ИИ в науке
Искусственный интеллект ускоряет научные открытия и требует междисциплинарного подхода, особенно в обучении и развитии инфраструктуры. Поддержка государства в финансировании, использовании открытых платформ и поддержании устойчивости важна. Особое внимание уделяется развивающимся регионам и оценке влияния ИИ на науку и общество.
В последние годы искусственный интеллект (ИИ) стремительно развивается, находя множество креативных применений в науке. Ускорение научной продуктивности может стать самым экономически и социально ценным из всех применений ИИ. Использование ИИ для повышения научной продуктивности помогает странам развиваться, внедрять инновации и решать глобальные задачи, такие как изменение климата и новые эпидемии.
Эта статья предназначена для широкой аудитории, включая политиков, общественность и заинтересованные стороны во всех областях науки. Она написана простым языком и включает мнения известных исследователей и практиков. В книге рассматриваются различные темы, включая текущие и будущие применения ИИ в науке, где необходим прогресс для улучшения научного развития, и изменения в научной продуктивности. Также обсуждаются меры для ускорения интеграции ИИ в исследования в развивающихся странах.
Особое внимание уделяется политике в отношении ИИ в науке. Политики и деятели научной сферы могут способствовать более глубокому внедрению ИИ в науку, усиливая его позитивное влияние и адаптируясь к быстро меняющимся условиям управления в исследованиях.
Эта статья предназначена для широкой аудитории, включая политиков, общественность и заинтересованные стороны во всех областях науки. Она написана простым языком и включает мнения известных исследователей и практиков. В книге рассматриваются различные темы, включая текущие и будущие применения ИИ в науке, где необходим прогресс для улучшения научного развития, и изменения в научной продуктивности. Также обсуждаются меры для ускорения интеграции ИИ в исследования в развивающихся странах.
Особое внимание уделяется политике в отношении ИИ в науке. Политики и деятели научной сферы могут способствовать более глубокому внедрению ИИ в науку, усиливая его позитивное влияние и адаптируясь к быстро меняющимся условиям управления в исследованиях.
Амбициозные междисциплинарные программы могут способствовать прогрессу
Для решения задач с использованием ИИ необходимы широкие междисциплинарные программы, объединяющие специалистов в области компьютеров с инженерами, статистиками, математиками и другими учеными. Для этого требуется целевое государственное финансирование, которое должно распределяться таким образом, чтобы стимулировать совместную работу, а не финансировать отдельные дисциплины по отдельности. Один из приоритетов — способствовать взаимодействию между робототехниками и специалистами в различных областях. Лабораторные роботы могут совершить революцию в некоторых научных сферах, снизив затраты и значительно ускорив проведение экспериментов.
Правительства могут поддерживать инициативы с долгосрочным воздействием, такие как "Nobel Turing Challenge", нацеленная на создание автономных систем, способных проводить исследования мирового уровня. Это может вдохновлять на сотрудничество и координацию, помогать сосредоточить усилия на глобальных вызовах, договариваться о стандартах и привлекать молодых ученых к таким амбициозным проектам.
Важно увеличить доступ к передовым вычислительным ресурсам для продвижения ИИ и науки. Большие технологические компании предоставляют вычислительные ресурсы, но остаются значительные пробелы, и менее обеспеченные исследовательские группы могут отставать. Для академических кругов использование передовых коммерческих облачных технологий зачастую слишком дорого. Национальные лаборатории совместно с индустрией и академическими учреждениями могут помочь устранить эти пробелы и разработать учебные материалы для вузов. Ведущие страны, такие как США и лидеры ЕС, могут совместно работать над политическими решениями для создания общего пула ресурсов.
Обновление учебных программ также может помочь. Например, с помощью проверенных ИИ-техник студенты могут учиться искать новые гипотезы в существующей научной литературе. Стандартная биомедицинская программа не предлагает такого обучения. Новые интегративные программы докторантуры и/или промышленные исследовательские программы на базе синтеза знаний, поддерживаемые ИИ, также могли бы быть полезны.
Правительства могут предпринять шаги для увеличения доступности открытых исследовательских данных и использовать их во многих областях, от здравоохранения до климата. Например, в Европе внедряется пространство данных в здравоохранении и проект GAIA-X для создания федеративной инфраструктуры данных. Исследовательские центры могут использовать системы, такие как федеративное обучение, чтобы применять ИИ к чувствительным данным из разных источников, не нарушая конфиденциальности. Другой задачей является обеспечение совместимости лабораторного оборудования через стандартизированные интерфейсы. Правительства могли бы содействовать сотрудничеству между пользователями лабораторий, поставщиками оборудования и разработчиками технологий для достижения этой цели.
Правительства могут поддерживать инициативы с долгосрочным воздействием, такие как "Nobel Turing Challenge", нацеленная на создание автономных систем, способных проводить исследования мирового уровня. Это может вдохновлять на сотрудничество и координацию, помогать сосредоточить усилия на глобальных вызовах, договариваться о стандартах и привлекать молодых ученых к таким амбициозным проектам.
Важно увеличить доступ к передовым вычислительным ресурсам для продвижения ИИ и науки. Большие технологические компании предоставляют вычислительные ресурсы, но остаются значительные пробелы, и менее обеспеченные исследовательские группы могут отставать. Для академических кругов использование передовых коммерческих облачных технологий зачастую слишком дорого. Национальные лаборатории совместно с индустрией и академическими учреждениями могут помочь устранить эти пробелы и разработать учебные материалы для вузов. Ведущие страны, такие как США и лидеры ЕС, могут совместно работать над политическими решениями для создания общего пула ресурсов.
Обновление учебных программ также может помочь. Например, с помощью проверенных ИИ-техник студенты могут учиться искать новые гипотезы в существующей научной литературе. Стандартная биомедицинская программа не предлагает такого обучения. Новые интегративные программы докторантуры и/или промышленные исследовательские программы на базе синтеза знаний, поддерживаемые ИИ, также могли бы быть полезны.
Правительства могут предпринять шаги для увеличения доступности открытых исследовательских данных и использовать их во многих областях, от здравоохранения до климата. Например, в Европе внедряется пространство данных в здравоохранении и проект GAIA-X для создания федеративной инфраструктуры данных. Исследовательские центры могут использовать системы, такие как федеративное обучение, чтобы применять ИИ к чувствительным данным из разных источников, не нарушая конфиденциальности. Другой задачей является обеспечение совместимости лабораторного оборудования через стандартизированные интерфейсы. Правительства могли бы содействовать сотрудничеству между пользователями лабораторий, поставщиками оборудования и разработчиками технологий для достижения этой цели.
Госисследования и разработки могут быть использованы для развития области
Государственные исследования и разработки (НИОКР) могут сосредоточиться на тех областях, где нужны прорывы для углубления использования ИИ в науке и инженерии. Исследовательские цели включают выход за рамки моделей, основанных на больших наборах данных и мощных вычислениях, а также автоматизацию создания доступных и совместимых данных. Ещё одной целью может быть развитие AutoML — автоматизация разработки моделей машинного обучения, что поможет справиться с нехваткой и высокой стоимостью специалистов по ИИ.
Поддержка также должна быть оказана разработке открытых платформ, которые отслеживают, какие модели ИИ лучше работают для различных задач. Государственная поддержка нужна, чтобы сделать эти платформы удобными для использования в разных научных областях.
Государственные НИОКР могут способствовать новому, междисциплинарному взгляду на проблемы. Например, обработка естественного языка (NLP) может помочь работать с растущим объемом научной литературы, хотя текущие возможности NLP преувеличены и не всегда стимулируют рискованные и новаторские методы, которые могут понадобиться для прорывов.
Знаниевые базы организуют мировые знания, связывая концепции из разных источников. Государства должны поддержать создание таких баз данных для науки и ИИ, что не будет реализовано частным сектором. Исследования могут нацелиться на создание открытой сети знаний для всего сообщества исследователей ИИ.
Темы исследований в области ИИ становятся все более узкими и ориентированными на подходы, требующие мощных вычислений и больших данных, доминирующих в крупных технологических компаниях. Увеличение финансирования государственных НИОКР могло бы сделать область более разнообразной и расширить круг талантов. Особое внимание должно уделяться проектам, которые исследуют новые методы, отличные от привычных методов глубокого обучения.
Также важно разрабатывать специализированные инструменты для улучшения взаимодействия людей и ИИ в научных командах, поскольку исследования всё больше проводятся крупными международными коллективами. Прогресс также необходим в применении машинного обучения к медицинской визуализации, особенно с учетом недостатков, выявленных во время COVID-19. Необходимо стимулировать исследования, которые включают более строгие методы оценки.
Поддержка также должна быть оказана разработке открытых платформ, которые отслеживают, какие модели ИИ лучше работают для различных задач. Государственная поддержка нужна, чтобы сделать эти платформы удобными для использования в разных научных областях.
Государственные НИОКР могут способствовать новому, междисциплинарному взгляду на проблемы. Например, обработка естественного языка (NLP) может помочь работать с растущим объемом научной литературы, хотя текущие возможности NLP преувеличены и не всегда стимулируют рискованные и новаторские методы, которые могут понадобиться для прорывов.
Знаниевые базы организуют мировые знания, связывая концепции из разных источников. Государства должны поддержать создание таких баз данных для науки и ИИ, что не будет реализовано частным сектором. Исследования могут нацелиться на создание открытой сети знаний для всего сообщества исследователей ИИ.
Темы исследований в области ИИ становятся все более узкими и ориентированными на подходы, требующие мощных вычислений и больших данных, доминирующих в крупных технологических компаниях. Увеличение финансирования государственных НИОКР могло бы сделать область более разнообразной и расширить круг талантов. Особое внимание должно уделяться проектам, которые исследуют новые методы, отличные от привычных методов глубокого обучения.
Также важно разрабатывать специализированные инструменты для улучшения взаимодействия людей и ИИ в научных командах, поскольку исследования всё больше проводятся крупными международными коллективами. Прогресс также необходим в применении машинного обучения к медицинской визуализации, особенно с учетом недостатков, выявленных во время COVID-19. Необходимо стимулировать исследования, которые включают более строгие методы оценки.
Вопросы управления исследованиями
Политические органы должны систематически оценивать влияние ИИ на повседневную научную практику, включая взаимодействие человека и ИИ, работу, карьерные пути и обучение — именно здесь возможны важные изменения. Финансирующие организации могут потребовать таких оценок, а также должны установить механизмы реагирования на полученные инсайты. Можно создать и поддерживать независимые форумы для постоянного диалога о меняющейся природе научной работы и её влиянии на исследовательскую продуктивность и культуру.
Использование больших языковых моделей (таких как ChatGPT) требует внимания политиков, поскольку их последствия пока неясны. Эти модели способны сделать работу более поверхностной, размыть понятия авторства и владения, а также создать неравенство между носителями языков с разными ресурсами. Тем не менее, эти технологии могут также помочь в таких процессах, как рецензирование, что требует дальнейших исследований.
Политики должны учитывать потенциальные опасности двойного использования ИИ в разработке лекарств. Немного внимания уделяется угрозам автоматизации процесса создания и тестирования опасных молекул. Политикам необходимо оценить возможные механизмы управления, которые лучше защитят общественные интересы.
Использование больших языковых моделей (таких как ChatGPT) требует внимания политиков, поскольку их последствия пока неясны. Эти модели способны сделать работу более поверхностной, размыть понятия авторства и владения, а также создать неравенство между носителями языков с разными ресурсами. Тем не менее, эти технологии могут также помочь в таких процессах, как рецензирование, что требует дальнейших исследований.
Политики должны учитывать потенциальные опасности двойного использования ИИ в разработке лекарств. Немного внимания уделяется угрозам автоматизации процесса создания и тестирования опасных молекул. Политикам необходимо оценить возможные механизмы управления, которые лучше защитят общественные интересы.
Политикам и их сотрудникам необходимо больше знаний и опыта для принятия решений о том, какие технологические инициативы следует поддерживать
Существующие социальные сети и платформы могут использоваться для распространения новых практик. Платформы, такие как Academia.edu и сообщество Loop, могут служить площадками для экспериментов с комбинированным открытием знаний с помощью человека и ИИ, генерацией идей и синтезом, а также для распространения и развития таких подходов, как открытие знаний на основе литературы.
Необходимо также предпринять шаги для улучшения воспроизводимости исследований в области ИИ. Государственные финансирующие организации могут требовать свободного обмена кода, данных и метаданных с третьими сторонами, что позволит им проводить эксперименты на собственном оборудовании.
Существует веская причина для значительного увеличения финансирования ИИ в науке в регионах, таких как страны южнее Сахары, а также в других развивающихся странах. Международное сотрудничество может помочь странам развивать открытую науку, разрабатывать законодательство о защите данных, улучшать цифровую инфраструктуру и поддерживать собственные инициативы, включая развитие данных, программного обеспечения и технологий. Проекты с развивающимися странами в области ИИ в науке могут быть взаимовыгодными, и доказано, что модели поддержки с низкими затратами эффективны. Также сотрудничество в области развития может помочь создать и поддерживать центры научного совершенства.
Необходимо также предпринять шаги для улучшения воспроизводимости исследований в области ИИ. Государственные финансирующие организации могут требовать свободного обмена кода, данных и метаданных с третьими сторонами, что позволит им проводить эксперименты на собственном оборудовании.
Существует веская причина для значительного увеличения финансирования ИИ в науке в регионах, таких как страны южнее Сахары, а также в других развивающихся странах. Международное сотрудничество может помочь странам развивать открытую науку, разрабатывать законодательство о защите данных, улучшать цифровую инфраструктуру и поддерживать собственные инициативы, включая развитие данных, программного обеспечения и технологий. Проекты с развивающимися странами в области ИИ в науке могут быть взаимовыгодными, и доказано, что модели поддержки с низкими затратами эффективны. Также сотрудничество в области развития может помочь создать и поддерживать центры научного совершенства.
Получите оценку проекта
Нажимая на кнопку, вы даете согласие на обработку персональных данных и соглашаетесь c политикой конфиденциальности
Оцените свой проект! Заполните форму ниже
Похожие статьи
© ООО «АЛЛ СИИ», 2024