論文の概要: Bridging AI and Science: Implications from a Large-Scale Literature Analysis of AI4Science

• arxiv url: http://arxiv.org/abs/2412.09628v1
• Date: Wed, 27 Nov 2024 00:40:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-22 09:02:56.367263
• Title: Bridging AI and Science: Implications from a Large-Scale Literature Analysis of AI4Science
• Title（参考訳）: AIと科学の橋渡し:AI4Scienceの大規模文献分析からの示唆
• Authors: Yutong Xie, Yijun Pan, Hua Xu, Qiaozhu Mei,
• Abstract要約: 本稿では,AI4Science文献の大規模解析を行う。 我々は,AI手法と科学的問題の主な相違点を定量的に強調する。 我々は,AIと科学コミュニティの協力を促進する可能性と課題について検討する。
• 参考スコア（独自算出の注目度）: 25.683422870223076
• License:
• Abstract: Artificial Intelligence has proven to be a transformative tool for advancing scientific research across a wide range of disciplines. However, a significant gap still exists between AI and scientific communities, limiting the full potential of AI methods in driving broad scientific discovery. Existing efforts in bridging this gap have often relied on qualitative examination of small samples of literature, offering a limited perspective on the broader AI4Science landscape. In this work, we present a large-scale analysis of the AI4Science literature, starting by using large language models to identify scientific problems and AI methods in publications from top science and AI venues. Leveraging this new dataset, we quantitatively highlight key disparities between AI methods and scientific problems in this integrated space, revealing substantial opportunities for deeper AI integration across scientific disciplines. Furthermore, we explore the potential and challenges of facilitating collaboration between AI and scientific communities through the lens of link prediction. Our findings and tools aim to promote more impactful interdisciplinary collaborations and accelerate scientific discovery through deeper and broader AI integration.
• Abstract（参考訳）: 人工知能は、幅広い分野にわたる科学研究を進めるための変革的なツールであることが証明されている。 しかし、AIと科学コミュニティの間には依然として大きなギャップがあり、幅広い科学的発見を促進するAI手法の可能性を制限している。 このギャップを埋めるための既存の努力は、しばしば、文学の小さなサンプルの質的な検査に依存しており、より広いAI4Scienceの展望を限定している。 本稿では,AI4Science文献を大規模に分析し,まず大規模言語モデルを用いて,トップサイエンスおよびAI会場の出版物における科学的問題とAI手法を特定する。 この新しいデータセットを活用することで、この統合された空間におけるAIメソッドと科学的な問題の主な相違を定量的に強調し、科学分野にわたるより深いAI統合の機会を明らかにします。 さらに、リンク予測のレンズを通して、AIと科学コミュニティのコラボレーションを促進する可能性と課題について検討する。 私たちの発見とツールは、より影響力のある学際的なコラボレーションを促進し、より深く幅広いAI統合を通じて科学的発見を促進することを目的としています。

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)
• Towards Scientific Discovery with Generative AI: Progress, Opportunities, and Challenges [11.232704182001253]
  本稿では、科学的な課題に応用された大規模言語モデルやその他のAI技術の最近の進歩に注目し、科学的な発見のためのAIの現状について考察する。 そして、科学的な発見のためのより包括的なAIシステムの開発に向けた重要な課題と研究の方向性を概説する。
  論文  参考訳（メタデータ） (2024-12-16T03:52:20Z)
• AI Expands Scientists' Impact but Contracts Science's Focus [11.634306888037273]
  検証された言語モデルを用いて、6つの分野にわたる6790万の研究論文を分析した。 AIツールを採用する科学者は67.37%以上の論文を公開し、3.16倍の引用を受け取り、非ドローンよりも4年早くチームリーダーになる。
  論文  参考訳（メタデータ） (2024-12-10T18:24:17Z)
• 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)
• Artificial Intelligence for Science in Quantum, Atomistic, and Continuum Systems [268.585904751315]
  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)
• Quantifying the Benefit of Artificial Intelligence for Scientific Research [2.4700789675440524]
  我々は、科学研究におけるAIの直接的な利用とAIの潜在的利益の両方を見積もる。 研究におけるAIの利用は科学に広く浸透しており、特に2015年以来急速に成長している。 我々の分析は、AIが多くの科学分野に利益をもたらす可能性があることを示しているが、AI教育とその研究応用の間には顕著な断絶がある。
  論文  参考訳（メタデータ） (2023-04-17T08:08:50Z)
• AI for Science: An Emerging Agenda [30.260160661295682]
  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。
  論文  参考訳（メタデータ） (2023-03-07T20:21:43Z)
• 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)

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。