来源：物联焦点
作者：物联焦点
近年来，人工智能（AI）突飞猛进，在科学领域产生了众多创造性应用。在人工智能（AI）的所有用途中，加速提高科研生产力可能是最具经济和社会价值的。虽然人工智能正在渗透到科学的各个领域和阶段，但其潜力远未得到充分发挥。各研究系统的决策者和参与者可以做很多工作，加快和深化人工智能在科学中的应用，扩大其对研究的积极贡献。这将支持经合组织国家发展、创新和应对从气候变化到新传染病等全球挑战的能力。《科学研究中的人工智能：挑战、机遇和未来》面向广大读者，包括决策者、公众和所有科学领域的利益相关者。该书以非技术性语言撰写，汇集了著名研究人员和从业人员的观点。书中探讨了多个主题，包括人工智能在科学领域的当前、新兴和未来潜在用途，需要在哪些方面取得进展才能更好地服务于科学进步，以及科学生产力的变化。此外，该书还探讨了加速将人工智能融入发展中国家研究的措施。该书的一个独特贡献是研究了人工智能在科学领域的政策。各研究系统的政策制定者和参与者可以做很多事情来深化人工智能在科学中的应用，扩大其积极影响，同时适应人工智能对研究管理快速变化的影响。
摘要
跨学科计划可促进人工智能和科学的进步
各国政府应提供专项资金，鼓励跨学科合作，通过实验室机器人加快实验进程，为科学带来革命性的变化。
可能采取的措施包括：政府鼓励和支持具有长期影响的远见卓识的倡议；增加计算资源的可获得性；更新课程中的相关内容；提高开放研究数据的可用性等。
公共研发可用于推动该领域的发展
公共研发可以瞄准需要突破的研究领域，在推动人工智能在科学和工程领域的应用方面发挥着至关重要的作用。目标研究领域包括自动创建可查找、可访问、可互操作和可重用（FAIR）的数据，以及推进 AutoML 以解决人工智能专业知识稀缺的问题。OpenML 和 DynaBench 等开放式平台可追踪各种问题的最佳人工智能模型也应该应得到公共支持。
此外，公共研发也可以通过促进跨学科的蓝天思维、构建开放式知识网络、探索主流深度学习方法之外的新技术项目、投资专业工具等方式刺激创新，并应对各个领域的关键挑战。
研究管理很重要
研究管理在科学实践中推动和负责任地使用人工智能方面发挥着至关重要的作用。政策机构应评估人工智能对研究各方面的影响，包括人与人工智能的团队合作、工作动态、职业轨迹和培训等方面。
由于不确定的后果，如限制思考、著作权分歧、种族平等问题等，像 ChatGPT 这样的大型语言模型（LLMs）的部署需要决策者的重点关注。
总之，有效的研究治理对于确保将人工智能融入科学实践的道德和利益至关重要。政策制定者必须积极应对人工智能进步的影响，同时防范潜在风险并促进负责任的使用。
避免外行指导内行
政策制定者及其工作人员需要更多的专业知识，以帮助决定支持哪些技术倡议。比如利用社交媒体帮助传播新兴实践、采取措施提高人工智能研究的可重复性、为发展中地区提供更多人工智能科学资金等。如此可以全方位促进全球合作，推动人工智能在科学领域的进步。
图片
科学变难了吗？
证据表明，在研究中寻找新思路正变得越来越困难。尽管科研力量源源不断，但各种技术能力的回报却呈递减趋势。技术指标的进步，需要不断加大研究力度。对研究生产率（包括全要素生产率）的衡量表明，要保持恒定的指数级进步速度，需要进行更多的研究。
研究生产率的下降体现在不同领域，包括电子、农业和生物制药。虽然一些创新不断提高经济和技术绩效，但其他领域却出现了停滞或衰退。人工智能在药物发现方面的应用虽然有所帮助，但由于数据质量的局限性和关键领域缺乏进展，可能不会产生革命性的影响。此外，用单一指标衡量进展可能会产生误导，需要更广泛的进展衡量标准。
包括德国、日本和中国在内的多个国家也有科研生产力下降的迹象。自 2000 年代中期以来，科学文献的认知程度停滞不前，某些领域出现萎缩。中国虽然是科学出版物的主要生产国，但与一些西欧国家和日本相比，其认知范围较小。
文献计量学可以为研究绩效提供有价值的见解，但在代表所产生的所有知识和衡量研究投入方面存在局限性。鼓励各国政府通过向文献计量学家提供研究机构的劳动力和资本投入数据，华体会电竞支持更全面的研究生产力评估。总之，虽然在寻找新思路方面存在挑战，但加大努力和采用新方法有助于推动科技进步。
图片
科学中的人工智能
人工智能（AI）正越来越多地融入科学研究的各个阶段，从假设生成到实验设计、监测、模拟和出版。尽管如此，人工智能对科学的潜在影响距离真正发挥作用还有很长的路要走。
人工智能在科学中的应用可分为几类。举例而言，机器学习模型尽管难以解释，但在假设生成、实验监控和精确测量等任务中很有价值。生成式人工智能可以创建新数据，有助于模拟和将低分辨率图像增强为高分辨率图像，从而使材料科学等领域受益。深度学习算法在处理卫星图像和气象数据等非结构化数据、解决异常任务和推进因果模型以区分相关性和因果关系方面非常有效，这与医学和社会科学尤为相关。人工智能可以管理科学管道中的不确定性，通过优先处理不确定领域来优化数据采集。它还能通过推动数学发展间接造福科学，例如利用强化学习更高效地进行矩阵乘法。在科学领域，它可以总结研究论文，更有效地向理论物理学家展示实验测量结果。同行评审过程中也在探索人工智能。
总体而言，人工智能有望彻底改变科学工作流程，但其全部潜力仍有待充分发挥。
图片
挑战与未来人工智能用于科学的挑战和机遇的重点是统计机器学习和模式学习之间的区别。虽然统计型机器学习在模式学习方面得到了广泛应用并取得了成功，但它缺乏像人类科学家那样进行理性推理、抽象建模和逻辑推理的能力。另一方面，模式学习可以用较少的训练数据解释更多的观察结果，这与人类科学家从稀疏数据中推导出模型的方法类似。
本书中强调了统计机器学习的局限性，如严重依赖大量数据、数据注释问题，以及由于数据特征不同而无法在不同科学领域进行推广。此外，统计机器学习方法的黑箱性质给理解底层过程带来了挑战。解决理解和迁移学习问题不能仅仅依靠提高计算能力。然而，与统计机器学习不同的人工智能方法，如深度学习，受到的关注、研究力度和资金都较少。
此外，计算机仍然无法提出研究问题、设计实验并理解其局限性。需要投入更多资源来开发与人工智能相关的方法论框架，以促进科学发现。
图片
对发展中国家的影响
人工智能在发展中国家的应用仍不明确，也不确定人工智能是否会扩大富国和穷国之间的科学能力差距。就现状而言，关于人工智能及其应用的研究主要由欧洲、北美和中国的研究人员主导，来自撒哈拉以南非洲等发展中地区的代表非常有限。
以往的研究发现，尖端人工智能研究所需的计算资源更倾向于资源充足的大学、大型科技公司和富裕国家。该书认为，在非洲的研究中更多地使用人工智能将促进当地科学的发展，拓宽全球研究议程，吸引企业研发实验室，并提升民间社会的能力。然而，由于缺乏开发和应用强大人工智能方法的计算基础设施和工程资源，非洲研究人员面临着挑战。
为了解决低收入国家在人工智能方面的不足，双边和多边发展合作可以发挥至关重要的作用。重点支持发展中国家人工智能研究与开发的举措，有助于缩小这些地区的人工智能能力差距，促进科学进步。
图片
本站仅提供存储服务，所有内容均由用户发布，如发现有害或侵权内容，请点击举报。