論文の概要: What are the limits to biomedical research acceleration through general-purpose AI?

• arxiv url: http://arxiv.org/abs/2508.16613v1
• Date: Wed, 13 Aug 2025 10:54:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-31 21:54:20.584475
• Title: What are the limits to biomedical research acceleration through general-purpose AI?
• Title（参考訳）: 汎用AIによるバイオメディカル研究の加速の限界は何か?
• Authors: Konstantin Hebenstreit, Constantin Convalexius, Stephan Reichl, Stefan Huber, Christoph Bock, Matthias Samwald,
• Abstract要約: 汎用人工知能(GPAI)は科学的な発見を促進することが広く期待されている。 われわれのスコーピング文献レビューでは、現在のGPAIは2倍の速度で加速できるが、将来のGPAIは最大25倍の加速を促進する可能性がある。
• 参考スコア（独自算出の注目度）: 2.31014638945732
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Although general-purpose artificial intelligence (GPAI) is widely expected to accelerate scientific discovery, its practical limits in biomedicine remain unclear. We assess this potential by developing a framework of GPAI capabilities across the biomedical research lifecycle. Our scoping literature review indicates that current GPAI could deliver a speed increase of around 2x, whereas future GPAI could facilitate strong acceleration of up to 25x for physical tasks and 100x for cognitive tasks. However, achieving these gains may be severely limited by factors such as irreducible biological constraints, research infrastructure, data access, and the need for human oversight. Our expert elicitation with eight senior biomedical researchers revealed skepticism regarding the strong acceleration of tasks such as experiment design and execution. In contrast, strong acceleration of manuscript preparation, review and publication processes was deemed plausible. Notably, all experts identified the assimilation of new tools by the scientific community as a critical bottleneck. Realising the potential of GPAI will therefore require more than technological progress; it demands targeted investment in shared automation infrastructure and systemic reforms to research and publication practices.
• Abstract（参考訳）: 汎用人工知能(GPAI)は科学的な発見を促進することが広く期待されているが、生医学における実用的限界はいまだ不明である。 生体医学研究のライフサイクルにまたがるGPAI能力の枠組みを開発することにより,この可能性を評価する。 われわれのスコーピング文献レビューでは,現在のGPAIが約2倍の速度向上を達成できるのに対し,将来のGPAIは身体的タスクで最大25倍,認知タスクで100倍の加速を促進できる可能性が示唆された。 しかしながら、これらの利益を達成するには、既約の生物学的制約、研究インフラ、データアクセス、そして人間の監視の必要性といった要因によって著しく制限される可能性がある。 8名のシニアバイオメディカル研究者を対象に,実験設計や実行などのタスクの強い加速に関する懐疑論を明らかにした。 対照的に, 原稿作成, レビュー, 出版プロセスの大幅な加速は妥当であると考えられた。 特に、すべての専門家が科学コミュニティによる新しいツールの同化を重要なボトルネックと認識した。 そのため、GPAIの可能性を実現するには技術進歩以上のことが必要であり、共有自動化インフラやシステム改革への目標投資を研究や出版の慣行に求めている。

関連論文リスト

• AI Scientists Fail Without Strong Implementation Capability [33.232300349142285]
  人工知能(AI)科学者の出現は、科学的発見のパラダイムシフトを表している。 最近のAI Scientist研究は、独立した科学的発見のための十分な能力を示している。 この大きな進歩にもかかわらず、AI Scientistはコンピュータ科学の分野における画期的な成果をまだ生み出していない。
  論文  参考訳（メタデータ） (2025-06-02T06:59:10Z)
• Open and Sustainable AI: challenges, opportunities and the road ahead in the life sciences [50.9036832382286]
  我々は、AI研究成果に対する信頼の侵食の増加についてレビューする。 我々は、AIエコシステムの断片化されたコンポーネントと、OpenとSustainable AIを最大限にサポートするためのガイドパスの欠如について論じる。 私たちの研究は、研究者と関連するAIリソースを結びつけることで、持続可能な、再利用可能な、透過的なAIの実装を容易にします。
  論文  参考訳（メタデータ） (2025-05-22T12:52:34Z)
• 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)
• Unlocking the Potential of AI Researchers in Scientific Discovery: What Is Missing? [20.94708392671015]
  AI4Scienceの総出版物のシェアは2024年の3.57%から2050年までに約25%になると予想しています。 我々は,AI研究者を科学的発見の最前線に位置づける構造的かつ行動可能な戦略を提案する。
  論文  参考訳（メタデータ） (2025-03-05T09:29:05Z)
• DeepSpeed4Science Initiative: Enabling Large-Scale Scientific Discovery through Sophisticated AI System Technologies [116.09762105379241]
  DeepSpeed4Scienceは、AIシステム技術革新を通じてユニークな機能を構築することを目指している。 我々は、構造生物学研究における2つの重要なシステム課題に対処するために、DeepSpeed4Scienceで行った初期の進歩を紹介した。
  論文  参考訳（メタデータ） (2023-10-06T22:05:15Z)
• 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)
• Accelerating COVID-19 research with graph mining and transformer-based learning [2.493740042317776]
  新型コロナウイルス研究のための汎用仮説自動生成システムAGATHA-CとAGATHA-GPを紹介します。 どちらのシステムも、高速な計算時間でドメイン(一部のドメインでは0.97%のROC AUC)間で高品質の予測を実現します。 これらのシステムは、新型コロナウイルスとオキシトシンホルモンの関係など、現在進行中の研究成果を発見できることを示す。
  論文  参考訳（メタデータ） (2021-02-10T15:11:36Z)

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。