Jul, 2023

由生成式闭环人工智能主导的基础科学的未来

PDF
TL;DR探索和研究 AI 驱动的自动闭环科学发现方法，包括自我驱动的假设生成和假设空间的无限自主探索。将自动化纳入科学实践将缓解当前问题，包括发现的复制、数据的系统化生产以及最终的科学过程民主化，具有开创性的视野将释放 AI 在我们的世界基本结构搜索和发现方面的潜力，好过自动化当前工作流程，并打开技术创新的大门，解决人类面临的最大挑战之一。
machine learninggenerative aillmsscientific discoveryautomated approach
发现论文，激发创造
  • 科学家对于生成式人工智能在其领域中潜力的看法

    研究发现生成式 AI 技术有潜力改变科学家的实践方法、加速科学发现并提供科学教育，但是这也引起了对于技术责任的担忧。

    Apr, 2023

  • 地球科学与生成式人工智能以及大型语言模型的交叉研究：基础、趋势与未来挑战

    通过生成人工智能在地球科学领域的潜在应用，我们探讨了机器学习和深度学习的最新发展，以及它们在解决与地球科学和地球系统动力学相关的预测问题、模拟和多准则决策挑战方面所发挥的作用。并且介绍了在地球科学中使用的几种生成对抗网络（GANs）、物理信息神经网络（PINNs）和基于生成预训练转换器（GPT）的结构。这些工具在数据生成 / 增强、超分辨率、全色锐化、去雾、恢复和地表变化等多个应用中帮助地球科学界取得了进展。但还存在一些挑战，如确保物理解释性、恶意用途案例和可信度。总的来说，GAI 模型对地球科学界有着巨大潜力，特别是在支持气候变化、城市科学、大气科学、海洋科学和行星科学方面，通过其对数据驱动建模和不确定性量化的非凡能力。

    Jan, 2024

  • 生成人工智能的挑战与机遇

    我们旨在识别现代生成 AI 范例中尚未解决的主要挑战，以进一步增强其能力、多样性和可靠性，并为研究人员提供有价值的见解，以探索更有成效的研究方向，从而促进更强大和可访问的生成 AI 解决方案的发展。

    Feb, 2024

  • 科学中的人工智能：一个新兴议程

    本报告总结了 Dagstuhl Seminar 22382“科学中的机器学习：桥接数据驱动和机理建模” 的讨论并提出了如何协作来推动人工智能和科学发现的新一波进展的路线图。

    Mar, 2023

  • 人工智能与生成人工智能在研究发现和摘要中的应用

    AI 和生成 AI 工具在研究发现和总结方面具有重要作用，通过生成语言模型可以更快地找到相关文献并提取研究论文的关键要点，对统计学家和数据科学家具有重要意义。

    Jan, 2024

  • 生成人工智能：系统综述和应用

    人工智能与生成式人工智能的应用领域，特别是语言生成与伦理考虑的最新研究成果与未来发展轨迹的综合分析。

    May, 2024

  • 生成人工智能用于合成数据生成：方法、挑战与未来

    该论文探讨利用巨大的大语言模型生成特定任务训练数据的先进技术，介绍了方法论、评估技术和实际应用，并讨论了当前的限制和未来研究的潜在路径。

    Mar, 2024

  • 生成人工智能：新教育的力量

    提供一种加速学习方法来教授 AI，以便让学生更好地理解和利用 AI 在科学、技术、工程和数学等领域中的伦理用途和风险，并深入了解学生对 AI 的认知和其在社会和未来职业道路中的重要性。

    May, 2024

  • 面向 AI 支持的知识发展环境的思想生成和测试

    通过使用机器学习和大型语言模型，本论文介绍了一种知识工作者系统 Generate And Search Test，该系统能够高效地创建以前需要专家合作才能完成的解决方案。同时探讨了生成型人工智能和搜索引擎如何提供创意和验证事实、逻辑和语境，以消除人为偏见。

    Jul, 2023

  • 面向语言驱动的科学人工智能

    基于 AI 在自然语言理解和生成方面的革命性进展，我们设计了能够解决复杂科学任务的 AI 系统，并将自然语言作为 AI 与人类科学家之间的核心表示、推理和交换格式。本文旨在探讨实现这一愿景所面临的主要研究挑战。

    Oct, 2022