Mi breve lista de consultas que he usado ChatGPT3 para responder

El trabajo científico, ya sea que se realice en el banco, la pantalla, el aula o la sala de conferencias, puede beneficiarse sustancialmente de ChatGPT3. En las pocas semanas que he estado experimentando con ChatGPT3, me ha sorprendido y tranquilizado su capacidad para responder preguntas en mi campo para las que probablemente debería saber las respuestas (o simplemente llenar los vacíos en mi comprensión). Así como anteriormente hubiéramos usado Google para encontrar una fórmula para calcular la molaridad, ahora podemos pedirle a ChatGPT3 que lo haga e ir más allá : ¿cuál es la diferencia entre molaridad y molalidad y cómo diablos se elige?

El bueno

En este artículo, muestro cómo ChatGPT3 hará un gran trabajo enseñándole cómo hacer una gran cantidad de cosas: ajustar datos usando Prism , predecir la estructura de proteínas usando Geneious , hacer estimaciones de poses usando DeepLabCut , simular el comportamiento de una proteína en la membrana plasmática utilizando NAMD , dígame los problemas resueltos por el software de bioinformática. Le pedí a ChatGPT3 que me diera una lista de artículos en los que colaboraron un laboratorio de física y un laboratorio de biología, y el estado actual de la clasificación de picos (con referencias). Me dice cómo preparar la concentración óptima de un colorante de membrana celular , líquido cefalorraquídeo artificial , y me dice cuáles son los mejores anticuerpos.son para imágenes confocales del receptor de dopamina D2 y dónde comprarlos. También le pido que me diga qué necesitaría para montar un laboratorio de electrofisiología de roedores , cuál sería el presupuesto , qué subvenciones privadas estarían disponibles para usted si estuviera estudiando aprendizaje y memoria, y cómo estructurar un curso sobre el intersección de la biofísica y la neurociencia (junto con lecturas, preguntas de discusión y respuestas).

Mi único consejo: siempre haga preguntas de seguimiento. La primera respuesta nunca es la respuesta completa. Y hazlos lo más detallados posible.

El malo

También le pido que haga algunas tareas creativas relacionadas con la preparación de figuras, donde se desempeña bastante mal.

El feo

Le pedí a ChatGPT3 que resumiera ciertos artículos en la literatura con los que mis compañeros y yo estábamos bastante familiarizados o en los que habíamos trabajado. Lo hace abismalmente: inventa resultados e incluso inventa diferentes resultados dependiendo de cuándo lo pregunte.

Al igual que con cualquier tecnología, habrá limitaciones y advertencias, pero por ahora aquí están las mejores y peores respuestas de ChatGPT3 que he logrado devolver, y una breve discusión sobre a dónde vamos a continuación.

Software de computación científica

Explicando cómo usarlo para casos específicos

Prisma (análisis general de datos)

Genio (bioinformática)

DeepLabCut (neurociencia del comportamiento)

NAMD (simulaciones de dinámica molecular)

Conozca las tareas que puede realizar el software de computación científica

Escritura de concesión

Puede preguntar sobre colaboraciones pasadas entre diferentes tipos de laboratorios.

Escribir sobre el estado actual del arte en un campo.

Siempre puede pedirle que proporcione referencias.

tareas practicas de laboratorio

Indicarle la cantidad de un reactivo químico que debe utilizar

Proporcionarle una receta (y discusión) de los medios celulares

Indicarle qué anticuerpos debe usar para un propósito específico

montando un laboratorio

Requisitos básicos para configurar

Un presupuesto detallado para ese laboratorio.

Cómo obtener financiación

Crear materiales de instrucción

Plan de estudios para un tipo específico de seminario

Aquí está la respuesta (truncada) cuando le pedí lecturas:

Y cuando le pedí preguntas de discusión:

Y las respuestas a esas preguntas:

Creatividad y estética.

Le pregunté a ChatGPT3 cómo hacer figuras llamativas en MATLAB y, por separado, en Python. Las respuestas se alinearon con las prácticas estándar (aumento del tamaño de fuente, ancho de línea, uso de colores), pero nada excepcionalmente interesante. No hay formas creativas de animar gráficos o resaltar características de los datos. Hay muchos paquetes para crear figuras en Python, pero ChatGPT3 se limitó a decirme cómo ajustar las figuras con la biblioteca matplotlib estándar en lugar de recomendarlas. En una pregunta de seguimiento, le pedí paquetes y sugirió Seaborn, Plotly, Bokeh y ggplot, que es una lista relativamente completa de los paquetes más utilizados.

También le pregunté a ChatGPT3 cómo ser creativo usando Inkscape, una herramienta estándar para crear y editar gráficos vectoriales. Las respuestas fueron decepcionantes, por decir lo menos.

Le pedí que proporcionara varios ejemplos para un uso creativo de Inkscape. No compartiré, pero de nuevo, no había nada llamativo o hermoso.

Desafortunadamente, ChatGPT3 también inventa cosas.

Cuando se le preguntó acerca de un paquete de código abierto

El paquete existía antes del final del período de entrenamiento de ChatGPT3. Se cargó por completo en GitHub y se presentó en un artículo de Nature Methods. Sin embargo, ChatGPT3 proporciona una respuesta totalmente inventada:

smCellFRET es, en primer lugar, un paquete en MATLAB, no R. Dicho esto, el daño sería mínimo en este caso, ya que con suerte notará rápidamente que nada de este paquete de software no se puede usar en R.

Cuando se le preguntó acerca de la literatura específica

Le pedí a ChatGPT3 que resumiera la publicación de mi tesis de la escuela de posgrado.

Era mayormente correcto, excepto la parte resaltada. Todo el trabajo en el documento se realizó en rebanadas completamente inanimadas de tejido cerebral. Me hubiera encantado descubrir que los puntos calientes de dopamina en el globo pálido estaban involucrados en diferentes aspectos del control del movimiento. Pero eso no sucedió aquí.

Luego le pedí a ChatGPT3 que resumiera algunos trabajos de mis compañeros y cometió un error aún más traicionero.

La investigación en ese documento se llevó a cabo en roedores, no en monos. Eso marcaría una gran diferencia para cualquier persona en neurociencia y lo haría parecer bastante tonto en una reunión de laboratorio o una discusión con sus compañeros. Pero se pone peor:

El artículo no utilizó la optogenética. Usó la quimiogenética, un método sustancialmente diferente. Ahora, un proyecto que usó quimiogenética en roedores se ha convertido en un proyecto que usó optogenética en monos, lo que ni siquiera era posible en el momento de la publicación. La optogenética como técnica rara vez se ha utilizado con éxito en primates, por lo que le pedí a ChatGPT3 referencias de ejemplo donde cree que sí:

Los dos primeros documentos literalmente no existen. ChatGPT3 los inventó. El segundo artículo es sobre roedores. Solo los dos últimos artículos tratan sobre optogenética en primates. Por lo tanto, nunca confiaría en ChatGPT para resumir un artículo individual o incluso para resumir los desarrollos más recientes en un campo de la ciencia. El tiempo que pasas tratando de obligar a ChatGPT3 a que te diga la verdad sobre un campo científico sería mejor emplearlo aprendiendo cómo estructurar cuidadosamente las búsquedas en PubMed, ¡algo que ChatGPT3 puede ayudarte a hacer !

¿Que viene despues?

Inevitablemente, algunas personas verán estas innovaciones como una usurpación de sus habilidades o conocimientos, y reaccionarán a la defensiva, con incredulidad y hostilidad. Pero la actitud más productiva hacia el uso de ChatGPT3 y la futura IA en las ciencias será aprender las limitaciones de la tecnología y usar ChatGPT3 para liberar su tiempo y perfeccionar las habilidades necesarias para cumplir con esas limitaciones. Por ejemplo, ChatGPT3 no se puede usar para limpiar un repositorio de GitHub de manera que las solicitudes de incorporación de cambios se aborden de manera frecuente y concisa, se vinculen con documentación actualizada y estén respaldadas por la participación de la comunidad. Tampoco puede tomar un conjunto de datos como entrada y decirle dónde están sus artefactos, cómo mejorar su relación señal-ruido o decirle qué hipótesis se pueden probar en función de la estructura y las limitaciones de los resultados de su análisis. Y por supuesto, Claramente, ChatGPT3 no puede resumir un artículo científico durante toda su vida. Esto podría cambiar fácilmente en el futuro, e imagino que los ejecutivos de Elsevier ya están salivando ante los altos costos de suscripción que pueden cobrar por una IA que supere estos defectos fatales.

En el contexto del laboratorio húmedo, ChatGPT3 podría acelerar las tareas básicas de laboratorio, evitar que los reactivos se calculen y mezclen incorrectamente y guiarlo para obtener y preparar correctamente los materiales que necesita. Puede explicar cuáles son las mejores prácticas para llevar a cabo sus experimentos. Si no está seguro de las respuestas de ChatGPT3, debe pedirle referencias. Si aún no está seguro o si el paso que está a punto de dar conlleva un alto riesgo, debe consultar a sus compañeros o supervisor. Incluso un ChatGPT3 perfecto no puede compensar la falta de atención, la desviación de las técnicas estériles y asépticas, la falta de seguimiento o las malas prácticas de colaboración (ser desordenado, malo, codicioso, egocéntrico, etc.).

Por ahora, la evaluación de las medidas subjetivas como la belleza, la simplicidad o la utilidad, permanece de lleno en el ámbito de los humanos. En ciencia, esto significa que ChatGPT3 no puede generar una figura, un póster o una presentación de conferencia altamente memorable y comprensible, una subvención que responda exactamente a la pregunta correcta en el momento adecuado para su campo, o un paquete de software que será utilizado por muchos. Además, ChatGPT3 no tiene un procesamiento cognitivo inherente. Si hay inconsistencias en la literatura, no las ponderará, sopesará la calidad de la evidencia ni hará deducciones lógicas sobre cómo resolver las inconsistencias en función de las premisas que contienen sus datos de entrenamiento. Puede pedirle que formule una hipótesis, pero solo recombinará la literatura anterior de manera predecible. No encontrará las soluciones a las preguntas abiertas en la ciencia. Está mucho más cerca del autocompletado en su software de procesamiento de texto que de un ser sensible. Estas son las verdades que deben recordarse a medida que nos familiarizamos con esta nueva tecnología.

Aquí hay una idea de cómo podría pensar sobre qué tareas son apropiadas y seguras para ChatGPT3. Querrá usar ChatGPT3 con tareas en las que haya un alto acuerdo entre los humanos y en las que el costo de equivocarse sea bajo. Hay áreas grises, donde debe tener cuidado y consultar con sus compañeros o su supervisor. Luego está la "Zona de peligro", que son tareas que sin duda debe consultar y trabajar con otros para hacerlas.

ChatGPT3 puede cambiar las expectativas de lo que implica el trabajo científico

Por ejemplo, las expectativas pueden ser más altas para que los trabajadores de laboratorio desarrollen habilidades más generales relacionadas con aspectos de su trabajo. Así como un contador en el pasado tenía que aprender a usar Excel, también los trabajadores de la ciencia pueden ver una expansión en las competencias necesarias para ser percibidos como haciendo ciencia. Por ejemplo, aquellos laboratorios en los que los trabajadores toman la iniciativa de usar ChatGPT3 para comprender GitHub y sus casos de uso pueden desarrollar un código de análisis que recibe más participación e incluso adopción. Lo mismo será cierto para esperar que los trabajadores de laboratorio tengan un dominio básico en el uso de lenguajes informáticos como MATLAB o Python. Con el potencial de un intercambio ilimitado entre el usuario y la consola ChatGPT3, puede haber una mayor expectativa de que los trabajadores desarrollen al menos una familiaridad rudimentaria con estas áreas.

Una última pregunta, en la que todos deberíamos pensar como trabajadores de la ciencia, es ¿cómo se compara el aprendizaje a través de ChatGPT3 con el aprendizaje entre pares o el aprendizaje a través de comunidades científicas? Y quizás lo más importante, ¿cómo podemos garantizar esos aspectos del aprendizaje entre pares que lo hacen distinto y especial en comparación con el uso de ChatGPT3? Ambos siempre existirán, pero es importante entenderlos uno al lado del otro.

La respuesta de ChatGPT3 es larga, pero un poco incompleta. Como vimos, puede ir muy lejos de la realidad cuando se trata de resumir la investigación científica. Como resultado, deberíamos estar absolutamente cansados ​​de usarlo para búsquedas bibliográficas, escribir subvenciones o preparar presentaciones.

Como definitivamente no hay sustituto para el conocimiento del crowdsourcing, no dude en utilizar la sección de comentarios para agregar sus propios usos de ChatGPT3 dentro (y fuera) del laboratorio.