https://www.nature.com/articles/s41586-023-06221-2
哈佛大學醫學院/Broad Institute Marinka Zitnik等研究人員近日在nature發表綜述，闡述了人工智能工具用于科學研究的現狀與挑戰(1)。
作者們結合近來人工智能相關算法的發展，及其在分析大資料表征分析、指導産生科學假說(hypotheses)、實驗設計與模拟等方面的應用突出了人工智能在各層面提高科研效率，擴充探索邊界的前景(1)。
AI “滲透” 的科研(1)。
從科研資料擷取有意義的資料表征(1)。
AI指導産生科學hypotheses(1)。
整合AI工具到實驗及模拟設計(1)。
同時，作者們也指出目前存在人工智能工具使用上也存在一定的誤用和混亂，後續需要通過多領域的合作提高人們對人工智能工具的了解和其産生資料正确的解讀，優先讓其以可靠的方式發揮作用并施加“保險措施”，進而提高獲益降低風險(1)。
該項工作2023年8月2日發表在nature(1)。
Comment(s):
覆寫面非常廣的綜述；
後續值得讨論的話題是人腦和AI在科研上的配合。
通訊作者簡介：
https://scholar.google.com/citations?user=YtUDgPIAAAAJ
參考文獻：
1. H. Wang, T. Fu, Y. Du, W. Gao, K. Huang, Z. Liu, P. Chandak, S. Liu, P. Van Katwyk, A. Deac, A. Anandkumar, K. Bergen, C. P. Gomes, S. Ho, P. Kohli, J. Lasenby, J. Leskovec, T. Liu, A. Manrai, D. Marks, B. Ramsundar, L. Song, J. Sun, J. Tang, P. Veličković, M. Welling, L. Zhang, C. W. Coley, Y. Bengio, M. Zitnik, Scientific discovery in the age of artificial intelligence. Nature. 620, 47–60 (2023).
原文連結：
https://www.nature.com/articles/s41586-023-06221-2