NUS AI Sense Maker jadikan 150,000 bahan digital lebih mudah diterokai

Secara keseluruhan, kira-kira 150,000 bahan digital akan tersedia dalam koleksi awal tersebut. Bahan ini meliputi bidang seperti kejuruteraan, sains hayat, perubatan, kemanusiaan dan pengkomputeran, selain koleksi berkaitan Asia Tenggara.

Antara contoh bahan yang disebut termasuk akhbar harian berbahasa Cina pertama di Singapura, Lat Pau, yang diterbitkan pada 1881; edisi cetakan pertama The History of Java karya Sir Stamford Raffles dari 1817; karya sastera Dinasti Tang; serta, selepas didigitalkan dan dimasukkan ke dalam sistem, gubahan muzik dan skrip asal penghibur Wang Sha.

Kepelbagaian ini menunjukkan mengapa carian menggunakan kata kunci biasa mungkin tidak selalu mencukupi—terutamanya apabila pengguna belum mengetahui istilah, bidang atau koleksi yang berkaitan dengan soalan mereka.

Bagaimana carian AI Sense Maker berfungsi?

Pengguna boleh menaip soalan dalam bahasa harian, tanpa perlu bermula dengan senarai kata kunci pangkalan data yang tepat. Platform ini menyediakan mod carian pantas, berulang dan lebih mendalam, bergantung pada sama ada pengguna mahukan gambaran awal atau penerokaan yang lebih menyeluruh.

Hasil carian boleh merangkumi:

1. Gambaran keseluruhan topik untuk membantu pengguna memahami peta awal sesuatu isu;
2. Konsep berkaitan yang boleh meluaskan atau memperincikan soalan asal;
3. Rujukan dan bacaan lanjut daripada repositori NUS;
4. Petikan sumber yang membawa pengguna kembali kepada bahan asas;
5. Graf pengetahuan yang memaparkan hubungan antara konsep, disiplin dan sumber.

Sebagai contoh, soalan tentang sebab sesetengah kawasan kejiranan di Singapura terasa lebih panas boleh menghubungkan kepadatan bangunan, tumbuh-tumbuhan, bahan binaan dan ciri air dengan bidang seperti ekologi bandar, sains alam sekitar, fizik atmosfera dan mikroklimatologi.

Dalam erti kata lain, AI Sense Maker paling berguna sebagai lapisan orientasi penyelidikan. Ia boleh membantu pengguna mengenal pasti istilah penting, bidang bersebelahan dan sumber yang patut dibaca sebelum analisis yang lebih mendalam dimulakan.

Mengapa graf pengetahuan penting?

Carian tradisional lazimnya memaparkan senarai dokumen yang disusun mengikut kedudukan. Graf pengetahuan menawarkan pandangan berbeza dengan menunjukkan bagaimana idea dalam dokumen-dokumen tersebut saling berkaitan.

Graf AI Sense Maker dibina berasaskan taksonomi yang disusun dan diselenggara secara khusus. Taksonomi itu pada awalnya dipengaruhi oleh Wikidata, sebelum dikecilkan skopnya dan diperhalus mengikut koleksi NUS.

Penyusunan ini penting kerana keberkesanan graf bukan hanya bergantung pada model bahasa. Ia turut bergantung pada cara konsep ditakrifkan dan dihubungkan dalam koleksi yang dicari.

Bagi projek antara disiplin, graf tersebut mungkin membantu pengguna menemui istilah atau bidang jiran yang tidak terlintas dalam pertanyaan pertama. Namun, hubungan yang dicadangkan patut dianggap sebagai petunjuk untuk disiasat—bukan bukti bahawa setiap kaitan yang dipaparkan semestinya kukuh dari segi akademik.

GPT-4.1, RAG dan kawalan berasaskan sumber

Platform ini menggunakan GPT-4.1 bersama teknologi retrieval-augmented generation (RAG). Dalam sistem RAG, model terlebih dahulu mendapatkan bahan yang relevan daripada koleksi sumber yang ditetapkan, sebelum menggunakan bahan itu untuk membina jawapan.

AI Sense Maker direka untuk berpaut pada sumber NUS yang ditemui, selain menyertakan petikan supaya pengguna boleh menyemak bahan asal.

Kawalan sistemnya juga bertujuan mengekalkan fokus pada kandungan akademik universiti. Platform ini tidak direka untuk mencari di internet terbuka ketika membina jawapan. Had sumber ini mungkin membantu mengurangkan jawapan yang tidak disokong, tetapi ia tidak menghapuskan keperluan untuk menyemak dokumen yang dipetik, mentafsir bahan primer dan menilai sama ada jawapan benar-benar mencerminkan bukti.

GPT-4.1 ialah model yang dinamakan dalam laporan mengenai AI Sense Maker. OpenAI menerangkan GPT-4.1 sebagai keluarga model yang dipertingkatkan dari segi pematuhan arahan dan pemahaman konteks panjang. Keupayaan umum model itu tidak bermakna AI Sense Maker akan menghasilkan hasil penyelidikan tanpa kesilapan.

Apakah batasan versi awal?

Keluaran pertama AI Sense Maker mempunyai beberapa batasan penting:

• Ia menyokong pertanyaan satu kali, dan belum menyimpan konteks perbualan untuk siri soalan susulan;
• Ia hanya boleh mencari bahan yang telah didigitalkan dan dimasukkan ke dalam repositori NUS yang berkaitan;
• Ia boleh membantu mengenal pasti sumber serta hubungan antara konsep, tetapi tidak boleh menilai setiap hujah akademik atau membina hujah penyelidikan akhir bagi pihak pengguna.

NUS sedang membangunkan memori sejarah sembang untuk perbualan penyelidikan yang lebih panjang serta transkripsi suara-ke-teks sebagai penambahbaikan akan datang.

Batasan ini menjelaskan cara penggunaan yang paling sesuai: gunakan AI Sense Maker untuk meneroka topik dan mendapatkan petunjuk awal, kemudian buka sumber yang dipetik, bandingkan tafsiran dan bina analisis sendiri.

Adakah ia benar-benar boleh memendekkan masa penyelidikan?

NUS menganggarkan fasa awal penemuan dan orientasi penyelidikan—yang boleh mengambil masa kira-kira dua minggu—mungkin dikurangkan kepada sekitar 30 minit atau kurang dengan AI Sense Maker.

Angka itu ialah anggaran institusi, bukannya hasil produktiviti yang telah disahkan secara bebas. Jangkaan yang lebih munasabah ialah platform ini dapat mengurangkan masa yang dibazirkan pada hasil carian yang lemah dan membantu pengguna membina set sumber awal yang mempunyai petikan dengan lebih pantas.

Manfaat utamanya dijangka berlaku pada peringkat awal: mengecilkan skop topik dengan lebih cepat, mendapatkan istilah yang lebih sesuai untuk carian seterusnya dan melihat hubungan rentas disiplin serta koleksi lebih awal. Proses membaca, mengkritik sumber dan membina hujah masih memerlukan kerja penyelidik sendiri.