||
最近正好在上一门科研方法论的课程,以一起自动驾驶的事故作为案例,讲述科学问题的提炼和研究假设的表述、围绕以问题为中心的科学研究的开展。
在引导学生通过案例分析、描述现象、寻找研究对象的突破口、分析研究参数等等的过程中,通过合适的问题的设置,引导ChatGPT完成了一个科学问题的提出和初步验证,表述了研究假设,还请它做了一个初步的实验方案。
本文目标不在于检查ChatGPT所具有和不具有的能力,而是这个提炼过程很像研究方法论的教学过程,全文除引号之外,所有文字均由本人提炼、总结和撰写,作为科研方法论教学的支持素材,供同学们开展研究时有所借鉴。本文重点关注科学问题提炼的要素。
基于所能获得的答案与提问人的角度和认知水平高度相关,本案例相关内容的设计仅能代表GPT-Lin的“研究水平”。
研究问题的提出
对于案例中某品牌自动驾驶车辆屡次撞上白色大卡车的事故的原因分析,基于现有网络公开素材所能获得的已有材料在其训练数据集之前(2021年之前)已经非常全面,它所做出答案可以说是非常专业的,不再详述。在此基础上,它指出,科研人员应该从下面几个方面深入开展研究,提升自动驾驶的安全性:
“1. 机器视觉和深度学习技术。自动驾驶需要依靠传感器获取车辆周围的环境信息,而后端的识别和处理工作需要通过机器视觉和深度学习技术来完成。科研人员可以通过对这些技术的研究和优化来提高自动驾驶的实时性和准确性,从而降低事故风险。
2. 多传感器融合技术。为了提高自动驾驶的安全性,不仅需要依靠单一传感器,而且需要将多种传感器的信息融合起来,减少盲区,提高对交通环境的感知能力。科研人员可以研究多传感器融合的策略和方法,提高自动驾驶系统的综合感知能力。
3. 人机交互和协同驾驶。自动驾驶系统仍然需要人类驾驶员的参与,因此研究人机交互和协同驾驶技术也是提高自动驾驶安全性的一个重要方向。科研人员可以研究如何让驾驶员更好地理解自动驾驶系统的工作原理,以及如何让驾驶员在必要时及时接管控制。
4. 安全演示和测试。安全演示和测试是确保自动驾驶系统安全性的关键环节,科研人员可以研究如何制定科学严谨的测试标准和流程,保证自动驾驶系统在不同场景下都具有可靠的安全性。”
这些内容在各种网络上的信息汇总下,基本包括了所能开展的研究方向,后续在继续提问下也还能不断补充,包括智能控制和规划、模型预测与仿真等等细节内容。由于并未使用学术插件,它坦言自己并没有什么文献的支持,只是根据经验,总结了可以开展的内容;由于上面的内容涵盖学科太多,继续追问它有哪些科研人员开展了相关研究,结果也并不太理想,分散而非典型。
这样的研究问题的定义当然不是我们所需要的,很像一些初学的研究生,一味坚持“我要做什么”,不愿意阅读和挖掘更多有针对性的文献,什么都想解决,忘记了核心问题的定义和验证。
于是,提问人进一步将问题聚焦到“人机协同和人机接管”的角度。这一次,GPT-lin也相应缩小了研究的范围,落入了人机关系中提升效率、安全和体验的范畴,它提出,应该密切关注驾驶员专注及警觉性的影响因素和规律、研究能快速切换的人机接口、易于理解的人机界面,帮助驾驶员建立不同场景下的情景意识。这个表述,针对的内容是聚焦明确的,基于驾驶员的反应规律,提出相应的方法手段,目标是提升情景意识的建立,从而实现更快速、准确的人机接管。和第一次提问所得到的研究问题相比,这一次Chat-Lin快速从低年级研究生变成较高年级的研究生。
研究问题的验证
为了验证Chat-Lin所提出的研究问题,特别是对于提升驾驶员情景意识方面的方法研究,我请它说说它认识的已经开展了类似研究的科研人员。它列出来如下:
“1. 许珂博士(Dr. Ke Xu)和其团队在英国曼彻斯特大学开展了关于自动驾驶车辆中驾驶员情景感知模型的研究。
2. 孙春生博士(Dr. Chunsheng Sun)和其团队在美国宾夕法尼亚州立大学开展了关于自动驾驶车辆中驾驶员对复杂场景的感知与处理方式的研究。
3. 英国利物浦大学的Anthony Velazquez教授和Yuan Li教授在自动驾驶车辆中探究驾驶员情景意识缺失的问题。
4. 美国加州大学伯克利分校的Jidong Huang博士和其团队在自动驾驶车辆中探究驾驶员和自动化系统之间的协同行为问题。”
提问人尝试请它继续列出参考文献,以第一个为例,它给出了一些文章题目;但经查证,该文章并不存在或不在提问人搜索范围内,感觉它非常认真、像说真话一样地胡说八道了一通。原文如下;
“Dr. Ke Xu has published several articles on the topic of driver situation awareness and its application in autonomous vehicles. Some of his recent papers include “Enhancing Safety and Efficiency of Autonomous Vehicles using Driver Situation Awareness”, “Prediction of Pedestrian Crossing-under-Vehicle Scenarios using a Structured Approach” and "Towards Multimodal Human-Robot Interaction Learning for Autonomous Vehicles".”
其他三位文章情况,对本文主题不再重要,未查证。
提问人进一步请它在已有的研究基础上尚未被解决的问题,它在建立更真实的驾驶员动态模型及理解驾驶员的情绪和疲劳等机制方面提出不错的建议,和进一步要开展的内容也很为匹配。
教学中,同学们提出的“研究问题”,均需要查找相应的文献,验证问题的意义和研究价值,建立合适的研究目标和研究方法。若只停留在“发现问题”、“提出问题”,而不再进行“验证问题”,那么后续的研究也很有可能是毫无意义的。
后面的分析中,我们先姑且认为GPT-Lin已经通过分析其他科研人员的研究现状及尚未解决的问题,验证了改研究问题的科学性、先进性和必要性。
研究假设的表述
针对人机关系中提升效率和体验的研究,特别是提升驾驶员情景意识的研究,提问人请ChatGPT-Lin以研究假设的方式表述上述研究问题。它的回答如下:
“研究假设:如果在自动驾驶汽车中实现了一种情景意识提高的方法,那么驾驶员将更快速、更准确地接管汽车,以及更高效地处理情境中的变化。
存在的问题:目前,自动驾驶汽车在紧急情况下需要驾驶员接管车辆,但是有时驾驶员接管能力较差,导致车祸的发生。一些研究者认为这是因驾驶员没有足够的情境意识,以及对车辆和情境状态的理解不够深入所导致的。因此,提高驾驶员的情境意识,成为自动驾驶汽车研究领域中的一个关键问题。
提升的结果:通过实现情境意识提高的方法可以让驾驶员更好地了解车辆的状态并更好地做出反应,帮助他们更快速、更准确地接管车辆,并面对突发情况做出更高效的应对反应。具体而言,情境意识提高的方法可以包括提供更好的交通流信息、车辆状态信息、三维地图信息、虚拟现实辅助等。这些技术可以让驾驶员更好地了解路况,并在不具备实际驾驶体验的情况下,对车辆进行准确的控制。最终,这些技术的实现将可以帮助汽车行业实现更高的安全性和更优质的驾驶体验。”
很显然,在上下文的连贯性方面,它的表现可圈可点,但是在对具体任务的分析和深入开展剖析方面,GPT-Lin显然也像是一个刚写第一稿就交作业的学生。尽管如此,交出的第一稿我觉得也还是已经很不错。
从第一稿的泛泛而谈、不够精准的表述,到不停地围绕研究问题和凝练科学问题、到精准表述研究问题,形成研究内容和目标,这还要一遍遍修改。
后续,针对研究假设,它还制定了一个相对详细的实验方案。离可开展实验,那就还有大量的工作需要做了,在此不再列出。
小结
科学问题的提炼是科研工作的第一步;准确凝练科学问题,是一个需要不断练习的过程;在稳定的现象中找寻问题、通过阅读大量的文献验证问题,开展科研的过程更需要无数的独立思考和推理。从目前的使用情况来看,ChatGPT暂时还不具备独立科研的能力。驾役它的本身,首先需要自己已经具备了足够驾役它的能力,而实现这个能力,首先要通过学习、把自己变成具有相当水平的掌握科研方法论的独立科研人员、有独立思考的能力、创新的能力、发现问题、辨别真伪、利用知识进行解决问题的能力,从而补充和完善现有的知识体系。培养人才和从事科研,还是要保持初心为好。
Archiver|手机版|科学网 ( 京ICP备07017567号-12 )
GMT+8, 2024-9-1 09:35
Powered by ScienceNet.cn
Copyright © 2007- 中国科学报社