امروزه پیشرفتهای دارای AI ، پیشرفت نسلی در زیست شناسی ، تغییر علم و ایمن تر کردن جاده های ما است.
اما این فقط آغاز است.
اگر ما از این فرصت کاملاً سرمایه گذاری کنیم ، می توانیم در دوره جدیدی از کشف – توانمندسازی دانشمندان در رشته ها برای حل چالش هایی که یک بار غیرقابل حل با سرعتی بود یک بار غیرممکن به نظر می رسید ، بپردازیم.
به همین دلیل است که به عنوان تصمیم گیرندگان جهانی و رهبران فناوری به اجلاس اقدام هوش مصنوعی در پاریس می روند ، پیام ما به سیاستگذاران واضح است: در حالی که AI پتانسیل انقلابی در علم و ارائه مزایای قابل توجهی برای مردم و جامعه دارد ، ادامه پیشرفت است. تضمین نشده – این تنها از طریق اقدامات فوری و پایدار از طرف بخش های خصوصی و دولتی امکان پذیر خواهد بود.
فرصتی برای پیشبرد علم در دوره هوش مصنوعی
هوش مصنوعی در حال حاضر شروع به فعال کردن پیشرفت های برجسته در علم – با چیزهای بیشتری می کند. این در حال تغییر است که ما چگونه تحقیقات علمی انجام می دهیم ، به طرز چشمگیری سرعت بخش علمی را تسریع می کنیم (گاهی اوقات صدها یا حتی هزاران سال آزمایش و تحقیق سنتی را به چند ماه یا روز متراکم می کنیم) و به دانشمندان این امکان را می دهیم که به طور همزمان به روش های جدید نگاه کنند. هوش مصنوعی همچنین این امکان را برای افراد بیشتری فراهم می کند که در تحقیقات شرکت کنند.
به عنوان مثال ، Alphafold به تنهایی توسط 2.5 میلیون محقق در 190 کشور مختلف به آن دسترسی پیدا کرده است. ما همچنین بسیاری از نقاط برجسته ما ، پیشرفت های هوش مصنوعی را در کانکتومیک ها ، پانگنوم ، آب و هوا ، علوم مواد و مدل های آب و هوا به طور گسترده در دسترس دانشمندان قرار داده ایم. همه اینها یک لحظه عظیم فرصت ایجاد می کند – مزایای ملموس را برای افراد در مورد مشکلات دنیای واقعی و رشد اقتصادی فراهم می کند.
اما تحقق این پتانسیل عظیم هوش مصنوعی در علم بیش از موفقیت های تکنولوژیکی نیاز دارد. این تلاش هماهنگ برای ایجاد بنیاد برای ادامه پیشرفت است.
به همین دلیل کشورهایی که می خواهند در اینجا رهبری کنند ، باید با هم همکاری کنند تا زیرساخت ها ، سرمایه گذاری ها و چارچوب های قانونی را که از دانشمندان ، مهندسان و فرهنگ نوآوری مداوم پشتیبانی می کنند ، ایجاد کنند.
برای ارائه اقدامات فوری و عملی به سیاست گذاران ، امروز چارچوب سیاست خود را برای ساختن آینده علم با هوش مصنوعی منتشر می کنیم.
سه علوم من در دوره AI:
- زیرساخت ها دسترسی به زیرساخت های هوش مصنوعی را افزایش می دهد. اکثر دانشمندان نیاز به آموزش مدل بزرگ هوش مصنوعی خود ندارند ، اما برای تنظیم دقیق مدل های بزرگ ، به منابع دسترسی به منابع نیاز دارند ، شبیه سازی ها را برای تولید داده های با کیفیت بالا اجرا می کنند یا مدل های هوش مصنوعی کوچکتر را بر روی داده های تخصصی خود آموزش می دهند. و بدون داشتن زیرساخت های مستقر برای تحقیقات و توسعه علمی با قدرت ، آنها باید انرژی خود را برای هماهنگی منابع محاسباتی ، داده ها و دسترسی به مدل اختصاص دهند و با ابزارهای هوش مصنوعی مهارت پیدا کنند ، که همه اینها از فعالیتهای اصلی تحقیقاتی آنها جلوگیری می کند. به همین دلیل ضروری است که دولت ها برای ساخت زیرساخت های لازم برای تهیه ابزارها و منابع تحقیقاتی AI ضروری باشند در دسترس تر به دانشمندان بیشتری در مکان های بیشتربشر آنها می توانند با راه اندازی National AI برای مراکز منابع علمی ، مشابه با مفهوم با منابع تحقیقاتی ملی AI ایالات متحده (NAIRR) ، که باعث می شود داده های با کیفیت بالا ، مدل های هوش مصنوعی ، ظرفیت محاسبه ، نرم افزار و منابع آموزشی برای تحقیقات هوش مصنوعی در دسترس باشد ، به این هدف دست یابند.
- سرمایه گذاری – در علم هوش مصنوعی سرمایه گذاری کنید. اکتشافات علمی پیشگامانه اغلب به تعهد طولانی مدت و سرمایه گذاری پایدار نیاز دارد. با گذشت سالها ، بودجه دولت نقش مهمی در حمایت از تلاشهای جاه طلبانه تحقیقاتی اساسی ، تشویق همکاری بین دانشگاهی ، صنعت و بخش دولتی و جذب سرمایه گذاری های اضافی خصوصی (خارجی یا داخلی) ایفا کرده است. دولت ها باید لیستی از مناطق اولویت دار را برای هدایت بودجه خود و ایجاد انگیزه در همکاری های تحقیقاتی از طریق چالش های عمومی با هدف حل مهمترین موضوعات ایجاد کنند. مشارکتهای جدید و خصوصی و مدلهای بودجه می تواند نقش مهمی در تقویت اکوسیستم پر رونق و ایجاد استخر قوی از استعدادهای علمی و مهندسی ایفا کند.
- نوآوری-اجرای چارچوب های حقوقی طرفدار و طرفدار نوآوری. با سرعت بخشیدن به رقابت جهانی هوش مصنوعی ، ما باید ضمن ایجاد چارچوب هایی برای برنامه های پرخطر ، از نوآوری پشتیبانی کنیم. عدم اطمینان نظارتی نوآوری را کند می کند و موانعی را برای دانشمندان و سرمایه گذاران خصوصی ایجاد می کند. برای رسیدگی به این موضوع ، دولت ها باید رژیم های نظارتی طرفدار نوآوری را ایجاد کنند که از استفاده مسئولانه و معقول از داده ها ، چارچوب های انعطاف پذیر حق چاپ و قوانین حفظ حریم خصوصی داده ها پشتیبانی می کنند. سیاست های تجاری باید از جریان داده های مرزی پشتیبانی کند و باعث افزایش تنوع داده های مورد نیاز برای اکتشافات هوش مصنوعی شود.
چالش های بسیاری دیگر وجود دارد که هوش مصنوعی برای حل “و راه های بسیاری برای کار با یکدیگر برای همکاری با یکدیگر برای ارتقاء پیشرفت های مهم AI وجود دارد.
دولت ها با پاکسازی راه برای ادامه پیشرفت دانشمندان برای ادامه ارائه انواع پیشرفت هایی که آینده ای روشن تر را برای مردم در همه جا فراهم می کند ، می توانند با پاکسازی پیشرفت علمی کمک کنند.