Es interesante observar las discusiones en torno a los chatbox y la inteligencia artificial (IA) generativa. Las opiniones varÃan entre el gran potencial que ofrece la IA y las preocupaciones sobre el daño que causarÃa a los sistemas de evaluación de la publicación cientÃfica.
Las palabras de Ernesto Spinak, Ingeniero en Sistemas y Lic. en BiblioteconomÃa, para SciELO en perspectiva, son una clara invitación a investigar sobre esta herramienta más allá de las opiniones generadas sobre sus potencialidades reales y futuristas.
El especialista reitera los problemas que ya tiene el sistema de publicación académica actual, por ejemplo, las revistas depredadoras, la preocupante cantidad de fraude en la investigación médica, la manipulación de citas, el intercambio de dinero por autorÃa, lo cual se evidencia en los crecientes Ãndices de retractación.
Spinak advierte sobre las preocupaciones de la comunidad cientÃfica acerca de la incapacidad actual de la IA para documentar el origen de sus fuentes de datos a través de citas, porque la falta de identificadores de esas fuentes de datos significa que no hay capacidad para replicar los hallazgos generados por los Large Language Models (LLMs) y es un peligro real incurrir en la generación de datos falsos.
Pero más allá de estos dilemas, es incuestionable que la IA puede llegar a resolvernos muchÃsimos problemas para los que ahora mismo, no tenemos solución.
El problema principal del sistema de publicación académica es que cada vez es más difÃcil obtener revisiones por pares de alta calidad, debido al elevado costo y consumo de horas de dedicación. La mayorÃa de los principales canales de retroalimentación cientÃfica, explica el especialista, cuestan más de 100 millones de horas de investigación en USA y 2.500 millones de dólares estadounidenses en un solo año.
Los investigadores más jóvenes o de entornos de escasos recursos tienen dificultades especialmente para obtener comentarios oportunos. Debido a estas dificultades, y con el avance de los modelos LLM como GPT-4, existe un interés creciente en utilizarlos para generar retroalimentación cientÃfica sobre manuscritos de investigación y, en particular, acelerar el proceso de arbitraje editorial manteniendo los estándares de seguridad.
Esto introduce una nueva estrategia para afrontar el problema: usar la IA para el arbitraje cientÃfico con un sistema de confianza y que aporte comentarios útiles a los trabajos de investigación.
Y es sobre este tema que profundiza en este análisis, a partir de los resultados altamente positivos que ha mostrado un experimento recientemente publicado en arXiv.
Los invitamos a ver el texto completo en:
