许多 杰出科学家 都有维基百科页面。但虽然通过谷歌搜索可以快速查看某人是否拥有维基百科页面，但要找出 *应该* 在维基百科上但却不在的人，然后为他或她撰写条目，则要困难得多。
例如，你可能听说过 Christina Economos，也可能没听说过。她没有关于自己的维基百科页面，尽管 她是塔夫茨大学的教授，并担任新平衡儿童营养学主席。但虽然她缺少维基百科页面，但在一家名为 Primer 的公司制作的网站上，有一个非常简短的关于她职业的介绍。这个小简介，有一天可能会发展成一个完整的维基百科条目，是由一个名为 Quicksilver 的人工智能系统创建的。
该项目的理念是利用人工智能作为起点。人们可以用它来帮助他们为没有维基百科页面但应该有的科学家撰写维基百科页面。例如，在 Economos 的 Primer 页面上，有一个来自 CBS Boston 的文章链接提到了她——这对可能想为她撰写条目的人类维基百科编辑来说，是一个很好的潜在来源。
Primer 于去年正式推出，并 利用人工智能阅读信息并生成报告；其重点之一是完成情报分析员可能会做的工作。他们的客户包括沃尔玛和通过一个名为 In-Q-Tel 的组织为美国政府服务。人工智能通常需要数据来学习，因此对于这个项目，Primer 使用了大约 30,000 个现有的科学家维基百科页面来训练其机器学习系统。
然后，他们将 200,000 个姓名和相关的就业信息输入到他们的人工智能系统中。这些姓名来自艾伦人工智能研究所提供给 Primer 的、专注于计算机科学和生物医学研究的科学论文的署名作者。
“这就是 Quicksilver 的输入——我们只是把它输入进去，然后回家，它就运行了，”Primer 的科学总监 John Bohannon 说。“我们在一夜之间生成了 40,000 个新人。”
当然，整个系统比这要复杂得多：其中一个步骤是人工智能系统需要进行消歧（你可能在维基百科上看到过的一个奇怪的术语），在这种情况下，这意味着要确保系统不会混淆同名的人。它还会阅读大量的时事新闻来源，以了解每位科学家的更多信息：“它会建立一个关于这个人的模型，”他说。
在扫描每位科学家的时事新闻时，它还会进行“事件检测”，这包括将新闻文档分组，其中“每个组似乎都在描述一个真实世界的事件”。这个“新闻事件”可能是一位科学家发表了一项引起媒体关注的研究，因此可能值得包含在维基百科条目中。
该项目的另一个方面是让女性科学家更容易在维基百科上获得应有的代表性——赋权人类编辑“以缩小科学领域女性代表性的性别差距，”Bohannon 说。这的一种方式是，如果一个 小组 想要创建更多侧重于女性科学家的维基百科页面，他们可以使用 Quicksilver 的数据，Bohannon 指出这些数据可以按性别过滤。
“我们的目标绝对不是让‘机器人撰写维基百科’，”Bohannon 说。相反，它是一个为那些想撰写新页面或更新旧页面的人提供的启动平台。如果你好奇想看看 Quicksilver 的输出是什么样子，请前往 这个页面——它有 100 个人工智能生成的维基百科风格简介的示例。
