skip to main |
skip to sidebar
Негарно так писати, перебуваючи в тилу, але війна – це не лише про фронт. Нехай це звучить пафосно, пробачте, та війна оголює цінності. Коли в тилу справедливість стає предметом насмішки, виникає відчуття морального провалу. Очевидно, що більшість людей не обирає сторону добра чи зла – люди обирають там, де простіше, де менше ризиків, де не треба брати відповідальність, де достатньо пристосовуватись, а не думати. Натомість “бібліотекар мрії”, про якого ми, колеги, регулярно торочимо, змушує людей читати, думати, пояснювати й відповідати за власні рішення. Кому це потрібно? Саме тому з року в рік нам не вдається створювати бібліотеки-казки. Головна цінність інститутів в Україні – лояльність і керованість, а не якість. Наші земляки не проти бібліотек, однак вони “за спокій”. Система ж перекладає на тебе контроль, совість і відповідальність, а потім ще й звинувачує в “конфліктності”. Це виснажує. Бібліотекарю, як довго ти здатен тримати стандарт у середовищі, яке його не підтримує?
Perplexity – це сучасна ШІ-платформа для пошуку та навігації в інформації, яка поєднує мовну модель і пошукову систему. Головна ідея сервісу – замість традиційного пошуку, де ви отримуєте список гіперпосилань, Perplexity одразу формує узагальнену відповідь, додаючи при цьому посилання на джерела. Відповідно це дозволяє не лише швидше знаходити релевантну інформацію, але й перевіряти факти. Perplexity Academic – спеціальний режим цієї платформи, створений саме для наукових цілей. Такий собі інтелектуальний фільтр, який перебудовує логіку пошуку так, щоб на перший план виходили саме наукові статті, рецензовані журнали, препринти, технічні документи й інші академічні матеріали.
Пошук наукової літератури дедалі частіше схожий на блукання нескінченними кролячими норами: сотні релевантних статей, десятки пов’язаних тем і постійний страх пропустити щось важливе. Саме для полегшення такої складної роботи була створена пошукова система для дослідників ResearchRabbit, яка поєднує класичний літературний пошук із мережевим аналізом наукових публікацій. За логікою ResearchRabbit, щоб провести хороший літературний огляд – мало виконати одноразовий запит у базі даних. Це комплексний дослідницький процес, який розвивається разом із вашим розумінням теми.
За останній рік з’явилося багато інструментів на базі генеративного ШІ, але більшість із них доволі одноманітні: користувач ставить запитання – система генерує відповідь, часто спрощену, узагальнену й не завжди прозору щодо використаних джерел. NotebookLM (інструмент, розроблений Google Labs) пропонує інший підхід, який, на мій погляд, значно корисніший для академічної та аналітичної роботи. Головна відмінність NotebookLM полягає в тому, що він працює виключно з тими матеріалами, які ви самі завантажили. Це можуть бути наукові статті, препринти, навчальні конспекти чи навіть власні чернетки текстів. Інструмент не звертається до “зовнішніх знань” і нічого не вигадує – він аналізує лише конкретний, чітко окреслений корпус документів.
На сайті Міністерства освіти та науки України без пафосу та феєрверків, тихенько представлено оновлений проєкт наказу МОН “Про внесення змін до Порядку формування Переліку наукових фахових видань України”. У PDF-повідомленні зазначено, що зауваження та пропозиції до проєкту акта та аналізу його регуляторного впливу приймаються до 17 грудня 2025 року на електронну адресу. Редактори, не баріться! Я ж поки напишу про кілька проблем у цьому проєкті на які пропоную звернути особливу увагу і, можливо, вам це допоможе краще сформулювати свої пропозиції. Якщо дуже коротко, то квітневий варіант був небезпечним і концептуально шкідливим, а поточний хоч і бюрократичний, але вже не токсичний.
Коли сьогодні говорять про використання штучного інтелекту в наукових дослідженнях, то зазвичай мають на увазі ChatGPT-подібні інструменти, які можуть швидко згенерувати текст або стислий виклад теми. Проблема в тому, що така генерація часто виглядає доволі переконливо, але незрозуміло звідки взялася ця інформація, які джерела було використано, і чи можна це хоч якось перевірити. Саме на цьому тлі цікавим виглядає новий сервіс DeepScholar, що створений командами Стенфорда та Берклі.
Google нарешті зробив те, чого від нього чекали вже пару років – прикрутив генеративний ШІ до Google Scholar. Новий інструмент називається Scholar Labs і це перша спроба перетворити гігантський Google Scholar на розумний пошуковик, який буде не просто показувати результати, а намагатиметься відібрати для нас найкорисніші статті. Пишете дослідницьке запитання в Scholar Labs, система аналізує запит, розкладає його на теми та зв’язки та запускає серію пошуків у Scholar. Алгоритм совгається по відібраних статтях, оцінює наскільки кожна відповідає запитанню, і показує список публікацій з короткими поясненнями – чому саме ця робота релевантна й що саме в ній важливо.
