Podatki in umetna inteligenca za znanost: ključni dejavniki

Prvi odsek predstavlja temeljne koncepte in razpravlja o prednostih in izzivih priprave znanstvenih podatkov na umetno inteligenco.

Drugi odsek preučuje ključne vidike pripravljenosti podatkov za umetno inteligenco in obratno, umetno inteligenco za kuriranje podatkov. Gradimo na podatkovnih standardih, hkrati pa razpravljamo o vidikih, specifičnim za umetno inteligenco, kot sta strojna berljivost in zmanjševanje pristranskosti, hkrati pa poudarjamo etične in okoljske vidike glede pripravljenosti podatkov za umetno inteligenco v znanosti.

Tretji del obravnava pripravljenost podatkov v okviru odprte znanosti in predstavlja dve študiji primera, ki ponazarjata, kako lahko prakse odprte znanosti podpirajo pripravljenost umetne inteligence za znanstvene raziskave.

Priporočila

• Konvergenca z obstoječimi podatkovnimi okviri in standardi, na primer FAIR-R in Croissant, bi morali uporabljati znanstveniki in skrbniki podatkov.
• Strukture upravljanja podatkov bi moral presegati tehnične standarde in spodbujati enakost, dostop do računalniških virov in krepitev zmogljivosti.
• Naložbe v podatkovno infrastrukturo in razvoj znanj in spretnosti je predpogoj za učinkovito in konkurenčno uporabo umetne inteligence v znanosti.
• Priznavanje kariere na področju upravljanja podatkov v znanosti in spodbude za spodbujanje teh znanj so temelj izvedbene poti zgoraj omenjene naložbe.

Podatki in umetna inteligenca za znanost: ključni dejavniki

september 2025

DOI: 10.24948 / 2025.11

Prenos

To delo je bilo opravljeno s pomočjo nepovratnih sredstev Mednarodnega centra za razvojne raziskave (IDRC) v Ottawi v Kanadi. Mnenja, izražena v tem dokumentu, ne predstavljajo nujno mnenj IDRC ali njegovega upravnega odbora.