|
來源：物聯(lián)焦點(diǎn) 作者：物聯(lián)焦點(diǎn) 《科學(xué)研究中的人工智能：挑戰(zhàn)、機(jī)遇和未來》面向廣大讀者，包括決策者、公眾和所有科學(xué)領(lǐng)域的利益相關(guān)者。該書以非技術(shù)性語言撰寫，匯集了著名研究人員和從業(yè)人員的觀點(diǎn)。書中探討了多個(gè)主題，包括人工智能在科學(xué)領(lǐng)域的當(dāng)前、新興和未來潛在用途，需要在哪些方面取得進(jìn)展才能更好地服務(wù)于科學(xué)進(jìn)步，以及科學(xué)生產(chǎn)力的變化。此外，該書還探討了加速將人工智能融入發(fā)展中國家研究的措施。該書的一個(gè)獨(dú)特貢獻(xiàn)是研究了人工智能在科學(xué)領(lǐng)域的政策。各研究系統(tǒng)的政策制定者和參與者可以做很多事情來深化人工智能在科學(xué)中的應(yīng)用，擴(kuò)大其積極影響，同時(shí)適應(yīng)人工智能對(duì)研究管理快速變化的影響。 摘要 跨學(xué)科計(jì)劃可促進(jìn)人工智能和科學(xué)的進(jìn)步 各國政府應(yīng)提供專項(xiàng)資金，鼓勵(lì)跨學(xué)科合作，通過實(shí)驗(yàn)室機(jī)器人加快實(shí)驗(yàn)進(jìn)程，為科學(xué)帶來革命性的變化。 可能采取的措施包括：政府鼓勵(lì)和支持具有長期影響的遠(yuǎn)見卓識(shí)的倡議；增加計(jì)算資源的可獲得性；更新課程中的相關(guān)內(nèi)容；提高開放研究數(shù)據(jù)的可用性等。 公共研發(fā)可用于推動(dòng)該領(lǐng)域的發(fā)展 公共研發(fā)可以瞄準(zhǔn)需要突破的研究領(lǐng)域，在推動(dòng)人工智能在科學(xué)和工程領(lǐng)域的應(yīng)用方面發(fā)揮著至關(guān)重要的作用。目標(biāo)研究領(lǐng)域包括自動(dòng)創(chuàng)建可查找、可訪問、可互操作和可重用（FAIR）的數(shù)據(jù)，以及推進(jìn) AutoML 以解決人工智能專業(yè)知識(shí)稀缺的問題。OpenML 和 DynaBench 等開放式平臺(tái)可追蹤各種問題的最佳人工智能模型也應(yīng)該應(yīng)得到公共支持。 此外，公共研發(fā)也可以通過促進(jìn)跨學(xué)科的藍(lán)天思維、構(gòu)建開放式知識(shí)網(wǎng)絡(luò)、探索主流深度學(xué)習(xí)方法之外的新技術(shù)項(xiàng)目、投資專業(yè)工具等方式刺激創(chuàng)新，并應(yīng)對(duì)各個(gè)領(lǐng)域的關(guān)鍵挑戰(zhàn)。 研究管理很重要 研究管理在科學(xué)實(shí)踐中推動(dòng)和負(fù)責(zé)任地使用人工智能方面發(fā)揮著至關(guān)重要的作用。政策機(jī)構(gòu)應(yīng)評(píng)估人工智能對(duì)研究各方面的影響，包括人與人工智能的團(tuán)隊(duì)合作、工作動(dòng)態(tài)、職業(yè)軌跡和培訓(xùn)等方面。 由于不確定的后果，如限制思考、著作權(quán)分歧、種族平等問題等，像 ChatGPT 這樣的大型語言模型（LLMs）的部署需要決策者的重點(diǎn)關(guān)注。 總之，有效的研究治理對(duì)于確保將人工智能融入科學(xué)實(shí)踐的道德和利益至關(guān)重要。政策制定者必須積極應(yīng)對(duì)人工智能進(jìn)步的影響，同時(shí)防范潛在風(fēng)險(xiǎn)并促進(jìn)負(fù)責(zé)任的使用。 避免外行指導(dǎo)內(nèi)行 政策制定者及其工作人員需要更多的專業(yè)知識(shí)，以幫助決定支持哪些技術(shù)倡議。比如利用社交媒體幫助傳播新興實(shí)踐、采取措施提高人工智能研究的可重復(fù)性、為發(fā)展中地區(qū)提供更多人工智能科學(xué)資金等。如此可以全方位促進(jìn)全球合作，推動(dòng)人工智能在科學(xué)領(lǐng)域的進(jìn)步。  科學(xué)變難了嗎？ 證據(jù)表明，在研究中尋找新思路正變得越來越困難。盡管科研力量源源不斷，但各種技術(shù)能力的回報(bào)卻呈遞減趨勢。技術(shù)指標(biāo)的進(jìn)步，需要不斷加大研究力度。對(duì)研究生產(chǎn)率（包括全要素生產(chǎn)率）的衡量表明，要保持恒定的指數(shù)級(jí)進(jìn)步速度，需要進(jìn)行更多的研究。 研究生產(chǎn)率的下降體現(xiàn)在不同領(lǐng)域，包括電子、農(nóng)業(yè)和生物制藥。雖然一些創(chuàng)新不斷提高經(jīng)濟(jì)和技術(shù)績效，但其他領(lǐng)域卻出現(xiàn)了停滯或衰退。人工智能在藥物發(fā)現(xiàn)方面的應(yīng)用雖然有所幫助，但由于數(shù)據(jù)質(zhì)量的局限性和關(guān)鍵領(lǐng)域缺乏進(jìn)展，可能不會(huì)產(chǎn)生革命性的影響。此外，用單一指標(biāo)衡量進(jìn)展可能會(huì)產(chǎn)生誤導(dǎo)，需要更廣泛的進(jìn)展衡量標(biāo)準(zhǔn)。 包括德國、日本和中國在內(nèi)的多個(gè)國家也有科研生產(chǎn)力下降的跡象。自 2000 年代中期以來，科學(xué)文獻(xiàn)的認(rèn)知程度停滯不前，某些領(lǐng)域出現(xiàn)萎縮。中國雖然是科學(xué)出版物的主要生產(chǎn)國，但與一些西歐國家和日本相比，其認(rèn)知范圍較小。 文獻(xiàn)計(jì)量學(xué)可以為研究績效提供有價(jià)值的見解，但在代表所產(chǎn)生的所有知識(shí)和衡量研究投入方面存在局限性。鼓勵(lì)各國政府通過向文獻(xiàn)計(jì)量學(xué)家提供研究機(jī)構(gòu)的勞動(dòng)力和資本投入數(shù)據(jù)，支持更全面的研究生產(chǎn)力評(píng)估?？傊?，雖然在尋找新思路方面存在挑戰(zhàn)，但加大努力和采用新方法有助于推動(dòng)科技進(jìn)步。  科學(xué)中的人工智能 人工智能（AI）正越來越多地融入科學(xué)研究的各個(gè)階段，從假設(shè)生成到實(shí)驗(yàn)設(shè)計(jì)、監(jiān)測、模擬和出版。盡管如此，人工智能對(duì)科學(xué)的潛在影響距離真正發(fā)揮作用還有很長的路要走。 人工智能在科學(xué)中的應(yīng)用可分為幾類。舉例而言，機(jī)器學(xué)習(xí)模型盡管難以解釋，但在假設(shè)生成、實(shí)驗(yàn)監(jiān)控和精確測量等任務(wù)中很有價(jià)值。生成式人工智能可以創(chuàng)建新數(shù)據(jù)，有助于模擬和將低分辨率圖像增強(qiáng)為高分辨率圖像，從而使材料科學(xué)等領(lǐng)域受益。深度學(xué)習(xí)算法在處理衛(wèi)星圖像和氣象數(shù)據(jù)等非結(jié)構(gòu)化數(shù)據(jù)、解決異常任務(wù)和推進(jìn)因果模型以區(qū)分相關(guān)性和因果關(guān)系方面非常有效，這與醫(yī)學(xué)和社會(huì)科學(xué)尤為相關(guān)。人工智能可以管理科學(xué)管道中的不確定性，通過優(yōu)先處理不確定領(lǐng)域來優(yōu)化數(shù)據(jù)采集。它還能通過推動(dòng)數(shù)學(xué)發(fā)展間接造?？茖W(xué)，例如利用強(qiáng)化學(xué)習(xí)更高效地進(jìn)行矩陣乘法。在科學(xué)領(lǐng)域，它可以總結(jié)研究論文，更有效地向理論物理學(xué)家展示實(shí)驗(yàn)測量結(jié)果。同行評(píng)審過程中也在探索人工智能。 總體而言，人工智能有望徹底改變科學(xué)工作流程，但其全部潛力仍有待充分發(fā)揮。  挑戰(zhàn)與未來人工智能用于科學(xué)的挑戰(zhàn)和機(jī)遇的重點(diǎn)是統(tǒng)計(jì)機(jī)器學(xué)習(xí)和模式學(xué)習(xí)之間的區(qū)別。雖然統(tǒng)計(jì)型機(jī)器學(xué)習(xí)在模式學(xué)習(xí)方面得到了廣泛應(yīng)用并取得了成功，但它缺乏像人類科學(xué)家那樣進(jìn)行理性推理、抽象建模和邏輯推理的能力。另一方面，模式學(xué)習(xí)可以用較少的訓(xùn)練數(shù)據(jù)解釋更多的觀察結(jié)果，這與人類科學(xué)家從稀疏數(shù)據(jù)中推導(dǎo)出模型的方法類似。 本書中強(qiáng)調(diào)了統(tǒng)計(jì)機(jī)器學(xué)習(xí)的局限性，如嚴(yán)重依賴大量數(shù)據(jù)、數(shù)據(jù)注釋問題，以及由于數(shù)據(jù)特征不同而無法在不同科學(xué)領(lǐng)域進(jìn)行推廣。此外，統(tǒng)計(jì)機(jī)器學(xué)習(xí)方法的黑箱性質(zhì)給理解底層過程帶來了挑戰(zhàn)。解決理解和遷移學(xué)習(xí)問題不能僅僅依靠提高計(jì)算能力。然而，與統(tǒng)計(jì)機(jī)器學(xué)習(xí)不同的人工智能方法，如深度學(xué)習(xí)，受到的關(guān)注、研究力度和資金都較少。 此外，計(jì)算機(jī)仍然無法提出研究問題、設(shè)計(jì)實(shí)驗(yàn)并理解其局限性。需要投入更多資源來開發(fā)與人工智能相關(guān)的方法論框架，以促進(jìn)科學(xué)發(fā)現(xiàn)。  對(duì)發(fā)展中國家的影響 人工智能在發(fā)展中國家的應(yīng)用仍不明確，也不確定人工智能是否會(huì)擴(kuò)大富國和窮國之間的科學(xué)能力差距。就現(xiàn)狀而言，關(guān)于人工智能及其應(yīng)用的研究主要由歐洲、北美和中國的研究人員主導(dǎo)，來自撒哈拉以南非洲等發(fā)展中地區(qū)的代表非常有限。 以往的研究發(fā)現(xiàn)，尖端人工智能研究所需的計(jì)算資源更傾向于資源充足的大學(xué)、大型科技公司和富裕國家。該書認(rèn)為，在非洲的研究中更多地使用人工智能將促進(jìn)當(dāng)?shù)乜茖W(xué)的發(fā)展，拓寬全球研究議程，吸引企業(yè)研發(fā)實(shí)驗(yàn)室，并提升民間社會(huì)的能力。然而，由于缺乏開發(fā)和應(yīng)用強(qiáng)大人工智能方法的計(jì)算基礎(chǔ)設(shè)施和工程資源，非洲研究人員面臨著挑戰(zhàn)。 為了解決低收入國家在人工智能方面的不足，雙邊和多邊發(fā)展合作可以發(fā)揮至關(guān)重要的作用。重點(diǎn)支持發(fā)展中國家人工智能研究與開發(fā)的舉措，有助于縮小這些地區(qū)的人工智能能力差距，促進(jìn)科學(xué)進(jìn)步。  |
|
|
