Naar inhoud springen

Ai2 laat AI verklaringen bedenken voor vreemde meetwaarden

Nieuws
Een weerstation boven groene landbouwterrassen in een bergachtig landschap bij ochtendlicht.
Ai2 brengt Theorizer uit. De tool geeft onderzoekers ideeën om vreemde cijfers te verklaren. Hij haalt die ideeën uit studies en zet links bij zijn uitleg. Bij een studie in Peru hielp een verkeerd idee het team toch verder.

Een piek in de cijfers uit Peru

Een team uit Peru wilde cijfers over het dauwpunt aanvullen. Dat is de temperatuur waarbij druppels uit waterdamp ontstaan. De cijfers helpen bij een schatting van wat gewassen aan water nodig hebben. De lijst met dauwpunten liep tot 2016. Voor een andere meting, de laagste temperatuur per dag, waren er cijfers tot 2020.
Het team schatte de ontbrekende waarden op basis van de jaren met beide soorten cijfers. De uitkomst was rond november op sommige plekken te hoog. In het verslag van Ai2 staat hoe Theorizer het team hielp zoeken. De tool kwam met een idee over vocht in de lucht. Dat idee hield geen stand bij een proef met de eigen data.
Die proef gaf het team wel een nieuwe vraag. Lagen de vreemde waarden ver van weerstations? De onderzoekers legden de afwijking naast de afstand tot een station. Zo kwamen ze uit bij de manier waarop de bron de cijfers voor plekken zonder station schatte. Ze zoeken nog metingen uit andere bronnen om hun werk te toetsen. Waarom de bron zelf in november ook een piek heeft, staat nog open.

Ideeën waar je een proef van maakt

Theorizer is een onderdeel van Asta, een platform voor onderzoek. Het zoekt naar studies die passen bij de vraag. Het legt de uitkomsten naast elkaar en stelt verklaringen voor. Er staat een link bij de studies die het daarvoor gebruikt. Zo kan een onderzoeker zien welk werk de tool heeft gelezen.
Dat helpt als een vraag nog te breed is. Bij een vreemde piek weet je soms nog niet waar je moet kijken. Een idee over de afstand tot een station geeft je iets om te meten. Als je dan op een andere oorzaak stuit, kan de proef toch iets opleveren.
AI Wereld schreef eerder over proeven met AI-agents op korte taken voor onderzoekers. Bij Theorizer gaat het om een stap die vaak eerder komt. De tool helpt een onderzoeker om te kiezen welke vraag die met de eigen cijfers wil testen.

De code is te downloaden

Ai2 biedt Theorizer aan via Asta op het web. Het instituut betaalt daar tot een grens voor het gebruik van modellen. Je kunt de code ook zelf draaien. Zo kunnen teams volgen hoe de tool een idee maakt en de aanpak voor hun eigen werk aanpassen. Gebruik je daarbij een model via een betaalde dienst, dan betaal je voor die stappen zelf.
De tool kan een studie missen die je nodig hebt. Hij kan ook een oud idee als nieuw zien. De studies naast een voorstel zijn dus een beginpunt. Wie een idee wil testen, moet nagaan of de bron bij de vraag past en of er ander werk over is. Daar helpt het als de tool laat zien welke artikelen hij heeft gebruikt.
loading

Populair nieuws

Laatste reacties

Loading