論文の概要: Transforming Science with Large Language Models: A Survey on AI-assisted Scientific Discovery, Experimentation, Content Generation, and Evaluation

• arxiv url: http://arxiv.org/abs/2502.05151v1
• Date: Fri, 07 Feb 2025 18:26:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-10 14:59:14.366389
• Title: Transforming Science with Large Language Models: A Survey on AI-assisted Scientific Discovery, Experimentation, Content Generation, and Evaluation
• Title（参考訳）: 大規模言語モデルによる科学の変容:AIによる科学的発見,実験,コンテンツ生成,評価
• Authors: Steffen Eger, Yong Cao, Jennifer D'Souza, Andreas Geiger, Christian Greisinger, Stephanie Gross, Yufang Hou, Brigitte Krenn, Anne Lauscher, Yizhi Li, Chenghua Lin, Nafise Sadat Moosavi, Wei Zhao, Tristan Miller,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 58.064940977804596
• License:
• Abstract: With the advent of large multimodal language models, science is now at a threshold of an AI-based technological transformation. Recently, a plethora of new AI models and tools has been proposed, promising to empower researchers and academics worldwide to conduct their research more effectively and efficiently. This includes all aspects of the research cycle, especially (1) searching for relevant literature; (2) generating research ideas and conducting experimentation; generating (3) text-based and (4) multimodal content (e.g., scientific figures and diagrams); and (5) AI-based automatic peer review. In this survey, we provide an in-depth overview over these exciting recent developments, which promise to fundamentally alter the scientific research process for good. Our survey covers the five aspects outlined above, indicating relevant datasets, methods and results (including evaluation) as well as limitations and scope for future research. Ethical concerns regarding shortcomings of these tools and potential for misuse (fake science, plagiarism, harms to research integrity) take a particularly prominent place in our discussion. We hope that our survey will not only become a reference guide for newcomers to the field but also a catalyst for new AI-based initiatives in the area of "AI4Science".
• Abstract（参考訳）: 大規模なマルチモーダル言語モデルの出現により、科学は現在、AIベースの技術変革のしきい値にある。 最近、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、数多くの新しいAIモデルとツールが提案されている。 具体的には,研究サイクルのすべての側面,特に関連する文献の検索,(2)研究アイデアの生成と実験実施,(3)テキストベースおよび(4)マルチモーダルコンテンツ(例えば,科学的図形や図形)の生成,(5)AIベースの自動ピアレビューを含む。 本調査では、これらのエキサイティングな最近の発展について、科学的研究プロセスを根本的に変えることを約束する詳細な概要を述べる。 以上の5つの側面を概説し、関連するデータセット、方法、結果(評価を含む)、および今後の研究の限界と範囲について述べる。 これらのツールの欠点と誤用の可能性(フェイクサイエンス、プラギアリズム、研究の完全性への害)に関する倫理的懸念は、我々の議論において特に顕著な位置を占める。 AI4Scienceの分野における新たなAIベースのイニシアチブの触媒として,私たちの調査が,新参者の現場への参照ガイドになることを期待しています。

関連論文リスト

• Bridging AI and Science: Implications from a Large-Scale Literature Analysis of AI4Science [25.683422870223076]
  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。
  論文  参考訳（メタデータ） (2024-11-27T00:40:51Z)
• Generative AI Tools in Academic Research: Applications and Implications for Qualitative and Quantitative Research Methodologies [0.0]
  本研究では,生成人工知能(GenAI)が学術研究に与える影響について検討し,質的・定量的データ分析への応用に焦点をあてる。 GenAIツールは急速に進化し、研究の生産性を高め、複雑な分析プロセスを民主化するための新たな可能性を提供する。 学術的実践への統合は、研究の完全性、セキュリティ、著作家精神、そして学術作品の変化する性質に関する重要な疑問を提起する。
  論文  参考訳（メタデータ） (2024-08-13T13:10:03Z)
• MASSW: A New Dataset and Benchmark Tasks for AI-Assisted Scientific Workflows [58.56005277371235]
  我々は,Multi-Aspect Summarization of ScientificAspectsに関する総合テキストデータセットであるMASSWを紹介する。 MASSWには過去50年間にわたる17の主要なコンピュータサイエンスカンファレンスから152,000以上の査読論文が含まれている。 我々は、この新しいデータセットを用いてベンチマーク可能な、複数の新しい機械学習タスクを通じて、MASSWの有用性を実証する。
  論文  参考訳（メタデータ） (2024-06-10T15:19:09Z)
• ResearchAgent: Iterative Research Idea Generation over Scientific Literature with Large Language Models [56.08917291606421]
  ResearchAgentは、新しい作品のアイデアと運用のためのAIベースのシステムである。 ResearchAgentは、新しい問題を自動で定義し、手法と設計実験を提案し、繰り返し修正する。 我々は、複数の分野にわたる科学論文に関するResearchAgentを実験的に検証した。
  論文  参考訳（メタデータ） (2024-04-11T13:36:29Z)
• 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)
• 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)
• Science in the Era of ChatGPT, Large Language Models and Generative AI: Challenges for Research Ethics and How to Respond [3.3504365823045044]
  本稿では,生成AIの出現にともなう科学行為における課題,倫理的・整合性リスクを概観する。 研究機器と主題としてのAI言語モデルの役割は、科学者、参加者、レビュアーに対する倫理的意味とともに精査されている。
  論文  参考訳（メタデータ） (2023-05-24T16:23:46Z)
• How Data Scientists Review the Scholarly Literature [4.406926847270567]
  データサイエンティストの文献レビューの実践について検討する。 データサイエンスは、論文の指数的な増加を示す分野である。 これらの科学者が直面する具体的な実践や課題について、事前の研究は行われていない。
  論文  参考訳（メタデータ） (2023-01-10T03:53:05Z)
• Artificial Intelligence in Concrete Materials: A Scientometric View [77.34726150561087]
  本章は, コンクリート材料用AI研究の主目的と知識構造を明らかにすることを目的としている。 まず、1990年から2020年にかけて発行された389の雑誌記事が、ウェブ・オブ・サイエンスから検索された。 キーワード共起分析やドキュメント共起分析などのサイエントメトリックツールを用いて,研究分野の特徴と特徴を定量化した。
  論文  参考訳（メタデータ） (2022-09-17T18:24:56Z)
• Towards a Science of Human-AI Decision Making: A Survey of Empirical Studies [22.214709837295906]
  AI支援による人間の意思決定を強化する研究コミュニティへの関心が高まっている。 人間-AI意思決定の新たな分野は、人間がAIとどのように相互作用し、どのように働くかに関する基礎的な理解を形成するための経験的アプローチを取り入れなければならない。
  論文  参考訳（メタデータ） (2021-12-21T19:00:02Z)

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。