AI for Science的高质量发展对于加快实现高水平科技自立自强、建设世界科技强国具有重要意义。从AI、Science、for三个核心概念出发,探讨如何理解和发展AI for Science。在人机协作形态的历史演进中理解AI,即在感知性协作、肢体性协作...AI for Science的高质量发展对于加快实现高水平科技自立自强、建设世界科技强国具有重要意义。从AI、Science、for三个核心概念出发,探讨如何理解和发展AI for Science。在人机协作形态的历史演进中理解AI,即在感知性协作、肢体性协作、计算性协作到认知性协作的脉络中考察AI在科学研究中的角色。AI不再只是从外部为科研赋能,而是逐步介入科学家的思维过程,在认知层面与科学家建立深度协作。从全过程科研视角分析Science,AI不仅赋能科学知识生产,也推动科技传播的民主化与精准化,助力科研管理与评价的智能化。从技术—社会系统的视角来看,为了更好地释放AI for Science的潜力,应着眼于面向AI for Science的科研生态系统整体建设。未来应从人才培养、科研组织、数据资源、伦理治理等行动领域出发,提升科研人员的AI for Science胜任力、推动跨领域合作、促进高质量数据流通与共享以及加强科技伦理治理。展开更多
文摘AI for Science的高质量发展对于加快实现高水平科技自立自强、建设世界科技强国具有重要意义。从AI、Science、for三个核心概念出发,探讨如何理解和发展AI for Science。在人机协作形态的历史演进中理解AI,即在感知性协作、肢体性协作、计算性协作到认知性协作的脉络中考察AI在科学研究中的角色。AI不再只是从外部为科研赋能,而是逐步介入科学家的思维过程,在认知层面与科学家建立深度协作。从全过程科研视角分析Science,AI不仅赋能科学知识生产,也推动科技传播的民主化与精准化,助力科研管理与评价的智能化。从技术—社会系统的视角来看,为了更好地释放AI for Science的潜力,应着眼于面向AI for Science的科研生态系统整体建设。未来应从人才培养、科研组织、数据资源、伦理治理等行动领域出发,提升科研人员的AI for Science胜任力、推动跨领域合作、促进高质量数据流通与共享以及加强科技伦理治理。
