論文の概要: AI for Scientific Discovery is a Social Problem

• arxiv url: http://arxiv.org/abs/2509.06580v1
• Date: Mon, 08 Sep 2025 11:49:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-09 14:07:04.10216
• Title: AI for Scientific Discovery is a Social Problem
• Title（参考訳）: AI for Scientific Discoveryは社会問題
• Authors: Georgia Channing, Avijit Ghosh,
• Abstract要約: 主な障壁は社会と制度にあると我々は主張する。 コミュニティの障害,上流ニーズの一致しない研究優先,データの断片化,インフラストラクチャの不平等という,4つの相互接続的な課題を強調します。
• 参考スコア（独自算出の注目度）: 6.165263713559601
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Artificial intelligence promises to accelerate scientific discovery, yet its benefits remain unevenly distributed. While technical obstacles such as scarce data, fragmented standards, and unequal access to computation are significant, we argue that the primary barriers are social and institutional. Narratives that defer progress to speculative "AI scientists," the undervaluing of data and infrastructure contributions, misaligned incentives, and gaps between domain experts and machine learning researchers all constrain impact. We highlight four interconnected challenges: community dysfunction, research priorities misaligned with upstream needs, data fragmentation, and infrastructure inequities. We argue that their roots lie in cultural and organizational practices. Addressing them requires not only technical innovation but also intentional community-building, cross-disciplinary education, shared benchmarks, and accessible infrastructure. We call for reframing AI for science as a collective social project, where sustainable collaboration and equitable participation are treated as prerequisites for technical progress.
• Abstract（参考訳）: 人工知能は科学的な発見を加速するが、その利点は不均一に分散している。 少ないデータ、断片化された標準、計算への不平等なアクセスといった技術的な障害は重要であるが、主な障壁は社会的かつ制度的なものであると我々は主張する。 データとインフラストラクチャのコントリビューションの過小評価、不一致のインセンティブ、ドメインの専門家と機械学習研究者のギャップなど、投機的な“AIサイエンティスト”への進歩を遅らせるナラティブ。 コミュニティの障害、研究の優先順位が上流のニーズと一致していないこと、データの断片化、インフラの不平等である。 彼らのルーツは文化的・組織的な実践にあると我々は主張する。 これに対処するには、技術的な革新だけでなく、意図的なコミュニティ構築、学際的な教育、共有ベンチマーク、アクセス可能なインフラが必要です。 我々は、持続可能なコラボレーションと公平な参加が技術的進歩の前提条件として扱われる総合的な社会プロジェクトとして、科学のためのAIのリフレーミングを呼びかける。

関連論文リスト

• A Systematic Literature Review on Equity and Technology in HCI and Fairness: Navigating the Complexities and Nuances of Equity Research [14.683980035075754]
  研究コミュニティ、特にヒューマン・コンピュータ・インタラクション(HCI)とフェアネス・コミュニティは、技術設計に株式を統合する努力をしてきた。 我々は、HCIおよびフェアネスに焦点を当てた会場で発行された202の論文を収集・分析し、株式・技術に関する体系的な文献レビューを行った。
  論文  参考訳（メタデータ） (2025-01-24T19:19:07Z)
• AI Research is not Magic, it has to be Reproducible and Responsible: Challenges in the AI field from the Perspective of its PhD Students [1.1922075410173798]
  欧州13カ国から28名のAI博士候補を調査した。 課題は、データセット、モデル、実験などのAIリソースの発見可能性と品質だ。 責任と再現可能なAI研究プラクティスをすぐに採用する必要がある。
  論文  参考訳（メタデータ） (2024-08-13T12:19:02Z)
• AI Competitions and Benchmarks: The life cycle of challenges and benchmarks [0.49478969093606673]
  我々は、堅牢なイノベーションの軸として、科学研究とアルゴリズム開発コミュニティを創造的に活用する必要性を論じる。 高度に複雑で大規模なデータ分析における協調的なコミュニティの関与は、ロバストな方法論を見つけるための一つのアプローチとして現れてきた。
  論文  参考訳（メタデータ） (2023-12-08T18:44:10Z)
• Data Science for Social Good [2.8621556092850065]
  本稿では,「データ・サイエンス・フォー・ソーシャル・グッド」(DSSG)研究の枠組みについて述べる。 本研究では,情報システムにおけるDSSG研究の質を実証的に示すために,文献の分析を行う。 この記事と特別号が今後のDSSG研究を刺激することを期待している。
  論文  参考訳（メタデータ） (2023-11-02T15:40:20Z)
• 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)
• Coordinated Science Laboratory 70th Anniversary Symposium: The Future of Computing [80.72844751804166]
  2021年、コーディネート・サイエンス研究所(CSL)は70周年を記念して、Future of Computing Symposiumを開催した。 シンポジウムで提案された主要な技術的ポイント、洞察、方向性を要約する。 参加者は、新しいコンピューティングパラダイム、技術、アルゴリズム、行動、そして将来予想される研究課題に関するトピックについて議論した。
  論文  参考訳（メタデータ） (2022-10-04T17:32:27Z)
• Empowering Local Communities Using Artificial Intelligence [70.17085406202368]
  人中心の観点から、AIが社会に与える影響を探求する上で重要なトピックとなっている。 市民科学におけるこれまでの研究は、AIを使って研究に大衆を巻き込む方法を特定してきた。 本稿では,コミュニティ市民科学にAIを適用する上での課題について論じる。
  論文  参考訳（メタデータ） (2021-10-05T12:51:11Z)
• Axes for Sociotechnical Inquiry in AI Research [3.0215443986383734]
  技術開発の新たな発展領域を探求する4つの方向を提案する。 本論文は、社会技術調査のためのレキシコンを提供し、消費者向けドローン技術の例を通してそれを解説する。
  論文  参考訳（メタデータ） (2021-04-26T16:49:04Z)
• Learnings from Frontier Development Lab and SpaceML -- AI Accelerators for NASA and ESA [57.06643156253045]
  AIとML技術による研究は、しばしば非同期の目標とタイムラインを備えたさまざまな設定で動作します。 我々は、NASAとESAの民間パートナーシップの下で、AIアクセラレータであるFrontier Development Lab(FDL)のケーススタディを実行する。 FDL研究は、AI研究の責任ある開発、実行、普及に基礎を置く原則的な実践に従う。
  論文  参考訳（メタデータ） (2020-11-09T21:23:03Z)

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。