論文の概要: AI for Science: An Emerging Agenda
- arxiv url: http://arxiv.org/abs/2303.04217v1
- Date: Tue, 7 Mar 2023 20:21:43 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-09 16:04:58.666327
- Title: AI for Science: An Emerging Agenda
- Title（参考訳）: AI for Science - 新進のアジェンダ
- Authors: Philipp Berens, Kyle Cranmer, Neil D. Lawrence, Ulrike von Luxburg and
Jessica Montgomery
- Abstract要約: 本報告では,Dagtuhl Seminar 22382 "Machine Learning for Science: Bridging Data-Driven and Mechanistic Modelling"のプログラムと成果について報告する。
AIの変革的ポテンシャルは、分野にわたって広く適用可能であることに由来するもので、研究領域間での統合によってのみ達成される。
技術的な進歩に加えて、この分野における次の進歩の波は、機械学習研究者、ドメインエキスパート、市民科学者、エンジニアのコミュニティを構築することにある。
- 参考スコア（独自算出の注目度）: 30.260160661295682
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This report documents the programme and the outcomes of Dagstuhl Seminar
22382 "Machine Learning for Science: Bridging Data-Driven and Mechanistic
Modelling". Today's scientific challenges are characterised by complexity.
Interconnected natural, technological, and human systems are influenced by
forces acting across time- and spatial-scales, resulting in complex
interactions and emergent behaviours. Understanding these phenomena -- and
leveraging scientific advances to deliver innovative solutions to improve
society's health, wealth, and well-being -- requires new ways of analysing
complex systems. The transformative potential of AI stems from its widespread
applicability across disciplines, and will only be achieved through integration
across research domains. AI for science is a rendezvous point. It brings
together expertise from $\mathrm{AI}$ and application domains; combines
modelling knowledge with engineering know-how; and relies on collaboration
across disciplines and between humans and machines. Alongside technical
advances, the next wave of progress in the field will come from building a
community of machine learning researchers, domain experts, citizen scientists,
and engineers working together to design and deploy effective AI tools. This
report summarises the discussions from the seminar and provides a roadmap to
suggest how different communities can collaborate to deliver a new wave of
progress in AI and its application for scientific discovery.
- Abstract（参考訳）: 本報告は,dagstuhl seminar 22382 "machine learning for science: bridging data-driven and mechanistic modelling" のプログラムと成果について述べる。
今日の科学的課題は複雑さによって特徴づけられる。
相互接続された自然、技術、および人間のシステムは、時間的、空間的スケールにまたがる力に影響され、複雑な相互作用と創発的な行動をもたらす。
これらの現象を理解し、社会の健康、富、幸福を改善するための革新的な解決策を提供するには、複雑なシステムを分析する新しい方法が必要である。
AIの変革的ポテンシャルは、分野にわたって広く適用可能であることに由来するもので、研究領域間での統合によってのみ達成される。
科学のためのAIはランデブーポイントだ。
これは、$\mathrm{AI}$とアプリケーションドメインの専門知識、モデリング知識とエンジニアリングノウハウの組み合わせ、そして、規律と人間と機械間のコラボレーションに依存している。
技術的な進歩に加えて、この分野における次の進歩の波は、機械学習研究者、ドメインエキスパート、市民科学者、そして効果的なAIツールの設計とデプロイのために協力して働くエンジニアのコミュニティを構築することにある。
このレポートはセミナーの議論を要約し、異なるコミュニティが協力してaiの新たな進歩の波と科学的発見の応用を提供する方法を示唆するロードマップを提供する。
関連論文リスト
- AI for social science and social science of AI: A Survey [47.5235291525383]
人工知能の最近の進歩は、人工知能の可能性を再考するきっかけとなった。
AIの人間的能力の増大は、社会科学研究にも注目されている。
論文 参考訳（メタデータ） (2024-01-22T10:57:09Z) - Artificial Intelligence for Science in Quantum, Atomistic, and Continuum
Systems [245.1050780515017]
科学のためのAI(AI4Science)として知られる新しい研究領域
領域は、物理世界(波動関数と電子密度)、原子(分子、タンパク質、物質、相互作用)、マクロ(流体、気候、地下)まで理解することを目的としている。
主要な課題は、物理第一原理、特に対称性を深層学習法によって自然システムで捉える方法である。
論文 参考訳（メタデータ） (2023-07-17T12:14:14Z) - 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) - Experiential AI: A transdisciplinary framework for legibility and agency
in AI [13.397979132753138]
実験AI(Experiential AI)は、科学者とアーティストが集まって人間と機械の絡み合いを調べる研究課題である。
本稿では、説明可能なAIの分野における進歩と限界について論じる。
論文 参考訳（メタデータ） (2023-06-01T12:59:06Z) - Scientists' Perspectives on the Potential for Generative AI in their
Fields [18.753742428223912]
ジェネレーティブAIモデルは、現代生活の多くの側面を変革しようとしている。
Generative AIは、さまざまな科学分野の発見の方法やペースに実質的な影響を与える可能性がある。
我々は、さまざまな分野の20人の科学者にインタビューして、ジェネレーティブAIがそれぞれの分野の実践にどのように価値をもたらすかについて、洞察を得た。
論文 参考訳（メタデータ） (2023-04-04T00:06:28Z) - Coordinated Science Laboratory 70th Anniversary Symposium: The Future of
Computing [80.72844751804166]
2021年、コーディネート・サイエンス研究所(CSL)は70周年を記念して、Future of Computing Symposiumを開催した。
シンポジウムで提案された主要な技術的ポイント、洞察、方向性を要約する。
参加者は、新しいコンピューティングパラダイム、技術、アルゴリズム、行動、そして将来予想される研究課題に関するトピックについて議論した。
論文 参考訳（メタデータ） (2022-10-04T17:32:27Z) - Learning from learning machines: a new generation of AI technology to
meet the needs of science [59.261050918992325]
科学的な発見のためのAIの有用性を高めるための新たな機会と課題を概説する。
産業におけるAIの目標と科学におけるAIの目標の区別は、データ内のパターンを識別することと、データから世界のパターンを発見することとの間に緊張を生じさせる。
論文 参考訳（メタデータ） (2021-11-27T00:55:21Z) - Empowering Local Communities Using Artificial Intelligence [70.17085406202368]
人中心の観点から、AIが社会に与える影響を探求する上で重要なトピックとなっている。
市民科学におけるこれまでの研究は、AIを使って研究に大衆を巻き込む方法を特定してきた。
本稿では,コミュニティ市民科学にAIを適用する上での課題について論じる。
論文 参考訳（メタデータ） (2021-10-05T12:51:11Z)
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。