Инструмент вписывается в более широкую стратегию университета по внедрению ИИ в образование и исследования. Однако его задача заметно уже, чем у универсального чат-бота: AI Sense Maker ищет по собственным коллекциям NUS, а не формирует ответы на основе всего открытого интернета.

Что входит в коллекцию из 150 000 материалов

Стартовый корпус объединяет данные из двух репозиториев NUS:

• ScholarBank — хранилища научных публикаций и других исследовательских материалов университета;
• Digital Gems — собрания оцифрованных редких и специальных коллекций.

Всего речь идёт примерно о 150 000 оцифрованных единиц хранения. В массив входят материалы по инженерии, естественным и биологическим наукам, медицине, гуманитарным дисциплинам и компьютерным технологиям, а также коллекции, посвящённые Юго-Восточной Азии.

Среди примеров — китайскоязычная сингапурская газета Lat Pau, выходившая с 1881 года, первое печатное издание книги сэра Стэмфорда Раффлза The History of Java 1817 года и литературные произведения эпохи Тан. В коллекцию также должны войти оригинальные музыкальные сочинения и сценарии артиста Ван Ша после их оцифровки и загрузки в систему.

Как работает поиск на естественном языке

Вместо подбора точных ключевых слов пользователь формулирует вопрос обычными словами. Платформа предлагает несколько режимов — быстрый, итеративный и углублённый, — чтобы можно было выбрать краткую ориентацию или более подробное исследование темы.

В ответ AI Sense Maker должен предоставить несколько уровней навигации:

1. Структурированный обзор темы, который помогает составить первоначальную картину.
2. Связанные понятия, расширяющие или уточняющие исходный вопрос.
3. Ссылки и рекомендации для дальнейшего чтения из репозиториев NUS.
4. Цитаты и ссылки на исходные материалы, позволяющие проверить ответ.
5. Граф знаний, показывающий связи между понятиями, дисциплинами и источниками.

Например, вопрос о том, почему некоторые районы Сингапура ощущаются более жаркими, может связать плотность застройки, растительность, строительные материалы и водные объекты с городской экологией, экологической наукой, физикой атмосферы и микроклиматологией.

Практическая ценность здесь — в первичной навигации. Студент получает подсказки о терминах, смежных областях и возможных источниках ещё до того, как начнёт внимательно изучать литературу.

Зачем нужен граф знаний

Обычный поиск обычно выдаёт ранжированный список документов. Граф знаний предлагает другой способ посмотреть на материал: он показывает, как идеи из разных источников связаны друг с другом.

Граф AI Sense Maker построен на управляемой таксономии — системе классификации понятий. Изначально её сформировали с учётом Wikidata, а затем сузили и адаптировали под коллекции NUS. Это важная деталь: качество такого графа зависит не только от языковой модели, но и от того, насколько последовательно определены и соединены понятия внутри конкретного собрания.

Для междисциплинарных проектов такой подход может открыть термины и соседние области, о которых пользователь не подумал в первом запросе. Но предложенные связи остаются отправными точками для проверки, а не доказательством того, что каждое соответствие имеет академическую силу.

GPT-4.1, RAG и ограничения источников

AI Sense Maker использует GPT-4.1 вместе с технологией retrieval-augmented generation (RAG) — генерацией с дополненным поиском. В такой системе модель сначала извлекает подходящие материалы из заданного набора источников, а затем формирует ответ на их основе. Платформа должна опираться на найденные материалы NUS и прикреплять цитаты, чтобы пользователь мог самостоятельно открыть документы и проверить выводы.

В системе предусмотрены ограничения, не позволяющие ей обращаться к открытому интернету для составления ответа. Это может снизить риск неподтверждённых утверждений, но не отменяет необходимости проверять цитируемые документы, самостоятельно интерпретировать первичные материалы и оценивать, насколько точно ответ передаёт доказательства.

В публикациях об AI Sense Maker названа именно модель GPT-4.1. OpenAI описывает это семейство моделей как улучшенное в вопросах следования инструкциям и работы с длинным контекстом. Однако общие возможности GPT-4.1 не означают, что ответы AI Sense Maker будут безошибочными или автоматически пригодными для научной работы.

Ограничения первой версии и будущие функции

На старте у платформы будут заметные ограничения:

• она поддерживает разовые запросы и пока не сохраняет контекст между последовательными уточняющими вопросами;
• поиск охватывает только те материалы, которые уже оцифрованы и добавлены в соответствующие репозитории NUS;
• система помогает находить источники и связи, но не способна оценить каждую научную позицию или сформулировать за пользователя итоговую исследовательскую аргументацию.

В дальнейшем NUS планирует добавить память истории чата, чтобы поддерживать более длинные исследовательские диалоги, а также преобразование голоса в текст.

Поэтому оптимальный сценарий использования выглядит так: сначала задать вопрос в AI Sense Maker, уточнить направление и собрать набор цитируемых источников, а затем открыть документы, сопоставить трактовки и самостоятельно подготовить анализ.

Сможет ли платформа сократить время поиска

NUS оценивает, что первоначальный этап поиска и ориентации в теме, который может занимать около двух недель, с помощью AI Sense Maker удастся сократить примерно до 30 минут или меньше.

Это оценка самого университета, а не независимо подтверждённый показатель роста производительности. Более осторожный вывод заключается в том, что инструмент может уменьшить время, потраченное на неудачные поисковые запросы, и помочь быстрее собрать первоначальный список источников с цитатами.

Таким образом, потенциальный эффект AI Sense Maker проявится прежде всего в начале работы: в более быстром определении границ темы, подборе терминов для последующего поиска и обнаружении связей между дисциплинами и коллекциями. Критика источников, чтение и построение аргумента остаются задачами исследователя.

Инструмент вписывается в более широкую стратегию университета по внедрению ИИ в образование и исследования. Однако его задача заметно уже, чем у универсального чат-бота: AI Sense Maker ищет по собственным коллекциям NUS, а не формирует ответы на основе всего открытого интернета.

Что входит в коллекцию из 150 000 материалов

Стартовый корпус объединяет данные из двух репозиториев NUS:

• ScholarBank — хранилища научных публикаций и других исследовательских материалов университета;
• Digital Gems — собрания оцифрованных редких и специальных коллекций.

Всего речь идёт примерно о 150 000 оцифрованных единиц хранения. В массив входят материалы по инженерии, естественным и биологическим наукам, медицине, гуманитарным дисциплинам и компьютерным технологиям, а также коллекции, посвящённые Юго-Восточной Азии.

Среди примеров — китайскоязычная сингапурская газета Lat Pau, выходившая с 1881 года, первое печатное издание книги сэра Стэмфорда Раффлза The History of Java 1817 года и литературные произведения эпохи Тан. В коллекцию также должны войти оригинальные музыкальные сочинения и сценарии артиста Ван Ша после их оцифровки и загрузки в систему.

Как работает поиск на естественном языке

Вместо подбора точных ключевых слов пользователь формулирует вопрос обычными словами. Платформа предлагает несколько режимов — быстрый, итеративный и углублённый, — чтобы можно было выбрать краткую ориентацию или более подробное исследование темы.

В ответ AI Sense Maker должен предоставить несколько уровней навигации:

1. Структурированный обзор темы, который помогает составить первоначальную картину.
2. Связанные понятия, расширяющие или уточняющие исходный вопрос.
3. Ссылки и рекомендации для дальнейшего чтения из репозиториев NUS.
4. Цитаты и ссылки на исходные материалы, позволяющие проверить ответ.
5. Граф знаний, показывающий связи между понятиями, дисциплинами и источниками.

Например, вопрос о том, почему некоторые районы Сингапура ощущаются более жаркими, может связать плотность застройки, растительность, строительные материалы и водные объекты с городской экологией, экологической наукой, физикой атмосферы и микроклиматологией.

Практическая ценность здесь — в первичной навигации. Студент получает подсказки о терминах, смежных областях и возможных источниках ещё до того, как начнёт внимательно изучать литературу.

Зачем нужен граф знаний

Обычный поиск обычно выдаёт ранжированный список документов. Граф знаний предлагает другой способ посмотреть на материал: он показывает, как идеи из разных источников связаны друг с другом.

Граф AI Sense Maker построен на управляемой таксономии — системе классификации понятий. Изначально её сформировали с учётом Wikidata, а затем сузили и адаптировали под коллекции NUS. Это важная деталь: качество такого графа зависит не только от языковой модели, но и от того, насколько последовательно определены и соединены понятия внутри конкретного собрания.

Для междисциплинарных проектов такой подход может открыть термины и соседние области, о которых пользователь не подумал в первом запросе. Но предложенные связи остаются отправными точками для проверки, а не доказательством того, что каждое соответствие имеет академическую силу.

GPT-4.1, RAG и ограничения источников

AI Sense Maker использует GPT-4.1 вместе с технологией retrieval-augmented generation (RAG) — генерацией с дополненным поиском. В такой системе модель сначала извлекает подходящие материалы из заданного набора источников, а затем формирует ответ на их основе. Платформа должна опираться на найденные материалы NUS и прикреплять цитаты, чтобы пользователь мог самостоятельно открыть документы и проверить выводы.

В системе предусмотрены ограничения, не позволяющие ей обращаться к открытому интернету для составления ответа. Это может снизить риск неподтверждённых утверждений, но не отменяет необходимости проверять цитируемые документы, самостоятельно интерпретировать первичные материалы и оценивать, насколько точно ответ передаёт доказательства.

В публикациях об AI Sense Maker названа именно модель GPT-4.1. OpenAI описывает это семейство моделей как улучшенное в вопросах следования инструкциям и работы с длинным контекстом. Однако общие возможности GPT-4.1 не означают, что ответы AI Sense Maker будут безошибочными или автоматически пригодными для научной работы.

Ограничения первой версии и будущие функции

На старте у платформы будут заметные ограничения:

• она поддерживает разовые запросы и пока не сохраняет контекст между последовательными уточняющими вопросами;
• поиск охватывает только те материалы, которые уже оцифрованы и добавлены в соответствующие репозитории NUS;
• система помогает находить источники и связи, но не способна оценить каждую научную позицию или сформулировать за пользователя итоговую исследовательскую аргументацию.

В дальнейшем NUS планирует добавить память истории чата, чтобы поддерживать более длинные исследовательские диалоги, а также преобразование голоса в текст.

Поэтому оптимальный сценарий использования выглядит так: сначала задать вопрос в AI Sense Maker, уточнить направление и собрать набор цитируемых источников, а затем открыть документы, сопоставить трактовки и самостоятельно подготовить анализ.

Сможет ли платформа сократить время поиска

NUS оценивает, что первоначальный этап поиска и ориентации в теме, который может занимать около двух недель, с помощью AI Sense Maker удастся сократить примерно до 30 минут или меньше.

Это оценка самого университета, а не независимо подтверждённый показатель роста производительности. Более осторожный вывод заключается в том, что инструмент может уменьшить время, потраченное на неудачные поисковые запросы, и помочь быстрее собрать первоначальный список источников с цитатами.

Таким образом, потенциальный эффект AI Sense Maker проявится прежде всего в начале работы: в более быстром определении границ темы, подборе терминов для последующего поиска и обнаружении связей между дисциплинами и коллекциями. Критика источников, чтение и построение аргумента остаются задачами исследователя.