科学中的人工智能:挑战、机遇和未来展望

目录
执行摘要 1
0 科学中的人工智能：概述和政策建议 5
1 科学变得越来越难了吗？ 50
1.1 想法越来越难找到了吗？对证据的简要回顾 50
1.2 摩尔定律终结了吗？计算系统的创新持续高速发展 57
1.3 美国农业的技术进步是否正在放缓？ 61
1.4 埃鲁姆定律与生物制药研究生产力下降 69
1.5 研究生产力是否有所放缓？来自中国和德国的证据 79
1.6 研发效率下降：来自日本的证据 84
1.7 量化科学的“认知程度”以及其如何随着时间和国家的变化而变化 88
1.8 文献计量学对理解研究生产力有什么贡献？ 94
2 当今科学中的人工智能 101
2.1 人工智能如何帮助科学家？一个（非详尽的）概述 101
2.2 人工智能驱动的科学自动化评估框架 112
2.3 使用机器学习来验证科学声明 121
2.4 机器人科学家：从亚当到夏娃到创世纪 129
2.5 从知识发现到知识创造：基于文献的知识发现如何促进科学进步？ 140
2.6 通过公民科学和人工智能提高科学生产力 149
2.7 人工智能能为物理学做什么？ 156
2.8 药物发现中的人工智能 159
2.9 数据驱动的临床药物研究创新 168
2.10 将人工智能应用于现实世界的医疗保健实践和生命科学：通过联邦学习解决数据隐私、安全和政策挑战 172
3 不久的将来：挑战和前进之路 181
3.1 科学发现中的人工智能：挑战和机遇 181
3.2 机器阅读：在科学中的成功实践、挑战和启示 189
3.3 可解释性：我们应该并且能够理解机器学习系统的推理吗？ 202
3.4 在知识的前沿集成集体智慧和机器智能 209
3.5 Elicit：一个作为研究工具的语言模型 217
3.6 民主化人工智能以加速科学发现 227
3.7 人工智能研究的多样性是否在减少？ 234
3.8 从用于医学成像的机器学习技术不足中吸取的教训 242
4 科学中的人工智能：对公共政策的进一步影响 248
4.1 科学与工程领域的人工智能：研发领域的公共投资重点 248
4.2 人工智能知识库在科学中的重要性 253
4.3 高性能计算的领先地位可促进人工智能的进步和计算
生态系统的蓬勃发展 259
4.4 提高人工智能研究的可复制性，以增加信任度和生产力 264
4.5 人工智能和科学生产力：考虑政策和治理挑战 274
5 人工智能、科学和发展中国家 283
5.1 人工智能和开发项目：撒哈拉以南非洲优化卓越研究
资助机制的案例研究 283
5.2 非洲科学领域的人工智能 289
5.3 人工智能、发展中国家科学研究与双边合作 296