Esta herramienta experimental está ahora ayudando a los investigadores a conocer si los estudios emergentes del coronavirus siguen el consenso científico.

Los investigadores desde que comenzó el coronavirus se han tenido que enfrentar a una lluvia de estudios relacionados con la enfermedad. El problema es que estos son producidos por diferentes grados de de erxperiencia y no pasan todos la misma revisión. Esto dificulta aún más la investigación de los científicos.

El sistema se ha construido sobre una red neuronal llamada VeriSci, que puede verificar automáticmanete las afirmaciones científicas y ofrece evidencias, sacadas de los resumenes de los estudios, de la respuesta que ha dado. Para conseguir esto, se ha entrenado con un conjunto de datos de verificación de hechos existentes copilados de Wikipedia y ajustados en un nuevo conjunto de datos de verificación de hechos científicos que contiene 1.409 afirmaciones científicas, acompañado de 5.183 resúmenes. También, se han filtrado los artículos eliminando los que continen menos de 10 citas.

El equipo del Allen Institute for Artificial Intelligence (AI2) y de la Universidad de Washington trató de abordar el problema creando la herramienta SciFact, que ofrece: una afirmaciones científicas, un resúmenes que apoyan o refutan cada afirmación y una anotaciones con justificaciones. Esta herramienta además de utilizar VeriSci, se ha complementado su entrenamiento con un modelo basado en BERT para identificar frases racionales y estiquetar cada reclamo.

Cuando los investigadores probaron VeriSci en afirmaciones científicas relacionadas con covid-19, descubrieron que recuperó documentos relevantes y los etiquetó con precisión 23 de 36 veces.