2015年起,以深度学习为代表的人工智能技术,迅速与科学研究各个领域相汇聚,并逐渐成为一种通用型科研赋能工具,形成了独特的“AI for Sciences”现象。文章系统梳理了自人工智能诞生之日起,其与科学活动的整体汇聚历程及阶段性特征,并...2015年起,以深度学习为代表的人工智能技术,迅速与科学研究各个领域相汇聚,并逐渐成为一种通用型科研赋能工具,形成了独特的“AI for Sciences”现象。文章系统梳理了自人工智能诞生之日起,其与科学活动的整体汇聚历程及阶段性特征,并结合人工智能研究范式的转变,以及当代科学所面临的高维灾难、数据灾难等问题,分析“AI+科学”热潮形成的动因。通过文献计量学方法,对人工智能与化学、地球科学、天文学、物理学、生物学、材料科学等基础科学的汇聚态势进行分析,在此基础上总结归纳了人工智能技术对科学研究的独特赋能能力,如信息归类的智能化、扩展科学模拟规模、基于数据的科学预测、实现高维方程求解、进行经验试错替代、探索新科学猜想等。展开更多
文摘2015年起,以深度学习为代表的人工智能技术,迅速与科学研究各个领域相汇聚,并逐渐成为一种通用型科研赋能工具,形成了独特的“AI for Sciences”现象。文章系统梳理了自人工智能诞生之日起,其与科学活动的整体汇聚历程及阶段性特征,并结合人工智能研究范式的转变,以及当代科学所面临的高维灾难、数据灾难等问题,分析“AI+科学”热潮形成的动因。通过文献计量学方法,对人工智能与化学、地球科学、天文学、物理学、生物学、材料科学等基础科学的汇聚态势进行分析,在此基础上总结归纳了人工智能技术对科学研究的独特赋能能力,如信息归类的智能化、扩展科学模拟规模、基于数据的科学预测、实现高维方程求解、进行经验试错替代、探索新科学猜想等。