Trovo che l'intera premessa della domanda sia piuttosto strana. Prima di tutto, per rispondere alla tua domanda: direi che nella maggior parte dei casi ho riscontrato che la risposta sarebbe no, non puoi utilizzare articoli scientifici popolari come fonte principale.

Detto questo, dubito seriamente che siano tutto ciò che c'è là fuori. Google lavora su questo problema: l'hanno inventato e nessun altro ne ha mai sentito parlare o studiato? Come hanno fatto i media popolari a conoscere questa straordinaria idea che in qualche modo è sfuggita all'intera comunità di ricerca sull'intelligenza artificiale, tranne Google e il tuo consulente? Mi sembra che tu stia guardando le fonti sbagliate, il tuo consulente non ti stia indicando la giusta direzione o qualcos'altro non funziona.

Dal modo in cui descrivi, questo suona davvero strano soprattutto perché ci sono molte ricerche reali sull'IA. Non posso credere che potresti usare solo quegli articoli. Tuttavia, il tuo supervisore è la persona giusta a cui chiedere: molto probabilmente, sarà solo lui a decidere se la tua tesi è sufficiente o meno.

Rispondere a chiunque si imbatta in questa domanda dalle scienze sociali, ecc. perché è leggermente diversa. Possiamo usare fonti di media popolari, ma solo per certe cose.

In quanto persona che utilizza articoli di stampa popolare come "fonte" per la mia ricerca e che consiglia agli studenti che fanno lo stesso, è necessario fare una distinzione importante e una quantità significativa di spiegazioni metodologiche richieste prima di te può utilizzare molti media popolari.

La distinzione: puoi usare i media popolari come fonte di informazioni : di fatti, o, forse, come fonte di commenti pubblici contemporanei su un argomento. Non è possibile utilizzare i media popolari come fonte di analisi. Quindi, ad esempio, potresti utilizzare articoli sui media popolari del periodo di tempo, insieme ai documenti legislativi, per comprendere i dettagli e il sentimento popolare su un cambiamento nella legislazione fiscale australiana nel 1980. Non puoi (solo) usare un post su media come unica fonte di analisi sul motivo per cui tale modifica della legislazione fiscale è stata accademicamente significativa.

La spiegazione: devi indicare che sei pienamente consapevole degli svantaggi dell'utilizzo dei media popolari come fonte di informazioni per l'analisi, che hai considerato i problemi nel farlo. È quindi necessario mostrare perché è metodologicamente necessario utilizzare la fonte multimediale. Nella mia ricerca utilizzo molte segnalazioni di crimini locali dell'America Latina, a cui faccio riferimento con i documenti del governo a cui ho accesso. I rapporti locali aggiungono contesto, sapore e un po 'più di dettagli ai registri del governo, rivelando a volte tipi di informazioni che non esistono nei rapporti ufficiali. Le fonti dei media forniscono anche nomi di persone che posso contattare. Noto questo quando spiego i miei metodi di ricerca.

Mi sembra che ci sia una confusione tra due cose:

• Motivazioni della ricerca: imho va benissimo usare fonti non accademiche per giustificare il perché la ricerca è in corso, soprattutto nel caso di una nuova applicazione / dominio. Questa parte può anche richiedere un'analisi approfondita di ciò per cui verrebbe utilizzata, da chi e quali sono le soluzioni esistenti (ad esempio soluzioni commerciali disponibili). Tale lavoro potrebbe anche qualificarsi come un (probabilmente piccolo) contributo di per sé, sotto forma di un lavoro preliminare per introdurre una nuova applicazione, ad esempio.
• Il contributo effettivo della ricerca, ovvero cosa si sta facendo e come : è abbastanza improbabile che una fonte non accademica fornisca tutto il background necessario (soprattutto teorico) su cui si basa l'applicazione. Anche se lo facesse, la sua validità scientifica potrebbe essere messa in dubbio. Quindi per questa parte è difficile immaginare un caso in cui non ci si affidi principalmente a fonti accademiche regolari, tipicamente sotto forma di una revisione della letteratura di lavori correlati esistenti. Nota che i lavori correlati non devono affrontare lo stesso identico problema: fintanto che condividono alcune somiglianze (ad es. Metodo simile per un'attività diversa), sono rilevanti. In questa parte è importante fornire dettagli sulle somiglianze e le differenze tra il lavoro esistente e il contributo.

Non c'è niente di sbagliato nell'usare articoli popolari come fonte di informazioni - ad esempio, se stavo cercando di avere un'idea di un nuovo campo, Wikipedia è una delle prime risorse di cui utilizzo. Ma usarli come sorgenti primarie è molto incerto. Questi articoli di livello popolare sono scritti da persone che leggono i lavori di ricerca e poi li semplificano per i profani. Se lavori a livello di dottorato di ricerca, sicuramente sai leggere e capire anche i lavori di ricerca.

La situazione che descrivi è piuttosto strana. Se stai solo cercando un riferimento per "Google ha fatto questo", allora funzionerebbe come fonte. Tuttavia, se vuoi qualcosa di più sostanziale e se Google detiene alcune informazioni private che non stanno dicendo agli altri, gli articoli di livello popolare non ti aiuteranno. Non conterranno nemmeno le informazioni pertinenti e non sarai in grado di duplicare i loro risultati utilizzando solo quelli. Cosa speri di ottenere da loro allora?

In ogni caso il tuo consulente è la persona migliore a cui chiedere in merito, perché avrà un'idea migliore di quale domanda di ricerca speri di fare risposta e come fare per rispondere. È plausibile che il tuo consulente desideri che tu esegua il reverse engineering del prodotto Google in base all'articolo di livello popolare e, se questo è davvero il tuo obiettivo, la risposta alla tua domanda è "sì".

Consentitemi di fornire un esempio che potrebbe essere analogo alla vostra situazione attuale.

La programmazione GPGPU (GPU generica) ha iniziato a decollare nella sua forma attuale quando NVIDIA ha rilasciato la famiglia di schede grafiche GTX 8800 e la Linguaggio di programmazione CUDA dal 2006 al 2008.

Questo ha rappresentato un cambiamento radicale rispetto alle precedenti tecniche GPGPU in quanto è stato il primo vero ambiente di programmazione dedicato che non richiedeva una connessione a una pipeline di rendering grafico tradizionale.

I dettagli dell'architettura hardware della GPU non erano ben compresi e l'unico materiale disponibile sui dettagli era alcuni materiali di marketing di NVIDIA.

Vari documenti di ricerca hanno iniziato a comparire in quel momento che ha tentato di elaborare i dettagli dell'architettura hardware sottostante. Fondamentalmente, hanno cercato di prendere NVIDA R&D proprietario, capire come è stato fatto e spiegarlo alla comunità accademica. Un buon esempio di questo è questo documento:

Hong, Sunpyo e Hyesoon Kim. "Un modello analitico per un'architettura GPU con consapevolezza del parallelismo a livello di memoria e di thread." In ACM SIGARCH Computer Architecture News, vol. 37, n. 3, pagg. 152-163. ACM, 2009.

Questi primi articoli tendevano a fare riferimento a due principali fonti di informazione:

1. Pubblicazioni tecniche e di marketing da NVIDIA (nel tuo caso, dal Prodotto / servizio Google)
2. Materiale tecnico generale su GPU, architetture hardware e linguaggi di programmazione specializzati (nel tuo caso, IA in generale e matematica o altre tecniche su cui si basano le tue applicazioni AI specifiche)

Con tutto il rispetto, credo che ti sbagli. Ci sono molte ricerche pubblicate sull'intelligenza artificiale, compreso il lavoro svolto presso Google. Ovviamente non pubblicano ogni lavoro che hanno mai fatto, ma c'è molto là fuori. Ad esempio, se fossi interessato a qualcosa relativo ad AlphaGo, dovresti esaminare

Silver, David, et al. "Un algoritmo di apprendimento per rinforzo generale che padroneggia gli scacchi, lo shogi e il gioco autonomo". Science 362.6419 (2018): 1140-1144.

Detto questo, vedo molte persone, specialmente quelle che non conoscono il campo, trovare i giornali difficili da leggere o difficili da seguire giù il foglio che risponde alla loro domanda. Se si vuole imparare a usare una particolare implementazione di un particolare metodo, ho sentito molte volte che è molto più facile leggere i post del blog che leggere i documenti di ricerca.

Se è quello che stai facendo, va bene; i documenti tecnici non sono sempre il posto migliore per imparare "Hello World". In qualunque carta scrivi, generalmente non citi il ​​sito web che ti ha insegnato come usare la confezione che hai usato, ma piuttosto la carta associata alla confezione che hai usato. Ad esempio, se stai usando TensorFlow, dovresti citare

Abadi, Martín, et al. "Tensorflow: un sistema per l'apprendimento automatico su larga scala." 12 ° {USENIX} Simposio sulla progettazione e implementazione dei sistemi operativi ({OSDI} 16). 2016.

vale la pena che citare

https://www.tensorflow.org/tutorials

anche se è lì che hai imparato a usare il codice.

Posso suggerire un caso in cui potrebbe essere appropriato, ma in generale sarebbe rischioso. Come dici tu, il sottocampo che stai esplorando è nuovo e poco o nulla è stato pubblicato.

Supponi di trovare un'affermazione in un articolo su cui puoi basare la tua ricerca, dimostrandola o confutandola. L '"idea" per la ricerca nasce dalla lettura dell'articolo. La ricerca che confuta un'affermazione pubblicata potrebbe essere più forte che sostenere l'affermazione, credo. Questo perché la persona o le persone che hanno presentato la richiesta potrebbero aver fatto ricerche non pubblicate e avere qualche "prova" che fosse corretta. Se lo confermi semplicemente, stai solo seguendo, non guidando.

Ma non dici nemmeno a che punto sei nella tua ricerca. Se sei all'inizio, le cose potrebbero cambiare e altre pubblicazioni potrebbero parlare dello stesso numero prima che tu finisca. Quindi, la domanda potrebbe essere discutibile. Ma se sei vicino alla fine allora fai quello che puoi.

Certamente un argomento "campo verde" troverà poco da citare oltre alla letteratura generale sul dominio più ampio.