論文の概要: Quantifying the Benefit of Artificial Intelligence for Scientific Research

• arxiv url: http://arxiv.org/abs/2304.10578v1
• Date: Mon, 17 Apr 2023 08:08:50 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-30 08:13:50.032501
• Title: Quantifying the Benefit of Artificial Intelligence for Scientific Research
• Title（参考訳）: 科学研究における人工知能のメリットの定量化
• Authors: Jian Gao, Dashun Wang
• Abstract要約: 我々は、科学研究におけるAIの直接的な利用とAIの潜在的利益を推定する。 研究におけるAIの利用は科学全体に広まり、特に2015年以来急速に成長している。 ほぼすべての規律には、AIから大きく恩恵を受けるいくつかのサブフィールドが含まれていますが、AIの教育と研究への影響との間には、体系的なミスアライメントがあります。
• 参考スコア（独自算出の注目度）: 2.369164777214412
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The ongoing artificial intelligence (AI) revolution has the potential to change almost every line of work. As AI capabilities continue to improve in accuracy, robustness, and reach, AI may outperform and even replace human experts across many valuable tasks. Despite enormous efforts devoted to understanding AI's impact on labor and the economy and its recent success in accelerating scientific discovery and progress, we lack a systematic understanding of how advances in AI may benefit scientific research across disciplines and fields. Here we develop a measurement framework to estimate both the direct use of AI and the potential benefit of AI in scientific research by applying natural language processing techniques to 87.6 million publications and 7.1 million patents. We find that the use of AI in research appears widespread throughout the sciences, growing especially rapidly since 2015, and papers that use AI exhibit an impact premium, more likely to be highly cited both within and outside their disciplines. While almost every discipline contains some subfields that benefit substantially from AI, analyzing 4.6 million course syllabi across various educational disciplines, we find a systematic misalignment between the education of AI and its impact on research, suggesting the supply of AI talents in scientific disciplines is not commensurate with AI research demands. Lastly, examining who benefits from AI within the scientific workforce, we find that disciplines with a higher proportion of women or black scientists tend to be associated with less benefit, suggesting that AI's growing impact on research may further exacerbate existing inequalities in science. As the connection between AI and scientific research deepens, our findings may have an increasing value, with important implications for the equity and sustainability of the research enterprise.
• Abstract（参考訳）: 進行中の人工知能(AI)革命は、ほぼすべての作業ラインを変える可能性がある。 AIの能力が正確性、堅牢性、到達度を向上し続けるにつれ、AIは、多くの重要なタスクにわたって、人間の専門家よりも優れ、置き換える可能性がある。 AIの労働と経済への影響と、科学的な発見と進歩の加速における最近の成功を理解するための膨大な努力にもかかわらず、私たちは、AIの進歩が分野や分野にわたって科学的研究にどのように貢献するかについての体系的な理解を欠いている。 ここでは、8760万の出版物と7100万の特許に自然言語処理技術を適用することにより、科学研究におけるAIの直接利用とAIの潜在的利益の両方を推定する測定フレームワークを開発する。 私たちは、研究におけるAIの使用が科学全体に広まり、特に2015年以降急速に成長し、AIを使用する論文は、その分野内外の両方で非常に引用される可能性が高い、ということに気付きました。 ほぼすべての分野には、AIから恩恵を受けるいくつかのサブフィールドが含まれており、様々な教育分野にわたる460万のコースシラビを分析しているが、AIの教育と研究への影響の体系的な不一致が発見され、科学分野におけるAI人材の供給は、AI研究の要求と一致していないことを示唆している。 最後に、科学労働者の中で誰がAIから恩恵を受けるかを調べると、女性や黒人科学者の比率が高い分野は、より少ない利益に結びつく傾向にあり、研究に対するAIの増大が科学における既存の不平等をさらに悪化させる可能性があることを示唆している。 AIと科学研究の結びつきが深まるにつれ、我々の発見は、研究企業の株式と持続可能性に重要な意味を持ちながら、価値を増す可能性がある。

関連論文リスト

• The Narrow Depth and Breadth of Corporate Responsible AI Research [3.364518262921329]
  私たちは、AI企業の大多数が、この重要なAIのサブフィールドにおいて、限られた、あるいは全く関与していないことを示している。 主要なAI企業は、従来のAI研究に比べて、責任あるAI研究のアウトプットが著しく低い。 当社の結果は、業界が責任あるAI研究を公然と行う必要性を浮き彫りにしたものだ。
  論文  参考訳（メタデータ） (2024-05-20T17:26:43Z)
• Now, Later, and Lasting: Ten Priorities for AI Research, Policy, and Practice [63.20307830884542]
  今後数十年は、産業革命に匹敵する人類の転換点になるかもしれない。 10年前に立ち上げられたこのプロジェクトは、複数の専門分野の専門家による永続的な研究にコミットしている。 AI技術の短期的および長期的影響の両方に対処する、アクションのための10のレコメンデーションを提供します。
  論文  参考訳（メタデータ） (2024-04-06T22:18:31Z)
• 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)
• On the Opportunities of Green Computing: A Survey [80.21955522431168]
  人工知能(AI)は数十年にわたり、技術と研究において大きな進歩を遂げてきた。 高いコンピューティングパワーの必要性は、より高い二酸化炭素排出量をもたらし、研究の公正性を損なう。 コンピューティングリソースの課題とAIの環境への影響に取り組むため、グリーンコンピューティングはホットな研究トピックとなっている。
  論文  参考訳（メタデータ） (2023-11-01T11:16:41Z)
• Advancing Perception in Artificial Intelligence through Principles of Cognitive Science [6.637438611344584]
  我々は、周囲の信号を入力として取り、それを処理して環境を理解する、知覚の認知機能に焦点を当てる。 我々は、認知科学にインスパイアされたAIシステムを構築するために、AIに一連の方法を提案する。
  論文  参考訳（メタデータ） (2023-10-13T01:21:55Z)
• AI empowering research: 10 ways how science can benefit from AI [0.0]
  本稿では,人工知能(AI)が科学的研究に与える影響について考察する。 強力な参照ツール、研究問題の理解の改善、研究質問生成の改善、最適化された研究設計、スタブデータ生成、データ変換、高度なデータ分析、AI支援レポートなど、AIが科学者の仕事に革命をもたらす10の方法を強調している。
  論文  参考訳（メタデータ） (2023-07-17T18:41:18Z)
• 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)
• Trustworthy AI: A Computational Perspective [54.80482955088197]
  我々は,信頼に値するAIを実現する上で最も重要な6つの要素,(i)安全とロバスト性,(ii)非差別と公正,(iii)説明可能性,(iv)プライバシー,(v)説明可能性と監査性,(vi)環境ウェルビーイングに焦点をあてる。 各次元について、分類学に基づく最近の関連技術について概観し、実世界のシステムにおけるそれらの応用を概説する。
  論文  参考訳（メタデータ） (2021-07-12T14:21:46Z)
• Building Bridges: Generative Artworks to Explore AI Ethics [56.058588908294446]
  近年,人工知能(AI)技術が社会に与える影響の理解と緩和に重点が置かれている。 倫理的AIシステムの設計における重要な課題は、AIパイプラインには複数の利害関係者があり、それぞれがそれぞれ独自の制約と関心を持っていることだ。 このポジションペーパーは、生成的アートワークが、アクセス可能で強力な教育ツールとして機能することで、この役割を果たすことができる可能性のいくつかを概説する。
  論文  参考訳（メタデータ） (2021-06-25T22:31:55Z)
• A narrowing of AI research? [0.0]
  学術と民間におけるAI研究のテーマ的多様性の進化について研究する。 我々は、AI研究における民間企業の影響力を、彼らが受け取った引用と他の機関とのコラボレーションを通じて測定する。
  論文  参考訳（メタデータ） (2020-09-22T08:23:56Z)

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。