人工智能（AI）正在通过提供创新工具，彻底改变科学界的情况，帮助研究人员在研究的各个阶段开展工作。AI的分析能力越来越广泛地应用于学术界，全球技术公司正在开发可以无缝集成到研究工作流程中的解决方案。
现在，科学家们可以利用AI动力工具，例如用于总结研究论文的TLDR工具，用于指出研究差距的地图数据库，用于发现专家见解的共识引擎，以及用于促进同行评审的平台HeyScience等。这些进步引起了显著的投资者关注，AI初创公司获得了显著的资金支持。
例如，公司Elicit在推出不久后筹集到了令人瞩目的900万美元用于其研究工作流系统。同样，总部位于加利福尼亚州的初创公司NobleAI获得了1700万欧元，以增强其材料科学和化学合成平台。
欧洲同行也在崛起，奥斯陆公司Iris在一轮融资中筹集了760万欧元。Iris的招牌产品是一种AI引擎，它可筛选学术文献，让研究人员能迅速从多篇文档中识别相关信息，极大地减轻了传统这类任务所需的工作量。
Iris的平台惠及广泛用户范围，从学术界到像Materiom和芬兰食品管理局这样的企业客户，他们利用这项技术进行控制禽流感等战略目的。依据AI工具，用户能够快速查看大量研究论文，找到专业领域交叉点的相关信息，这样的分析手动完成可能需要数月的时间。
针对AI有生成事实不准确的倾向——如Meta推出的具有争议性的Galactica程序所示，该程序很快因产生荒谬的AI生成文本而停止——Iris通过使用认知图、数据提取和上下文相似性测试，以确保其内容的准确性。
Iris致力于提供精确的信息，也致力于通过与结构知识库和真实来源相似之处进行验证，以提高AI输出内容的准确性。Abildgaard强调这些现实锚点的重要性，因为研究中准确的基础至关重要。Iris希望进一步扩展其工具包，帮助研究人员在信息领域中以最大的事实完整性导航。
关键问题和答案：
AI在科学研究中的主要应用方式是什么？
AI用于总结研究论文、确定研究差距、发现专家见解、促进同行评审以及从学术文献中提取信息。
与科学研究中的AI相关的挑战或争议有哪些？
其中一个关键挑战是确保AI生成内容的准确性和真实性，例如Meta的Galactica项目引发的争议就是一个例子，该项目生成了荒谬的AI生成文本。保持AI输出的事实完整性至关重要，尤其在研究中。
AI在科学研究中的优势：
– 通过快速分析和总结大量文献，节省时间。
– 比手动方法更有效地查找研究差距。
– 促进更广泛、更有效的合作和同行评审。
– 提供更好地理解和控制全球问题，如禽流感的工具。
AI在科学研究中的劣势：
– 有可能生成不可靠或事实不准确的信息。
– 需要不断验证与结构知识库和现实数据。
– 对AI工具的潜在依赖可能减少机遇和个人发现中的独特见解。
相关链接：
– 若要获取有关人工智能最新进展的更多信息，请访问AI.org。
– 要探索有关学术研究中人工智能应用的更多信息，请访问DeepMind。
– 若要了解有关以人工智能驱动的材料科学和化学合成改进的更多信息，请转到IBM Watson Health。
请注意，此处提供的URL仅供说明目的。在添加事实内容或链接之前，请手动访问网站以确保URL有效。
The source of the article is from the blog procarsrl.com.ar