論文の概要: Developing an NLP-based Recommender System for the Ethical, Legal, and
Social Implications of Synthetic Biology
- arxiv url: http://arxiv.org/abs/2207.06360v1
- Date: Sun, 10 Jul 2022 20:18:53 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-15 07:47:31.859761
- Title: Developing an NLP-based Recommender System for the Ethical, Legal, and
Social Implications of Synthetic Biology
- Title(参考訳): 合成生物学の倫理的・法的・社会的意味を考慮したNLPベースのレコメンダシステムの開発
- Authors: Damien Dablain, Lilian Huang and Brandon Sepulvado
- Abstract要約: 合成生物学は、食品の安全、健康、環境保護などの目的のために生物を工学的に再設計することを含む。
研究者や政策立案者には倫理的、法的、社会的な意味合い(ELSI)が多数ある。
社会科学者や倫理学者を合成生物学プロジェクトへ組み込む様々な努力が試みられている。
このテキストは異なるアプローチを提案し、自然言語処理(NLP)に基づいた優れたレコメンデーターモデルを開発し、合成生物学者と特定の研究のELSIに関する情報を結びつけることは可能か?
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Synthetic biology is an emerging field that involves the engineering and
re-design of organisms for purposes such as food security, health, and
environmental protection. As such, it poses numerous ethical, legal, and social
implications (ELSI) for researchers and policy makers. Various efforts to
ensure socially responsible synthetic biology are underway. Policy making is
one regulatory avenue, and other initiatives have sought to embed social
scientists and ethicists on synthetic biology projects. However, given the
nascency of synthetic biology, the number of heterogeneous domains it spans,
and the open nature of many ethical questions, it has proven challenging to
establish widespread concrete policies, and including social scientists and
ethicists on synthetic biology teams has met with mixed success.
This text proposes a different approach, asking instead is it possible to
develop a well-performing recommender model based upon natural language
processing (NLP) to connect synthetic biologists with information on the ELSI
of their specific research? This recommender was developed as part of a larger
project building a Synthetic Biology Knowledge System (SBKS) to accelerate
discovery and exploration of the synthetic biology design space. Our approach
aims to distill for synthetic biologists relevant ethical and social scientific
information and embed it into synthetic biology research workflows.
- Abstract(参考訳): 合成生物学は、食品の安全性、健康、環境保護などの目的で生物の工学と再設計を含む新興分野である。
そのため、研究者や政策立案者には倫理的、法的、社会的な意味合い(ELSI)が多々ある。
社会に責任のある合成生物学を保証する様々な取り組みが進行中である。
政策立案は規制の道のりのひとつであり、他の取り組みは社会科学者や倫理学者を合成生物学プロジェクトに組み込もうとしている。
しかし、合成生物学の不均一な領域の数、そして多くの倫理的疑問のオープンな性質などによって、広く具体的な政策を確立することは困難であることが証明されており、合成生物学チームにおける社会科学者や倫理学者を含む様々な成功を収めている。
このテキストは異なるアプローチを提案し、その代わりに自然言語処理(NLP)に基づいて、合成生物学者と特定の研究のELSIに関する情報を結びつける優れたレコメンデーターモデルを開発することができるのか?
この勧告者は、合成生物学設計空間の発見と探索を加速するSBKS(Synthetic Biology Knowledge System)の構築プロジェクトの一環として開発された。
本研究の目的は, 倫理的, 社会科学的情報に関連する合成生物学者を蒸留し, 合成生物学研究のワークフローに組み込むことである。
関連論文リスト
- Transforming Science with Large Language Models: A Survey on AI-assisted Scientific Discovery, Experimentation, Content Generation, and Evaluation [58.064940977804596]
多くの新しいAIモデルとツールが提案され、世界中の研究者や学者が研究をより効果的かつ効率的に実施できるようにすることを約束している。
これらのツールの欠点と誤用の可能性に関する倫理的懸念は、議論の中で特に顕著な位置を占める。
論文 参考訳(メタデータ) (2025-02-07T18:26:45Z) - Mining for Species, Locations, Habitats, and Ecosystems from Scientific Papers in Invasion Biology: A Large-Scale Exploratory Study with Large Language Models [6.364723262453785]
本稿では,大規模言語モデル(LLM)の機能を利用して,侵略生物学の文献から重要な生態要素を抽出する。
具体的には、種名、生息地、生息地、生態系を抽出することに焦点を当て、種の普及を理解する上で重要な情報である。
この研究は、研究者や実践者が生物学的侵略を理解し、管理するのに役立つ、より高度で自動化された知識抽出ツールの基盤となる。
論文 参考訳(メタデータ) (2025-01-30T11:55:44Z) - Applications and Challenges of AI and Microscopy in Life Science Research: A Review [7.771558261139913]
本稿では,生命科学におけるAIと顕微鏡の交わりについて考察し,その潜在的な応用と関連する課題を強調した。
我々は、さまざまな生物学的システムがAIからどのような恩恵を受けることができるのかを詳細にレビューし、このドメイン固有のデータの種類とラベル付け要件を強調します。
特に顕微鏡データに注意が向けられ、この情報を処理し解釈するのに必要な特定のAI技術を探究する。
論文 参考訳(メタデータ) (2025-01-22T08:32:36Z) - Toward AI-Driven Digital Organism: Multiscale Foundation Models for Predicting, Simulating and Programming Biology at All Levels [37.64318681235737]
我々は、AIを使って生物学と生命をモデル化し、シミュレートするアプローチを提案する。
AI-Driven Digital Organism(AIDO)は、統合されたマルチスケール基盤モデルのシステムである。
AIDOは、より優れたウェットラブ実験の新たな波を誘発する可能性があると私たちは考えています。
論文 参考訳(メタデータ) (2024-12-09T20:59:59Z) - Automating Exploratory Proteomics Research via Language Models [22.302672656499315]
PROTEUSは、生データから科学的発見を行うための完全に自動化されたシステムである。
人間の介入なしに研究目的、分析結果、新しい生物学的仮説を包括的に作成する。
論文 参考訳(メタデータ) (2024-11-06T08:16:56Z) - Many Heads Are Better Than One: Improved Scientific Idea Generation by A LLM-Based Multi-Agent System [62.832818186789545]
Virtual Scientists (VirSci) は、科学研究に固有のチームワークを模倣するために設計されたマルチエージェントシステムである。
VirSciは研究のアイデアを共同で生成し、評価し、洗練するエージェントのチームを組織している。
このマルチエージェントアプローチは、新しい科学的アイデアを生み出す上で、最先端の手法よりも優れていることを示す。
論文 参考訳(メタデータ) (2024-10-12T07:16:22Z) - BioT5+: Towards Generalized Biological Understanding with IUPAC Integration and Multi-task Tuning [77.90250740041411]
本稿では,BioT5フレームワークの拡張であるBioT5+を紹介する。
BioT5+ には、分子理解のための IUPAC 名の統合、bioRxiv や PubChem などのソースからの広範なバイオテキストと分子データの統合、タスク間の汎用性のためのマルチタスク命令チューニング、数値データの処理を改善する数値トークン化技術など、いくつかの新機能が含まれている。
論文 参考訳(メタデータ) (2024-02-27T12:43:09Z) - An Evaluation of Large Language Models in Bioinformatics Research [52.100233156012756]
本研究では,大規模言語モデル(LLM)の性能について,バイオインフォマティクスの幅広い課題について検討する。
これらのタスクには、潜在的なコーディング領域の同定、遺伝子とタンパク質の命名されたエンティティの抽出、抗微生物および抗がんペプチドの検出、分子最適化、教育生物情報学問題の解決が含まれる。
以上の結果から, GPT 変種のような LLM がこれらのタスクの多くをうまく処理できることが示唆された。
論文 参考訳(メタデータ) (2024-02-21T11:27:31Z) - The whack-a-mole governance challenge for AI-enabled synthetic biology:
literature review and emerging frameworks [0.0]
AIによる合成生物学は、大きな可能性を秘めているが、バイオリスクも著しく増大している。
将来のAIによるバイオハザードの予防と緩和を可能にする早期警戒システムを実現するには、常に進化する必要がある。
生成AIによって実現されたチャットボットの最近の進歩は、高度な生物学的洞察が悪性個人や組織の手に入りやすいという懸念を復活させた。
論文 参考訳(メタデータ) (2024-02-01T03:53:13Z) - Scientific Large Language Models: A Survey on Biological & Chemical Domains [47.97810890521825]
大規模言語モデル(LLM)は、自然言語理解の強化において、変革的な力として現れてきた。
LLMの応用は従来の言語境界を超えて、様々な科学分野で開発された専門的な言語システムを含んでいる。
AI for Science(AI for Science)のコミュニティで急成長している分野として、科学LLMは包括的な探査を義務付けている。
論文 参考訳(メタデータ) (2024-01-26T05:33:34Z) - BioT5: Enriching Cross-modal Integration in Biology with Chemical
Knowledge and Natural Language Associations [54.97423244799579]
$mathbfBioT5$は、化学知識と自然言語の関連性によって生物学のクロスモーダルな統合を強化する事前学習フレームワークである。
$mathbfBioT5$は構造化知識と非構造化知識を区別し、より効果的な情報利用につながる。
論文 参考訳(メタデータ) (2023-10-11T07:57:08Z)
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。