Duomenys ir dirbtinis intelektas mokslui: pagrindiniai aspektai

Pirmasis skyrius pristatomos pagrindinės sąvokos ir aptariami mokslinių duomenų pritaikymo dirbtiniam intelektui privalumai ir iššūkiai.

Antrasis skyrius nagrinėja pagrindinius duomenų parengties dirbtiniam intelektui aspektus ir, atvirkščiai, dirbtinio intelekto duomenų kuravimui aspektus. Remdamiesi duomenų standartais, aptariame su dirbtiniu intelektu susijusius aspektus, tokius kaip mašininio skaitomumo ir šališkumo mažinimas, kartu pabrėždami etinius ir aplinkosauginius aspektus, susijusius su duomenų parengtimi dirbtiniam intelektui moksle.

Trečias skyrius aptariamas duomenų parengtis atvirojo mokslo kontekste, pateikiami du atvejų tyrimai, iliustruojantys, kaip atvirojo mokslo praktika gali padėti pritaikyti dirbtinį intelektą moksliniams tyrimams.

Rekomendacijos

• Konvergencija su esamomis duomenų sistemomis ir standartaispavyzdžiui, FAIR-R ir Croissant, turėtų naudoti mokslininkai ir duomenų tvarkytojai.
• Duomenų valdymo struktūros turėtų neapsiriboti techniniais standartais, siekiant skatinti lygybę, prieigą prie skaičiavimo išteklių ir pajėgumų stiprinimą.
• Investicijos į duomenų infrastruktūrą ir įgūdžių ugdymą yra būtina sąlyga veiksmingam ir konkurencingam dirbtinio intelekto naudojimui moksle.
• Pripažinimas duomenų valdymo karjeros mokslo srityje ir paskatos šiems įgūdžiams skatinti yra kertinis minėtų investicijų įgyvendinimo kelias.

Duomenys ir dirbtinis intelektas mokslui: pagrindiniai aspektai

rugsėjo 2025

DOI: 10.24948 / 2025.11

parsisiųsti

Šis darbas atliktas gavus Tarptautinio plėtros tyrimų centro (IDRC) Otavoje, Kanadoje, dotaciją. Čia išreikštos nuomonės nebūtinai atspindi IDRC ar jo valdytojų tarybos nuomonę.