論文の概要: A Computational Inflection for Scientific Discovery
- arxiv url: http://arxiv.org/abs/2205.02007v1
- Date: Wed, 4 May 2022 11:36:54 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-05 15:16:17.145622
- Title: A Computational Inflection for Scientific Discovery
- Title（参考訳）: 科学的発見のための計算的帰結
- Authors: Tom Hope, Doug Downey, Oren Etzioni, Daniel S. Weld, Eric Horvitz
- Abstract要約: 我々は科学的な発見の軌跡において、かなりの屈折の足元に立っている。
科学的データ、結果、出版物の爆発は、人間の認知能力の持続性とは対照的である。
本研究では,人間の有界能力に対抗し,知識のコーパスを取り入れたタスク誘導型知識検索の研究課題を提案する。
- 参考スコア（独自算出の注目度）: 48.176406062568674
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We stand at the foot of a significant inflection in the trajectory of
scientific discovery. As society continues on its fast-paced digital
transformation, so does humankind's collective scientific knowledge and
discourse. We now read and write papers in digitized form, and a great deal of
the formal and informal processes of science are captured digitally --
including papers, preprints and books, code and datasets, conference
presentations, and interactions in social networks and communication platforms.
The transition has led to the growth of a tremendous amount of information,
opening exciting opportunities for computational models and systems that
analyze and harness it. In parallel, exponential growth in data processing
power has fueled remarkable advances in AI, including self-supervised neural
models capable of learning powerful representations from large-scale
unstructured text without costly human supervision. The confluence of societal
and computational trends suggests that computer science is poised to ignite a
revolution in the scientific process itself.
However, the explosion of scientific data, results and publications stands in
stark contrast to the constancy of human cognitive capacity. While scientific
knowledge is expanding with rapidity, our minds have remained static, with
severe limitations on the capacity for finding, assimilating and manipulating
information. We propose a research agenda of task-guided knowledge retrieval,
in which systems counter humans' bounded capacity by ingesting corpora of
scientific knowledge and retrieving inspirations, explanations, solutions and
evidence synthesized to directly augment human performance on salient tasks in
scientific endeavors. We present initial progress on methods and prototypes,
and lay out important opportunities and challenges ahead with computational
approaches that have the potential to revolutionize science.
- Abstract（参考訳）: 我々は科学的発見の軌跡において重要な変曲の足元に立っている。
社会がデジタルトランスフォーメーションのペースを早めるにつれて、人類の集団的な科学的知識と談話も続く。
私たちは現在、論文をデジタル形式で読み書きし、科学の形式的および非公式なプロセスの多くをデジタル的に捉えています - 論文、事前印刷、書籍、コードとデータセット、カンファレンスプレゼンテーション、ソーシャルネットワークと通信プラットフォームにおけるインタラクションなどです。
この変化は膨大な量の情報の成長につながり、それを分析し活用する計算モデルやシステムにとってエキサイティングな機会となった。
並行して、データ処理能力の指数関数的な成長は、人的監督を伴わずに大規模な非構造化テキストから強力な表現を学習できる自己教師型ニューラルネットワークを含む、AIの顕著な進歩を後押ししている。
社会と計算の傾向の合流は、コンピュータ科学が科学プロセス自体の革命を火付けようとしていることを示唆している。
しかし、科学データ、結果、出版物の爆発は、人間の認知能力の構成要素とは対照的である。
科学的知識は急速に拡大しているが、私たちの心は静的のままであり、情報の発見、同化、操作の能力に厳しい制限がある。
本研究では, 科学的知識のコーパスを取り込み, インスピレーション, 説明, 解決, 証拠を抽出することにより, 人間の有界能力に対処するタスク誘導型知識検索の研究課題を提案する。
我々は,手法とプロトタイプの初期の進歩を報告し,科学に革命をもたらす可能性を持つ計算的アプローチに向けて重要な機会と課題を提示する。
関連論文リスト
- The Computational Lens: from Quantum Physics to Neuroscience [0.92463347238923]
コンピューティングの2つの変革的な波は、私たちが科学にアプローチする方法を再定義した。
私は、概念レベルを目指して、計算レンズを科学に提示します。
具体的には、計算は情報処理システムを理解し解析するのに便利で機械的な言語として機能する。
論文 参考訳（メタデータ） (2023-10-31T15:21:22Z) - Large Language Models for Scientific Synthesis, Inference and
Explanation [56.41963802804953]
大規模言語モデルがどのように科学的合成、推論、説明を行うことができるかを示す。
我々は,この「知識」を科学的文献から合成することで,大きな言語モデルによって強化できることを示す。
このアプローチは、大きな言語モデルが機械学習システムの予測を説明することができるというさらなる利点を持っている。
論文 参考訳（メタデータ） (2023-10-12T02:17:59Z) - Transformers and Large Language Models for Chemistry and Drug Discovery [0.4769602527256662]
言語モデリングは、主にTransformerアーキテクチャの発明によって、ここ数年で目覚ましい進歩を遂げてきた。
トランスフォーマーは、再合成計画や化学宇宙探査など、薬物発見プロセスにおける重要なボトルネックに取り組む。
新しい傾向は、大規模言語モデルにおける最近の発展を活用し、化学における一般的なタスクを解くことができるモデルの波を生み出している。
論文 参考訳（メタデータ） (2023-10-09T18:40:04Z) - The Future of Fundamental Science Led by Generative Closed-Loop
Artificial Intelligence [67.70415658080121]
機械学習とAIの最近の進歩は、技術革新、製品開発、社会全体を破壊している。
AIは、科学的な実践とモデル発見のための高品質なデータの大規模なデータセットへのアクセスがより困難であるため、基礎科学にはあまり貢献していない。
ここでは、科学的な発見に対するAI駆動、自動化、クローズドループアプローチの側面を調査し、調査する。
論文 参考訳（メタデータ） (2023-07-09T21:16:56Z) - Modeling Information Change in Science Communication with Semantically
Matched Paraphrases [50.67030449927206]
SPICEDは、情報変化の度合いに注釈を付けた科学的な発見の最初のパラフレーズデータセットである。
SPICEDには、ニュース記事、ソーシャルメディアの議論、オリジナル論文の全文から抽出された6000の科学的発見ペアが含まれている。
SPICEDで訓練されたモデルは、実世界の科学的主張の事実チェックのための証拠検索において下流のパフォーマンスを改善する。
論文 参考訳（メタデータ） (2022-10-24T07:44:38Z) - Standard Model Physics and the Digital Quantum Revolution: Thoughts
about the Interface [68.8204255655161]
量子システムの分離・制御・絡み合いの進歩は、かつての量子力学の興味深い特徴を、破壊的な科学的・技術的進歩のための乗り物へと変えつつある。
本稿では,3つの領域科学理論家の視点から,絡み合い,複雑性,量子シミュレーションのインターフェースについて考察する。
論文 参考訳（メタデータ） (2021-07-10T06:12:06Z) - Advances in Machine and Deep Learning for Modeling and Real-time
Detection of Multi-Messenger Sources [21.265580952147594]
人工知能アルゴリズムを応用し、多核宇宙物理学における計算的大いなる課題に取り組む先駆的な取り組みについて説明します。
本稿では, 科学的可視化と超大規模計算の重要性を考察する。
論文 参考訳（メタデータ） (2021-05-13T18:00:02Z) - Photonics for artificial intelligence and neuromorphic computing [52.77024349608834]
フォトニック集積回路は超高速な人工ニューラルネットワークを可能にした。
フォトニックニューロモルフィックシステムはナノ秒以下のレイテンシを提供する。
これらのシステムは、機械学習と人工知能の需要の増加に対応する可能性がある。
論文 参考訳（メタデータ） (2020-10-30T21:41:44Z) - When we can trust computers (and when we can't) [0.0]
理論上は比較的単純でしっかりと根ざした科学と工学の分野において、これらの手法は確かに強力である。
ビッグデータと機械学習の台頭は、真の説明力に欠けながら、計算に新たな課題をもたらす。
長期的には、デジタル計算に現在置かれている過度な信頼を誘惑するために、アナログ手法に重点を置く必要がある。
論文 参考訳（メタデータ） (2020-07-08T08:55:53Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。