มหาวิทยาลัยสแตนฟอร์ดได้เปิดซอร์สระบบการเขียน AI ที่พัฒนาขึ้นใหม่ STORM&Co-STORM ระบบนี้สามารถบูรณาการข้อมูลจากหลายแหล่งเพื่อสร้างบทความขนาดยาวคุณภาพสูงโดยอิงจากข้อมูลหัวข้อง่ายๆ ซึ่งช่วยปรับปรุงประสิทธิภาพของการเขียนงานวิจัยทางวิทยาศาสตร์ได้อย่างมาก STORM ใช้การถามตอบแบบหลายมุมโดย "ผู้เชี่ยวชาญ LLM" และ "ผู้ดูแล LLM" เพื่อสร้างบทความซ้ำๆ ในขณะที่ Co-STORM สร้างแผนที่ความคิดแบบไดนามิกผ่านบทสนทนาแบบหลายตัวแทนเพื่อให้มั่นใจว่าได้รับข้อมูลที่ครอบคลุม ระบบอนุญาตให้ผู้ใช้เลือกโหมดและสร้างบทความที่มีโครงสร้างยาวได้อย่างอิสระภายใน 3 นาที พร้อมฟังก์ชั่นดูกระบวนการระดมความคิดและตัวอย่างบทความ
เทคโนโลยีหลักของระบบ STORM&Co-STORM รวมถึงการสนับสนุนการค้นหา Bing และ GPT-4o mini กระบวนการเขียนอัตโนมัติแบ่งออกเป็นสามขั้นตอน: การสร้างคำถามแบบหลายมุมมอง การสร้างและปรับปรุงโครงร่าง และการสร้างข้อความแบบเต็ม แม้ว่าระบบจะรวมข้อมูลจากหลายแหล่ง แต่แหล่งข้อมูลอาจมีอคติต่อกระแสหลักและอาจมีเนื้อหาส่งเสริมการขาย Co-STORM มีเป้าหมายเพื่อแก้ปัญหาการละเลยข้อมูลและปรับปรุงประสิทธิภาพการเรียนรู้ การทดสอบของผู้ใช้แสดงให้เห็นว่าจะช่วยลดภาระการรับรู้ได้อย่างมาก ปัจจุบันระบบรองรับเฉพาะภาษาอังกฤษและจะขยายเป็นหลายภาษาในอนาคต ระบบโอเพ่นซอร์ส STORM&Co-STORM นำความเป็นไปได้ใหม่ๆ มาสู่การเรียนรู้ส่วนบุคคล ทำให้การได้มาซึ่งความรู้สะดวกและมีประสิทธิภาพยิ่งขึ้น
ผู้ใช้เพียงแค่กรอกคำที่เป็นภาษาอังกฤษ และระบบสามารถสร้างบทความขนาดยาวคุณภาพสูงที่รวมข้อมูลหลายแหล่ง คล้ายกับบทความใน Wikipedia หากต้องการสัมผัสประสบการณ์ระบบ STORM ผู้ใช้สามารถเลือกระหว่างโหมด STORM และ Co-STORM ได้อย่างอิสระ หลังจากหัวข้อที่กำหนด STORM สามารถสร้างบทความขนาดยาวที่มีโครงสร้างและมีคุณภาพสูงได้ภายใน 3 นาที
นอกจากนี้ ผู้ใช้ยังสามารถดูกระบวนการระดมความคิดของบทบาท LLM ต่างๆ ได้โดยคลิก "ดูกระบวนการระดมความคิด" ในคอลัมน์ "ค้นพบ" ผู้ใช้สามารถอ้างถึงบทความและตัวอย่างการสนทนาที่สร้างโดยนักวิชาการคนอื่นๆ และบทความที่สร้างขึ้นเองและบันทึกการสนทนาก็สามารถพบได้ในแถบด้านข้าง "ห้องสมุดของฉัน"
กระบวนการเขียนอัตโนมัติของระบบ STORM แบ่งออกเป็นสามขั้นตอนหลัก: การสร้างคำถามแบบหลายมุมมอง การสร้างและปรับปรุงโครงร่าง และการสร้างข้อความแบบเต็ม ระบบจะปรึกษาบทความวิกิพีเดียที่เกี่ยวข้องเพื่อระบุมุมมองต่างๆ ที่ครอบคลุมหัวข้อ จากนั้นจำลองการสนทนาระหว่างนักเขียนวิกิพีเดียและผู้เชี่ยวชาญตามแหล่งข้อมูลออนไลน์ที่เชื่อถือได้ จากความรู้โดยธรรมชาติของ LLM เนื้อหาบทสนทนาที่รวบรวมจากมุมมองที่แตกต่างกันจึงได้รับการรวบรวมอย่างระมัดระวังเป็นโครงร่างการเขียน
แม้ว่า STORM จะเปิดเผยมุมมองที่หลากหลายเมื่อค้นคว้าหัวข้อที่กำหนด แต่ข้อมูลที่รวบรวมอาจยังคงอ้างอิงถึงแหล่งข้อมูลกระแสหลักบนอินเทอร์เน็ต และอาจมีเนื้อหาส่งเสริมการขาย ข้อจำกัดอีกประการหนึ่งของการศึกษานี้คือ แม้ว่านักวิจัยจะมุ่งเน้นไปที่การสร้างบทความที่คล้ายกับวิกิพีเดียตั้งแต่ต้น แต่พวกเขาพิจารณาเพียงการสร้างข้อความที่จัดระเบียบอย่างอิสระเท่านั้น บทความวิกิพีเดียคุณภาพสูงที่เขียนโดยมนุษย์มักประกอบด้วยข้อมูลที่มีโครงสร้างและข้อมูลต่อเนื่องหลายรูปแบบ
Co-STORM มุ่งหวังที่จะปรับปรุงปัญหาการละเลยข้อมูลในการเก็บรวบรวมและบูรณาการข้อมูล เพื่อส่งเสริมประสิทธิภาพการเรียนรู้อย่างมาก ช่วยให้ผู้ใช้เข้าใจและมีส่วนร่วมในการจัดระเบียบข้อมูลผ่านการสนทนาการทำงานร่วมกันหลายตัวแทน การทำแผนที่ความคิดแบบไดนามิก และโมดูลการสร้างรายงาน นักวิจัยได้ทำการประเมินโดยมนุษย์กับอาสาสมัคร 20 คน โดยเปรียบเทียบประสิทธิภาพของ Co-STORM กับเครื่องมือค้นหาแบบดั้งเดิมและ RAG Chatbot ผลลัพธ์แสดงให้เห็นว่า Co-STORM ปรับปรุงความลึกและความกว้างของข้อมูลได้อย่างมาก และผู้ใช้ 70% ชอบ Co-STORM โดยเชื่อว่าจะช่วยลดภาระการรับรู้ได้อย่างมาก
ปัจจุบัน ระบบ STORM&Co-STORM รองรับเฉพาะการโต้ตอบภาษาอังกฤษเท่านั้น และอาจขยายไปสู่ความสามารถในการโต้ตอบหลายภาษาได้ในอนาคต โอเพ่นซอร์สของระบบนี้เป็นสัญญาณว่าเรากำลังอยู่ในยุคที่ไม่ธรรมดาที่การเข้าถึงข้อมูลสามารถปรับให้เข้ากับแต่ละระดับได้อย่างสมบูรณ์ ทำให้สามารถเรียนรู้อะไรก็ได้
ที่อยู่กระดาษ: https://www.arxiv.org/pdf/2408.15232
โดยสรุปแล้ว โอเพ่นซอร์สของระบบ STORM&Co-STORM ได้นำความก้าวหน้าครั้งใหม่มาสู่สาขาการเขียนโดยใช้ปัญญาประดิษฐ์ และคุณสมบัติที่มีประสิทธิภาพและสะดวกสบายก็คุ้มค่าที่จะรอคอย ในอนาคต ด้วยการดำเนินการสนับสนุนหลายภาษาและการปรับปรุงฟังก์ชันเพิ่มเติม ระบบนี้จะมีบทบาทมากขึ้นในการวิจัยทางวิชาการและการเขียนรายวัน