Научные открытия в эпоху искусственного интеллекта

Nature, том 620, страницы 47–60 (2023 г.) Процитировать эту статью

2510 Доступов

209 Альтметрика

Подробности о метриках

Искусственный интеллект (ИИ) все больше интегрируется в научные открытия, чтобы расширить и ускорить исследования, помогая ученым генерировать гипотезы, планировать эксперименты, собирать и интерпретировать большие наборы данных, а также получать идеи, которые, возможно, были бы невозможны с использованием одних только традиционных научных методов. Здесь мы рассматриваем прорывы за последнее десятилетие, в том числе обучение с самоконтролем, которое позволяет обучать модели на огромных объемах неразмеченных данных, и геометрическое глубокое обучение, которое использует знания о структуре научных данных для повышения точности и эффективности модели. Генеративные методы искусственного интеллекта позволяют создавать конструкции, такие как низкомолекулярные лекарства и белки, путем анализа различных модальностей данных, включая изображения и последовательности. Мы обсуждаем, как эти методы могут помочь ученым на протяжении всего научного процесса, а также основные проблемы, которые остаются, несмотря на такие достижения. И разработчикам, и пользователям инструментов ИИ необходимо лучше понимать, когда такие подходы нуждаются в улучшении, а проблемы, связанные с низким качеством данных и управлением, остаются. Эти проблемы затрагивают все научные дисциплины и требуют разработки основополагающих алгоритмических подходов, которые могут способствовать научному пониманию или приобретать его автономно, что делает их важнейшими областями внимания для инноваций в области ИИ.

Это предварительный просмотр контента подписки, доступ через ваше учреждение.

Доступ к журналу Nature и 54 другим журналам Nature Portfolio.

Приобретите Nature+, нашу выгодную подписку с онлайн-доступом.

29,99 долларов США / 30 дней

отменить в любое время

Подпишитесь на этот журнал

Получите 51 печатный выпуск и онлайн-доступ.

199,00 долларов США в год

всего $3,90 за выпуск

Возьмите напрокат или купите эту статью

Цены варьируются в зависимости от типа статьи

от$1,95

до $39,95

Цены могут зависеть от местных налогов, которые рассчитываются во время оформления заказа.

ЛеКун Ю., Бенджио Ю. и Хинтон Г. Глубокое обучение. Природа 521, 436–444 (2015). В этом опросе обобщены ключевые элементы глубокого обучения и его развитие в области распознавания речи, компьютерного зрения и обработки естественного языка.

Статья ADS CAS PubMed Google Scholar

де Рег, HW Понимание, ценности и цели науки. Фил. наук. 87, 921–932 (2020).

Статья MathSciNet Google Scholar

Пикстоун, СП «Пути познания: новая история науки, технологий и медицины» (Univ. Chicago Press, 2001).

Хан, Дж. и др. Глубокий потенциал: общее представление поверхности потенциальной энергии многих тел. Коммун. Вычислить. Физ. 23, 629–639 (2018). В этой статье была представлена ​​архитектура глубокой нейронной сети, которая изучает поверхность потенциальной энергии систем многих тел, сохраняя при этом основные симметрии системы за счет включения теории групп.

Акияма, К. и др. Первые результаты телескопа горизонта событий M87. IV. Изображение центральной сверхмассивной черной дыры. Астрофиз. Дж. Летт. 875, Л4 (2019).

Статья ADS CAS Google Scholar

Вагнер А. З. Конструкции в комбинаторике с помощью нейронных сетей. Препринт на https://arxiv.org/abs/2104.14516 (2021).

Коли, CW и др. Роботизированная платформа для потокового синтеза органических соединений на основе планирования ИИ. Наука 365, eaax1566 (2019).

Статья CAS PubMed Google Scholar

Боммасани Р. и др. О возможностях и рисках фундаментальных моделей. Препринт на https://arxiv.org/abs/2108.07258 (2021).

Дэвис, А. и др. Развитие математики путем управления человеческой интуицией с помощью ИИ. Природа 600, 70–74 (2021). В этой статье исследуется, как ИИ может помочь развитию чистой математики, управляя математической интуицией.