論文の概要: Automating the Practice of Science -- Opportunities, Challenges, and Implications

• arxiv url: http://arxiv.org/abs/2409.05890v1
• Date: Tue, 27 Aug 2024 15:51:31 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-15 05:21:30.463066
• Title: Automating the Practice of Science -- Opportunities, Challenges, and Implications
• Title（参考訳）: 科学の実践の自動化 -機会、挑戦、含意
• Authors: Sebastian Musslick, Laura K. Bartlett, Suyog H. Chandramouli, Marina Dubova, Fernand Gobet, Thomas L. Griffiths, Jessica Hullman, Ross D. King, J. Nathan Kutz, Christopher G. Lucas, Suhas Mahesh, Franco Pestilli, Sabina J. Sloman, William R. Holmes,
• Abstract要約: 本稿では、科学的実践における自動化のスコープを評価し、最近のアプローチを評価する。 自動科学の背景にあるモチベーションについて議論し、遭遇したハードルを分析し、その影響を調査し、この記事では、研究者、政策立案者、ステークホルダーに、自動化科学の実践のフロンティアをナビゲートするよう依頼する。
• 参考スコア（独自算出の注目度）: 48.54225838534946
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Automation transformed various aspects of our human civilization, revolutionizing industries and streamlining processes. In the domain of scientific inquiry, automated approaches emerged as powerful tools, holding promise for accelerating discovery, enhancing reproducibility, and overcoming the traditional impediments to scientific progress. This article evaluates the scope of automation within scientific practice and assesses recent approaches. Furthermore, it discusses different perspectives to the following questions: Where do the greatest opportunities lie for automation in scientific practice?; What are the current bottlenecks of automating scientific practice?; and What are significant ethical and practical consequences of automating scientific practice? By discussing the motivations behind automated science, analyzing the hurdles encountered, and examining its implications, this article invites researchers, policymakers, and stakeholders to navigate the rapidly evolving frontier of automated scientific practice.
• Abstract（参考訳）: 自動化は人類文明の様々な側面を変え、産業を革命させ、プロセスを合理化させた。 科学的調査の分野では、自動化されたアプローチが強力なツールとして出現し、発見を加速し、再現性を高め、科学的進歩に伝統的な障害を克服する約束を掲げた。 本稿では、科学的実践における自動化のスコープを評価し、最近のアプローチを評価する。 さらに、科学的な実践における自動化の最大の機会はどこにあるのか? 科学的実践の自動化の現在のボトルネックは何か。 科学的実践の自動化による重要な倫理的・実践的な結果とは何か? 自動科学の背景にあるモチベーションについて議論し、遭遇したハードルを分析し、その影響を調査し、この記事では、研究者、政策立案者、ステークホルダーに、自動化科学プラクティスの急速に発展するフロンティアをナビゲートするよう依頼する。

関連論文リスト

• The AI Scientist: Towards Fully Automated Open-Ended Scientific Discovery [14.465756130099091]
  本稿では,完全自動科学的発見のための最初の包括的枠組みについて述べる。 我々は、新しい研究アイデアを生成し、コードを書き、実験を実行し、結果を視覚化し、その結果を説明するThe AI Scientistを紹介します。 原則として、このプロセスは、人間の科学コミュニティのように行動しながら、オープンな方法でアイデアを反復的に発展させることができる。
  論文  参考訳（メタデータ） (2024-08-12T16:58:11Z)
• A Review of Neuroscience-Inspired Machine Learning [58.72729525961739]
  バイオプルーシブル・クレジット・アサインメントは、事実上あらゆる学習条件と互換性があり、エネルギー効率が高い。 本稿では,人工ニューラルネットワークにおける信用代入の生体評価可能なルールをモデル化する,いくつかの重要なアルゴリズムについて検討する。 我々は,このようなアルゴリズムを実用アプリケーションでより有用にするためには,今後の課題に対処する必要があることを論じる。
  論文  参考訳（メタデータ） (2024-02-16T18:05:09Z)
• Transforming organic chemistry research paradigms: moving from manual efforts to the intersection of automation and artificial intelligence [0.9883261192383611]
  有機化学は、労働集約的なアプローチから、自動化とAIが支配する新しい時代へと、大きなパラダイムシフトを遂げている。 本稿では、このパラダイムシフトによってもたらされる複数の機会と課題について考察し、その長期的影響について考察する。 これは、自動化とAIの相乗的相互作用によってますます定義される有機化学研究の将来の軌道に関する貴重な洞察を提供する。
  論文  参考訳（メタデータ） (2023-11-26T09:46:03Z)
• 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)
• Automated Scientific Discovery: From Equation Discovery to Autonomous Discovery Systems [5.7923858184309385]
  本稿では、方程式発見から記号回帰から自律的な発見システムやエージェントまで、自動的な科学的発見を調査する。 我々は、Adamシステムに関する先駆的な研究から、物質科学から天文学まで、現在の分野への取り組みまで、クローズドループ科学発見システムを紹介する。 レベル5の最大レベルは、科学的知識の創出において人間の介入を必要としないと定義されている。
  論文  参考訳（メタデータ） (2023-05-03T16:35:41Z)
• The Technological Emergence of AutoML: A Survey of Performant Software and Applications in the Context of Industry [72.10607978091492]
  Automated/Autonomous Machine Learning (AutoML/AutonoML)は比較的若い分野である。 このレビューは、このトピックに関する知識に2つの主要な貢献をしている。 オープンソースと商用両方の既存のAutoMLツールについて、最新かつ包括的な調査を提供する。
  論文  参考訳（メタデータ） (2022-11-08T10:42:08Z)
• Metaethical Perspectives on 'Benchmarking' AI Ethics [81.65697003067841]
  ベンチマークは、人工知能(AI)研究の技術的進歩を測定するための基盤とみられている。 AIの顕著な研究領域は倫理であり、現在、ベンチマークのセットも、AIシステムの「倫理性」を測定する一般的な方法もない。 我々は、現在と将来のAIシステムのアクションを考えるとき、倫理よりも「価値」について話す方が理にかなっていると論じる。
  論文  参考訳（メタデータ） (2022-04-11T14:36:39Z)
• 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)
• Autonomous discovery in the chemical sciences part II: Outlook [2.566673015346446]
  この2部構成のレビューは、自動化が化学科学における発見のさまざまな側面にどのように貢献したかを検証している。 科学プロセスにおいて、自動化と計算の役割が何であるかを明確にすることがますます重要である。
  論文  参考訳（メタデータ） (2020-03-30T19:11:35Z)

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。