בעולם שבו נתונים מדעיים חייבים להיות נגישים ושקופים, פיתוח מילוני מטא-דאטה הופך לאתגר מרכזי. כעת, פלטפורמת MatSci-YAMZ מציגה פתרון חדשני המשלב בינה מלאכותית (AI) עם מעורבות אנושית (Human-in-the-Loop – HILT), כולל גיוס המונים. הפלטפורמה נועדה לקדם עקרונות FAIR ו-FARR, אך סובלת ממחסור במשאבי אנוש ומתיאום סטנדרטים. במאמר חדש מ-arXiv, החוקרים מדווחים על ניסוי ראשוני מוצלח בתחום מדעי החומר, תחום רב-תחומי מאתגר.
ששת המשתתפים, חברים במכון NSF ID4 ל-Dynamical Design מבוסס נתונים, השתמשו בפלטפורמה במשך שבועות. הם סיפקו הגדרות ראשוניות לדוגמאות, ששימשו כפרומפטים לשיפור הגדרות AI. התוצאה: 19 הגדרות שנוצרו על ידי AI, עם לולאות משוב איטרטיביות שהוכיחו את היעילות. לפי הדיווח, המודל AI-HILT מאפשר יצירת הגדרות מדויקות תוך שיתוף פעולה אנושי.
הניסוי הדגים ארבעה ממצאים מרכזיים: ראשית, הוכחת היתכנות מוצלחת; שנית, התאמה לעקרונות FAIR ומדע פתוח; שלישית, פרוטוקול מחקרי להדרכה עתידית; ורביעית, פוטנציאל להרחבה לתחומים נוספים. המשתתפים תרמו הגדרות מונחים ודוגמאות, וה-AI שיפר אותן בהדרגה, מה שמקצר את זמן הבניית הקונצנזוס.
בהקשר רחב יותר, MatSci-YAMZ פותרת בעיה כרונית במדעי הנתונים: חוסר בשקיפות סמנטית. לעומת שיטות מסורתיות התלויות באנשים בלבד, הגישה המשולבת חוסכת זמן ומשאבים. בתחום מדעי החומר, שבו נתונים מורכבים ומגוונים, זהו צעד משמעותי לקראת נתונים נגישים יותר. בישראל, שבה מחקר מדעי מתקדם, כלים כאלה יכולים לשפר שיתופי פעולה בינלאומיים.
למנהלי עסקים וחוקרים, MatSci-YAMZ מציעה הזדמנות לשדרג תהליכי ניהול נתונים. השילוב בין AI להילט מאפשר הרחבה מהירה, תוך שמירה על איכות אנושית. האם הגיע הזמן לשלב כלים כאלה בפרויקטים שלכם? הפלטפורמה מדגימה כיצד AI יכול להאיץ חדשנות מדעית.