了得出更全面的測評結論,我讓我的一個科研朋友 Sherry 也去試用 Explainpaper,以“雙重檢驗”。
除了我前文提到的,Sherry 還提到:
AI 會根據論文中的資訊解釋公式的作用,並且對每一個公式中的變數進行解釋,這個功能讓人非常驚喜,它的解釋確實很有參考價值,可以很好應對人們沒有時間認真看公式,或者是公式冗長找不到變數解釋的情況。
評測了這麼一圈下來,驚豔居多,Explainpaper 會成為我們科研路上的好幫手。
Photo by Oğuzhan Akdoğan on Unsplash
對於一個不收費的工具,我們實在不好太過苛求:
當前版本的 Explainpaper 每次只能高光一處文字,如果網頁可以記錄下所有高光的部分且生成筆記,那將會是很好的複習材料;
Explainpaper 可以嘗試生成一個文章的框架結構圖,便於讀者理解整體文章思路;
增加對圖片資訊提取的支援,目前它還只能解釋圖片的標題部分;
Explainpaper 目前還不會解釋中文,求支援。
作者:Bean
編輯:biu
開啟App看更多精彩內容