科学信息对日常生活决策至关重要，但公众对科学家的信任度却持续下降。 之前的研究表明，简单易懂的语言可以提高人们对科学家的感知，并增强对科学的理解。 科学家可能不是将科学知识传达给非专业人士的最佳人选。
一项新研究探讨了使用生成式人工智能（AI）来简化科学传播，并提高公众对科学的理解和感知所带来的影响。研究比较了针对《美国国家科学院院刊》（PNAS）的上由专业科学家创作的摘要和由chatGPT生成的摘要，评估了这些摘要的语言简单性差异，并在后续实验中评估了公众的感知。
From complexity to clarity: How AI enhances perceptions of scientists and the public's understanding of science | PNAS Nexus |
https://doi.org/10.1093/pnasnexus/pgae387
这项研究目的是评估使用生成式AI简化科学传播的有效性，并提高公众对科学的理解。
研究通过多个实验比较PNAS期刊的摘要（科学摘要）和对这些摘要的科普版（非专业人士摘要）的语言复杂性，并分析公众对其的感知。
实现1a 证实了chatGPT3,5产生的非专业人士摘要确实比科学摘要的语言更简单，但受试者对这些模型的在文本复杂度，词汇量上的得分较低。实验1b说明使用GPT-4创建的非专业人士摘要比PNAS摘要的语言更简单，且效应量显著增加。
研究2指出： 阅读简单的GPT摘要比阅读复杂的PNAS摘要更能促进对科学家的积极感知（可信度和信任度更高）。简单编写的GPT摘要更有助于提高公众对科学家的研究成果的可信度和信任度，尽管被这些摘要被认为其包含的智力水平较低。
实验3指出：阅读简单的GPT生成摘要比阅读复杂的PNAS摘要更能提高参与者对科学内容的理解，并且他们用自己的话总结科学论文时也更详细、更具体。
这项研究的意义在于，它揭示了生成性AI可以简化科学传播，使复杂概念更易于理解，并提高公众对科学家的感知。研究表明，与传统的PNAS科学摘要相比，AI生成的摘要能够以更简单、更清晰的语言解释科学信息，使其更容易被大众理解。这些简化的摘要可以改善对科学家的感知，并在实验中得到证明。通过语言层面的改变，大模型可以促进有效的科学传播，并且可能在更广泛的范围内部署，使其成为作者和期刊的有吸引力的技术。
文章还讨论了科学信息对于日常决策的重要性，以及如何通过简化语言模式来提高人们对科学家的信任。研究表明，人们倾向于使用简单（流畅）的信息，因为简单信息比复杂（不流畅）的信息更让人感觉良好。此外，文章还探讨了如何通过使用常见的词汇、简化的写作风格和提高可读性来改善科学家的感知。 该研究为未来使用生成式AI进行科学传播提供了理论和实践基础，并强调了其在促进科学普及和民主化方面的潜力。
研究的方法包括从PNAS期刊中提取学术摘要和非专业摘要，使用LIWC工具进行自动文本分析，并评估语言的简单性。实验部分涉及让参与者阅读AI生成的摘要和人类编写的摘要，并评估他们对作者的感知以及对摘要的理解。
最后，文章讨论了使用AI进行科学传播的长期影响和伦理考虑，包括使用AI生成的摘要可能带来一些负面影响，例如公众对科学问题的理解可能会失去细节或深度。大模型的透明度和披露问题也需要关注，例如是否应告知读者科学摘要是由AI生成的。此外AI系统的偏见问题也需要重视，以确保AI生成的摘要不会加剧社会不平等。
未来可能的研究方向包括：1探讨不同科学领域如何从AI辅助的传播中受益。2研究AI辅助的传播策略对公众参与科学的长期影响。3 使用来自不同期刊的文本进行实验，以验证研究结果的普适性。4 使用其他大型语言模型进行实验，以验证研究结果的稳健性。5让专家评估AI生成的摘要的科学可信度，以确保其准确性。
总之，这项研究提供了对如何使用AI来改善科学传播和公众理解的深入见解，并为未来的研究提供了方向。作者指出，未来的研究应该探索不同科学领域如何从AI介导的通信中受益，并考虑长期使用AI介导的通信策略对公众参与科学和科学家的影响。
更多阅读
如何用好大模型辅助写作的五条建议
关于塔勒布对大模型的批评性思考
