【新智元導(dǎo)讀】就在剛剛，陶哲軒領(lǐng)銜的一份 62 頁報告出爐了，總結(jié)和預(yù)測了 AI 對半導(dǎo)體、超導(dǎo)體、宇宙基礎(chǔ)物理學(xué)、生命科學(xué)等領(lǐng)域帶來的巨大改變。如果這些預(yù)測在幾十年后能夠?qū)崿F(xiàn)，美國醞釀的 AI「登月計劃」就將成真。
就在剛剛，陶哲軒領(lǐng)銜的一份 AI 技術(shù)對全球研究潛在影響的技術(shù)報告發(fā)布了。
這份報告長達(dá) 62 頁，總結(jié)了 AI 對材料、半導(dǎo)體設(shè)計、氣候、物理、生命科學(xué)等領(lǐng)域已經(jīng)做出的改變，以及預(yù)測它們在未來可能由 AI 產(chǎn)生的改變。
報告地址：
https://www.whitehouse.gov/wp-content/uploads/2024/04/AI-Report_Upload_29APRIL2024_SEND-2.pdf
除了總結(jié) AI 工具已經(jīng)改變的科學(xué)領(lǐng)域的小插曲，陶哲軒等人還發(fā)出了三個呼吁 ——
1.必須賦予人類科學(xué)家更多的權(quán)能；
2.所有人必須負(fù)責(zé)任地使用 AI 工具；
3.國家層面需要共享基本的 AI 資源。
一旦必要的 AI 基礎(chǔ)設(shè)施到位，新的科學(xué)「登月計劃」將成為可能
眾所周知，AI—— 可以幫助研究人員從數(shù)據(jù)中獲得更多洞見，并確定最可能的解決方案；可以幫助處理日常任務(wù)，從而讓研究人員能夠?qū)Ｗ⒂诤诵难芯?；可以幫助實現(xiàn)實驗室流程的自動化；可以幫助完成以前很難實現(xiàn)的模擬；可以通過多模態(tài)基礎(chǔ)模型將多種形式的數(shù)據(jù)匯集在一起，并在不同科學(xué)分支之間創(chuàng)造新的協(xié)同效應(yīng)。
而當(dāng)資源到位，并可以提供算力、安全的數(shù)據(jù)共享服務(wù)、開源的 AI 模型以及其他關(guān)鍵基礎(chǔ)設(shè)施的訪問時，我們就可以開始規(guī)劃那些十分復(fù)雜且規(guī)模巨大的「登月式」科研項目。
這些項目可能包括:
- 一個模擬人類細(xì)胞復(fù)雜性的基礎(chǔ)模型，允許在計算機(jī)上（而不是在試管或活體內(nèi)），對疾病和實驗性治療進(jìn)行研究；
- 一個詳細(xì)的整個地球模型，使用傳統(tǒng)和 AI 模型來描述地球系統(tǒng)的組成部分，同時也不斷地用高度多樣化的實時數(shù)據(jù)進(jìn)行更新；
- 通過系統(tǒng)收集、處理和 AI 輔助分析現(xiàn)有數(shù)據(jù)和文獻(xiàn)，以及自動化實驗室合成和測試可行的候選物，來發(fā)現(xiàn)實用的室溫超導(dǎo)體。
隨著共享 AI 資源基礎(chǔ)設(shè)施的出現(xiàn)，全新的合作形式將從規(guī)模效應(yīng)中獲得實質(zhì)性的好處，也就是說，隨著項目規(guī)模的擴(kuò)大，單位成本會降低、效率會提高。
與此同時，這種合作也可以減少不同團(tuán)隊之間的重復(fù)工作，提高研究效率。
AI 即將顛覆的學(xué)科領(lǐng)域
目前人類科學(xué)發(fā)展到這個階段，已經(jīng)到達(dá)了臨界點。在許多領(lǐng)域，我們都面臨著巨大的障礙，而這些障礙一旦能克服，這些領(lǐng)域的進(jìn)展都將邁入新的階段。
令人興奮的是，這些目前靠我們自己已經(jīng)很難再推進(jìn)太多的突破，靠 AI 很可能會被解決！
當(dāng)然，為了實現(xiàn)這些設(shè)想，我們還面臨一些必須考慮的潛在風(fēng)險，并且還需要實現(xiàn)目標(biāo)所需的資源。
AI 設(shè)計半導(dǎo)體，讓美國穩(wěn)坐第一
如今，支撐起全球經(jīng)濟(jì)和國家安全的現(xiàn)代電子設(shè)備，都需要依靠「芯片」來運行。
隨著這些芯片功能的增強(qiáng)，它們的復(fù)雜性也在不斷增加 —— 當(dāng)前最先進(jìn)的芯片，已經(jīng)包含了高達(dá)數(shù)百億個組件。
由于需要龐大的工程資源和復(fù)雜的基礎(chǔ)設(shè)施，目前只有規(guī)模最大的公司才有能力制造這些高端芯片。而 AI 則可以在顯著提升芯片設(shè)計質(zhì)量的同時，減少所需的時間和人數(shù)。
當(dāng)然，這些 AI 工具并不是要取代設(shè)計師，而是通過提高設(shè)計師的工作效率來幫助緩解專業(yè)芯片設(shè)計師短缺的問題。
現(xiàn)在，已經(jīng)有很多專為芯片設(shè)計師開發(fā)的 AI 輔助工具，可以讓初級設(shè)計師解決那些原本需要高級設(shè)計師花費大量時間來處理的問題。
同時，還有一些芯片設(shè)計 AI 智能體還能總結(jié)錯誤報告和設(shè)計文檔，或者基于簡單的英語提示為其他設(shè)計自動化工具生成腳本。
https://arxiv.org/pdf/2311.00176
甚至，正在開發(fā)中的 AI，還能夠設(shè)計出比傳統(tǒng)方法更快或更小的電路.
通過利用強(qiáng)化學(xué)習(xí)技術(shù)，AI 在探索可能的電路配置時會收到正面的「獎勵」和負(fù)面的「懲罰」，從而使其能夠調(diào)整其設(shè)計策略，最終找到那些具有理想特性的電路設(shè)計方法。
隨著半導(dǎo)體技術(shù)的快速進(jìn)步，每次更迭都需要重新設(shè)計數(shù)千種標(biāo)準(zhǔn)設(shè)計單元，從而適應(yīng)新的制造工藝。對許多制造商而言，這一過程可能需要投入高達(dá) 80 人月的勞動力。
相比之下，結(jié)合了生成式 AI 用于數(shù)據(jù)聚類和強(qiáng)化學(xué)習(xí)用于糾正設(shè)計規(guī)則錯誤，能夠自動化這一設(shè)計過程，將所需的工作量減少超過一千倍。
論文地址：https://dl.acm.org/doi/pdf/10.1145/3569052.3578920
與此同時，F(xiàn)PGA 的應(yīng)用使得在最新的 AI 驅(qū)動放置和布線技術(shù)上能夠快速迭代，實現(xiàn)了超過三倍的效率提升。
在芯片設(shè)計的創(chuàng)建過程中，必須對設(shè)計進(jìn)行多種分析，以確保它們符合規(guī)定的標(biāo)準(zhǔn)和制造過程的約束。
在以往，為了精確掌握「寄生」特性，需要先制作電路的布局圖，這一步驟往往會使設(shè)計周期的每一次迭代增加數(shù)天的手動工作。
現(xiàn)在，整個設(shè)計迭代過程可以在幾分鐘內(nèi)完成，從而快速得到符合預(yù)期規(guī)格的電路。
很快，更強(qiáng)大的 LLM 將會化身成「芯片設(shè)計助手」—— 它們不僅能回答問題、評估和驗證設(shè)計，還能執(zhí)行一些常規(guī)設(shè)計任務(wù)。
此外，AI 技術(shù)將極大提升設(shè)計師的工作效率，可能增加十倍甚至更多。設(shè)計師只需把自己的注意力集中在算法和系統(tǒng)層面，而更細(xì)節(jié)的設(shè)計層面交給 AI 就可以了。
而且，AI 的合成與分析工具將極大縮短設(shè)計周期，使得從高層次的設(shè)計描述到完成驗證的布局只需幾小時，而現(xiàn)在這一過程需要幾周時間。
PCAST 預(yù)計，通過將這些前沿技術(shù)融入芯片制造過程，美國將繼續(xù)保持在半導(dǎo)體設(shè)計領(lǐng)域的領(lǐng)先地位，并有效緩解該領(lǐng)域的嚴(yán)重勞動力短缺問題。
甚至實現(xiàn)美國半導(dǎo)體行業(yè)的宏偉目標(biāo) —— 開發(fā)出全新的平臺、方法和工具，使得芯片的生產(chǎn)只需現(xiàn)在所需人力的十分之一。
揭示宇宙的基礎(chǔ)物理學(xué)：1 分鐘模擬超算的 1 個月
關(guān)于宇宙，這些謎題始終未曾解答。
是什么「暗物質(zhì)」將星系結(jié)合在一起?
又是什么「暗能量」推動所有星系間的距離加速膨脹?
最近觀測到的那些古老的星系，有什么意義?
這些對于宇宙的基礎(chǔ)理解，卻能讓我們實現(xiàn)技術(shù)上的飛躍。
比如，可能我們很難想象出一個比廣義相對論更抽象、更不切實際的基礎(chǔ)理論了，然而，它卻是全球定位系統(tǒng) GPS 的基礎(chǔ)，解決了我們此前從未預(yù)想到的定位和導(dǎo)航問題，而其中的經(jīng)濟(jì)利益，以千億美元計。
而如今，對于 AI 已經(jīng)成為物理學(xué)家和宇宙學(xué)家實驗和觀測中工作中的重要工具，用于設(shè)計、實現(xiàn)和分析大多數(shù)步驟。
某些對 AI 的應(yīng)用建立在目前的方法上，通過計算模擬，來比較和測試?yán)碚撆c數(shù)據(jù)，比如如果一個理論是正確的，數(shù)據(jù)看起來會是什么樣。
對于超級計算機(jī)，這些模擬可能是最困難的任務(wù)，因為它們需要計算每一個粒子、恒星或星系行為的每一步。
但 AI 的好處是，它可以從這些模擬中學(xué)習(xí)更大的模型。這樣，科學(xué)家就可以縮短這些超算的任務(wù)，讓它能夠在不到一分鐘的時間內(nèi)，看到一臺超算一個月工作量的近似值。
通過 AI，研究人員可以掃描數(shù)百萬種可能的理論，每一種都有我們字宙的不同初始圖像，他們就能看到，哪一種更能解釋我們實際用望遠(yuǎn)鏡觀察到的數(shù)據(jù)。
而到 2030 年末，我們就能用 AI 分析 Nancy Grace Roman 望遠(yuǎn)鏡十年的數(shù)據(jù)。
通過 AI 對數(shù)據(jù)進(jìn)行分析，科學(xué)家們很可能會發(fā)現(xiàn)驚人的證據(jù)，證明我們的字宙不會在指數(shù)膨脹的冷寂中終結(jié)，而是會重復(fù)地發(fā)生大爆炸，循環(huán)重啟。
AI 具有在復(fù)雜數(shù)據(jù)集中發(fā)現(xiàn)模式的能力，變量的數(shù)量遠(yuǎn)超人類可以跟蹤的數(shù)量。
如果有新發(fā)現(xiàn)打破了常規(guī)規(guī)律，就會脫穎而出。
已經(jīng)有粒子物理學(xué)家舉辦過比賽，來尋找搜索這些「異?！沟淖罴逊椒ǎ笳吆芸赡苤赶蛐碌奈锢戆l(fā)現(xiàn)。而比賽的獲勝者都是基于 AI 做出的發(fā)現(xiàn)。
這些 AI 方法，很可能使我們在下一代 CERN 和費米實驗室加速器實驗中，發(fā)現(xiàn)一些極其罕見、意想不到的粒子，這將有助于構(gòu)建統(tǒng)一理論，該理論將引力與其他力相結(jié)合。
基礎(chǔ)物理學(xué)和宇宙學(xué)，都是基于對數(shù)據(jù)進(jìn)行統(tǒng)計分析，因此需要深入了解數(shù)據(jù)解釋中的概率，這一要求也推動了 AI 在處理概率嚴(yán)謹(jǐn)性上的發(fā)展。
因為，我們需要 AI 做的，不僅是提供最有可能的答案 (「那是一張貓的照片」)，而是開發(fā)能夠提供一系列可能答案、并且提供每個答案正確可能性的 AI 系統(tǒng) (「有 69% 的可能性那是一只貓，22% 的可能性是土豚，8% 的可能性是氣球，百分之一的可能性是冰箱」)。
對于一個關(guān)鍵數(shù)字的測量，它會給出一組可能值，例如 68%、95% 或 99.9% 的概率。
評估不確定性，對于基礎(chǔ)物理學(xué)至關(guān)重要，而嚴(yán)格遵循概率的 AI，也將為許多其他科學(xué)領(lǐng)域帶來變革，對于科學(xué)意外的應(yīng)用也意義重大。
或許 20 年后，科學(xué)家會用 AI 看到量子計算機(jī)與黑洞之間的類比，開啟一種全新的測試廣義相對論的臺式方法，以及一種強(qiáng)大的新時序技術(shù)。
新材料：超導(dǎo)體、冷原子、拓?fù)浣^緣體、超導(dǎo)量子比特
曾經(jīng)，人類生活質(zhì)量的重大改善，是由青銅、鐵、混凝土、鋼這些材料科學(xué)的進(jìn)步推動的。
今天，我們生活在硅、碳?xì)浠衔锖拖跛猁}的時代。不久的將來，可能就是納米材料、生物聚合物和量子材料的時代。
而 AI 的輔助，會打開許多以往只存在于想象中的可能，包括室溫超導(dǎo)、大規(guī)模量子計算機(jī)架構(gòu)。
如今，科學(xué)家已經(jīng)成功地用深度學(xué)習(xí)模型發(fā)現(xiàn)了多種材料。
比如，某私營公司的跨學(xué)科研究團(tuán)隊，使用 AI 設(shè)計出了數(shù)百萬種新材料，近半數(shù) AI 預(yù)測出來的新材料，都具備足夠的穩(wěn)定性，可以在實驗室中生長。
另外，AI 也可用于改進(jìn)現(xiàn)有材料，優(yōu)化材料成分，減少對環(huán)境有害的物質(zhì)。
為了設(shè)計和開發(fā)新材料，來解決重大的社會挑戰(zhàn)，美國國家科學(xué)基金會 (NSF) 已經(jīng)投資了 7250 萬美元。
具體來說，以下幾個遇到阻礙的材料領(lǐng)域，很有望被 AI 解決。
超導(dǎo)體
去年夏天的室溫超導(dǎo)熱，讓全社會都感受到了奇點臨近的興奮。
對于磁共振成像儀、粒子加速器、某些實驗性的量子計算技術(shù)、全國電力網(wǎng)來說，超導(dǎo)體都是必不可少的，因為它能夠無損耗地傳輸電能。
然而，超導(dǎo)體面臨三個問題。
第一，就是目前已知的超導(dǎo)體必須冷卻到接近絕對零度，也即零下 273 攝氏度，這就需要使用液氮，導(dǎo)致設(shè)備極其昂貴。
第二，與銅等傳統(tǒng)導(dǎo)體不同，現(xiàn)有的超導(dǎo)體并不具有可塑性，會隨著時間失去超導(dǎo)性。
第三，前驅(qū)材料的成本，還是加工成導(dǎo)線的成本，也都十分昂貴。
從前，我們的嘗試都是依賴組合化學(xué)方法，需要篩選大量的材料組合。
因此，許多至關(guān)重要的材料的發(fā)現(xiàn)，都是出于偶然，期間經(jīng)歷了大量試驗和錯誤。
變量如此之多，讓材料價格低廉的要求如此之難，使得超導(dǎo)體的發(fā)現(xiàn)幾乎不可能用傳統(tǒng)方法解決。
而 AI，將在 3 個領(lǐng)域帶來改變。
首先，AI 模型預(yù)測能力，使我們能夠通過連接并利用現(xiàn)有材料、處理條件和性能方面的大量數(shù)據(jù)，來發(fā)現(xiàn)新材料。
從這個數(shù)據(jù)集中，可以確定化學(xué)、物理和工程中材料的模式，為研究人員提供新方法。
其次，人工智能模型可以預(yù)測性能（例如，預(yù)測量子比特的相于時間、熱電材料的效率或超導(dǎo)體的臨界溫度），從而減少對可行候選材料實驗的測試的浪費。
第三，通過將過程信息與材料組成相結(jié)合，可以在材料設(shè)計方面設(shè)定實際限制，加快新材料應(yīng)用的商業(yè)化過程。
除了超導(dǎo)體這種「硬」材料，聚合物、流體這些「軟」材料，因為材料科學(xué)中復(fù)雜的結(jié)構(gòu)-性能關(guān)系，同樣需要龐大的數(shù)據(jù)級和預(yù)測能力。
而且，量子計算機(jī)的基本構(gòu)建部分，如冷原子、拓?fù)浣^緣體或超導(dǎo)量子比特，都可以靠 AI 改進(jìn)或生成。
生命科學(xué)
美國國家科學(xué)技術(shù)委員會認(rèn)為，由 AI 驅(qū)動的工具、分析和結(jié)果，將從根本上改變我們探索和理解生命的基本組成部分的方式，還會影響到包括農(nóng)業(yè)和醫(yī)學(xué)的生命系統(tǒng)。
揭開細(xì)胞功能之謎
解讀細(xì)胞內(nèi)部復(fù)雜的運作機(jī)制，是幾個世紀(jì)以來一直困擾生物學(xué)家的難題，因為細(xì)胞的結(jié)構(gòu)極其復(fù)雜且互相關(guān)聯(lián)。
而 AI 就為此提供了強(qiáng)大的工具。
比如，AI 為蛋白質(zhì)提供了新的視角。
基于 AI 的蛋白質(zhì)折疊預(yù)測系統(tǒng)，可以利用機(jī)器學(xué)習(xí)算法預(yù)測了數(shù)百萬種蛋白質(zhì)的結(jié)構(gòu)。
這些系統(tǒng)從已知蛋白質(zhì)和結(jié)構(gòu)的數(shù)據(jù)中學(xué)習(xí)，也從基礎(chǔ)化學(xué)知識如原子間距離的物理約束中學(xué)習(xí)。
最近，研究人員還利用 AI 來破解蛋白質(zhì)的功能，包括蛋白質(zhì)如何相互作用，從而揭示細(xì)胞信號轉(zhuǎn)導(dǎo)、代謝和基因調(diào)控等分子機(jī)制。
人工智能工具也被用來設(shè)計蛋白質(zhì)，以實現(xiàn)與受體和其他目標(biāo)特異性結(jié)合的目標(biāo)。
AI 驅(qū)動的蛋白質(zhì)設(shè)計，已經(jīng)在開發(fā)疫苗和新型藥物方面取得了成功。其中一些設(shè)計方法，正是使用了「擴(kuò)散模型」和圖像生成系統(tǒng)的填充和描邊技術(shù)。
構(gòu)建生物科學(xué)基礎(chǔ)模型
構(gòu)建生物信息學(xué)仿真工具，一個很有潛力的方法是構(gòu)建面向整體細(xì)胞建模的多模態(tài)、多層次生物科學(xué)基礎(chǔ)模型。
AI 方法使科學(xué)家能夠?qū)Χ喾N類型的數(shù)據(jù)進(jìn)行多模態(tài)表征，或者「嵌入」，包括蛋白質(zhì)序列和結(jié)構(gòu)、DNA、RNA 表達(dá)數(shù)據(jù)、臨床觀察、成像數(shù)據(jù)和來自電子健康記錄的數(shù)據(jù)等。
例如，開發(fā)集成大型數(shù)據(jù)集的基礎(chǔ)模型 EVO，結(jié)合 DNA、RNA 和蛋白質(zhì)數(shù)據(jù)，來闡明細(xì)胞整體功能背后的相互作用。
這種多模態(tài)、多層次的模型，可以提供從原子到生理學(xué)的各種尺度的結(jié)果預(yù)測，以及分子和行為的生成。
生物科學(xué)基礎(chǔ)模型，有望使科學(xué)家探究健康與疾病的本質(zhì)，例如建立癌癥模型，并探索細(xì)胞相互作用，以及癌癥背后的網(wǎng)絡(luò)如何在模擬中被破壞或「治愈」。
AI 將指導(dǎo)藥物研發(fā)，在開始昂貴耗時的實驗之前，AI 就可以通過虛擬篩選潛在的治療化合物，減少不必要的浪費。
五點建議
為了實現(xiàn)以上技術(shù)進(jìn)步，PACST 委員會提出了以下五點建議。
建議 1：廣泛公平地共享基礎(chǔ) AI 資源
廣泛支持易于訪問的共享模型、數(shù)據(jù)集、基準(zhǔn)和計算能力，對于確保學(xué)術(shù)研究人員、國家和聯(lián)邦實驗室以及較小的公司和非營利組織能夠使用 AI 為國家創(chuàng)造利益至關(guān)重要。
在美國，最有希望的一個試點項目是 —— 國家人工智能研究資源（NAIRR），PCAST 建議盡快將 NAIRR 擴(kuò)展到特別工作組設(shè)想的規(guī)模，并獲得全額資助。
完整規(guī)模的 NAIRR，連同行業(yè)合作伙伴關(guān)系以及聯(lián)邦和州的其他 AI 基礎(chǔ)設(shè)施，可以作為美國或國際層面 AI 基礎(chǔ)設(shè)施項目的基石，從而促進(jìn)高影響力的研究。
建議 2：擴(kuò)大對聯(lián)邦數(shù)據(jù)集的安全訪問
PCAST 強(qiáng)烈建議擴(kuò)大現(xiàn)有的安全數(shù)據(jù)訪問試點計劃，并制定聯(lián)邦數(shù)據(jù)庫管理指南，從而加入入最先進(jìn)的隱私保護(hù)技術(shù)。
這包括允許獲批的研究人員有限度、安全地訪問聯(lián)邦數(shù)據(jù)集，以及允許向 NAIRR 等資源中心發(fā)布經(jīng)過匿名化處理的數(shù)據(jù)集。
此外，PCAST 還希望能進(jìn)一步執(zhí)行此類授權(quán)，包括共享在聯(lián)邦資助的研究數(shù)據(jù)上訓(xùn)練的 AI 模型，并提供足夠的資源來支持所需的行動。
建議 3：支持 AI 領(lǐng)域的基礎(chǔ)和應(yīng)用研究，其中包括學(xué)術(shù)界、工業(yè)界、國家和聯(lián)邦實驗室以及聯(lián)邦機(jī)構(gòu)之間的合作
聯(lián)邦資助的學(xué)術(shù)研究與私營部門研究之間的界限是模糊的。許多研究人員會在學(xué)術(shù)機(jī)構(gòu)、非營利組織和私營公司之間流動。在這之中，私營公司目前支持了相當(dāng)大比例的 AI 研發(fā)。
為了能夠充分利用 AI 在科學(xué)領(lǐng)域的潛在優(yōu)勢，就必須支持各種有前景、有成果的假設(shè)和方法的研究。
因此，資助機(jī)構(gòu)需要在如何與產(chǎn)業(yè)界合作以及哪些研究人員可以得到支持方面放寬姿態(tài)，以便促進(jìn)創(chuàng)新研究以及不同部門之間的協(xié)作。
建議 4：在科學(xué)研究過程的所有階段采用負(fù)責(zé)任、透明和值得信賴的 AI 使用原則
在科學(xué)研究中，使用 AI 可能會產(chǎn)生不準(zhǔn)確、有偏見、有害或無法復(fù)現(xiàn)的結(jié)果。因此，從項目的初始階段，就應(yīng)該對這些風(fēng)險進(jìn)行管理。
PCAST 建議，聯(lián)邦資助機(jī)構(gòu)可以更新其負(fù)責(zé)任研究行為準(zhǔn)則，要求研究人員提供負(fù)責(zé)任的 AI 使用計劃。為了最大限度地減輕研究人員的額外行政負(fù)擔(dān)，在列舉主要風(fēng)險后，機(jī)構(gòu)應(yīng)提供風(fēng)險緩解的示范流程。
與此同時，國家科學(xué)基金會（NSF）和國家標(biāo)準(zhǔn)與技術(shù)研究所（NIST）等機(jī)構(gòu)應(yīng)繼續(xù)支持負(fù)責(zé)任和值得信賴的 AI 的科學(xué)基礎(chǔ)研究。
其中包括，衡量 AI 準(zhǔn)確性、可重復(fù)性、公平性、彈性和可解釋性等屬性的標(biāo)準(zhǔn)基準(zhǔn)；監(jiān)測這些屬性并在基準(zhǔn)不在定義范圍內(nèi)時進(jìn)行調(diào)整的 AI 算法；以及評估數(shù)據(jù)集中的偏差，并區(qū)分合成數(shù)據(jù)和真實世界數(shù)據(jù)的工具。
建議 5：鼓勵采用創(chuàng)新方法將 AI 輔助集成到科學(xué)工作流程之中
科學(xué)事業(yè)是一個很好的「沙盒」，我們可以在其中練習(xí)、研究和評估人與 AI 助手之間新的協(xié)作范式。
不過，這里的目標(biāo)并不是追求自動化程度的最大化，而是要讓人類研究人員在負(fù)責(zé)任地利用 AI 輔助的同時，實現(xiàn)高質(zhì)量的科學(xué)研究。
資助機(jī)構(gòu)應(yīng)該重視這些新工作流的出現(xiàn)，并設(shè)計靈活的程序、評估指標(biāo)、資助模式和挑戰(zhàn)性問題，鼓勵以新的 AI 輔助方式組織和執(zhí)行科學(xué)項目的戰(zhàn)略性實驗。
此外，這些工作流的實施也為來自各個學(xué)科的研究人員提供了機(jī)會，從而推進(jìn)了在人機(jī)協(xié)作領(lǐng)域的知識。
更廣泛地說，我們還需要更新資助機(jī)構(gòu)、學(xué)術(shù)界和學(xué)術(shù)出版業(yè)的激勵機(jī)制，來支持更廣泛的科學(xué)貢獻(xiàn)。比如，策劃高質(zhì)量和廣泛可用的數(shù)據(jù)集，是無法通過傳統(tǒng)研究生產(chǎn)力指標(biāo)得到充分認(rèn)可的。
參考資料：
https://mathstodon.xyz/@tao/112355788324104561
本文來自微信公眾號：新智元 （ID：AI_era）
廣告聲明：文內(nèi)含有的對外跳轉(zhuǎn)鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時間，結(jié)果僅供參考，IT之家所有文章均包含本聲明。