論文の概要: From Automation to Autonomy: A Survey on Large Language Models in Scientific Discovery
- arxiv url: http://arxiv.org/abs/2505.13259v1
- Date: Mon, 19 May 2025 15:41:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-20 14:57:11.707602
- Title: From Automation to Autonomy: A Survey on Large Language Models in Scientific Discovery
- Title（参考訳）: 自動化から自律へ:科学発見における大規模言語モデルに関する調査
- Authors: Tianshi Zheng, Zheye Deng, Hong Ting Tsang, Weiqi Wang, Jiaxin Bai, Zihao Wang, Yangqiu Song,
- Abstract要約: 大規模言語モデル(LLM)は科学的発見のパラダイムシフトを触媒している。
この調査は、この急成長する分野を体系的に分析し、科学におけるLLMの役割の変化とエスカレーション能力に重点を置いている。
- 参考スコア（独自算出の注目度）: 43.31110556077432
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Large Language Models (LLMs) are catalyzing a paradigm shift in scientific discovery, evolving from task-specific automation tools into increasingly autonomous agents and fundamentally redefining research processes and human-AI collaboration. This survey systematically charts this burgeoning field, placing a central focus on the changing roles and escalating capabilities of LLMs in science. Through the lens of the scientific method, we introduce a foundational three-level taxonomy-Tool, Analyst, and Scientist-to delineate their escalating autonomy and evolving responsibilities within the research lifecycle. We further identify pivotal challenges and future research trajectories such as robotic automation, self-improvement, and ethical governance. Overall, this survey provides a conceptual architecture and strategic foresight to navigate and shape the future of AI-driven scientific discovery, fostering both rapid innovation and responsible advancement. Github Repository: https://github.com/HKUST-KnowComp/Awesome-LLM-Scientific-Discovery.
- Abstract（参考訳）: 大規模言語モデル(LLM)は、科学的発見のパラダイムシフトを触媒し、タスク固有の自動化ツールから、ますます自律的なエージェントへと進化し、研究プロセスと人間とAIのコラボレーションを根本的に再定義する。
この調査は、この急成長する分野を体系的に分析し、科学におけるLLMの役割の変化とエスカレーション能力に重点を置いている。
科学的手法のレンズを通して,研究ライフサイクル内での自律性の向上と責任の進化について,基礎的な3段階の分類ツール,分析ツール,科学者-を導入する。
さらに、ロボットの自動化、自己改善、倫理的ガバナンスといった重要な課題と将来の研究の軌跡を特定します。
この調査は、AIによる科学的発見の未来をナビゲートし、形作り、迅速なイノベーションと責任ある進歩を育むための、概念的なアーキテクチャと戦略的な展望を提供する。
Githubリポジトリ:https://github.com/HKUST-KnowComp/Awesome-LLM-Scientific-Discovery.com
関連論文リスト
- AI-Driven Automation Can Become the Foundation of Next-Era Science of Science Research [58.944125758758936]
科学科学(Science of Science, SoS)は、科学的発見の基礎となるメカニズムを探求する。
人工知能(AI)の出現は、次世代のSoSに変革の機会をもたらす。
我々は、従来の手法よりもAIの利点を概説し、潜在的な制限について議論し、それらを克服するための経路を提案する。
論文 参考訳（メタデータ） (2025-05-17T15:01:33Z) - SciSciGPT: Advancing Human-AI Collaboration in the Science of Science [7.592219145267612]
大規模言語モデル(LLM)とAIエージェントの最近の進歩は、人間とAIのコラボレーションに新たな可能性をもたらしている。
我々はSciSciGPTを紹介した。SciSciGPTはオープンソースのプロトタイプAIコラボレータで、科学の科学をテストベッドとして利用し、LLMを利用した研究ツールの可能性を探る。
論文 参考訳（メタデータ） (2025-04-07T23:19:39Z) - Scaling Laws in Scientific Discovery with AI and Robot Scientists [72.3420699173245]
自律的なジェネラリスト科学者(AGS)の概念は、エージェントAIとエンボディロボットを組み合わせて、研究ライフサイクル全体を自動化している。
AGSは科学的発見に必要な時間と資源を大幅に削減することを目指している。
これらの自律的なシステムが研究プロセスにますます統合されるにつれて、科学的な発見が新しいスケーリング法則に従うかもしれないという仮説を立てる。
論文 参考訳（メタデータ） (2025-03-28T14:00:27Z) - Agentic AI for Scientific Discovery: A Survey of Progress, Challenges, and Future Directions [0.0]
エージェントAIシステムは推論、計画、自律的な意思決定を行うことができる。
彼らは、科学者が文献のレビューを行い、仮説を作成し、実験を行い、結果を分析する方法を変えようとしている。
論文 参考訳（メタデータ） (2025-03-12T01:00:05Z) - AIGS: Generating Science from AI-Powered Automated Falsification [17.50867181053229]
本稿では,重要な研究プロセスを代表する役割を担ったマルチエージェントシステムである,フルプロセスAIGSシステムのベビーステップとして,Baby-AIGSを提案する。
3つのタスクの実験では、Baby-AIGSは経験豊富な人間の研究者と同等ではないが、有意義な科学的発見を産み出すことができた。
論文 参考訳（メタデータ） (2024-11-17T13:40:35Z) - 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)
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。