Data a umělá inteligence pro vědu: Klíčové aspekty

První část představuje základní koncepty a diskutuje výhody a výzvy spojené s přípravou vědeckých dat na umělou inteligenci.

Druhá část zkoumá klíčové aspekty připravenosti dat pro umělou inteligenci a naopak, jak umělá inteligence spravuje data. Stavíme na datových standardech a zároveň diskutujeme specifické aspekty umělé inteligence, jako je strojová čitelnost a zmírňování zkreslení, a zároveň zdůrazňujeme etické a environmentální aspekty týkající se připravenosti dat pro umělou inteligenci ve vědě.

Třetí část diskutuje o připravenosti dat v rámci otevřené vědy a představuje dvě případové studie, které ilustrují, jak mohou postupy otevřené vědy podpořit připravenost umělé inteligence pro vědecký výzkum.

Doporučení

• Konvergence se stávajícími datovými rámci a standardy, například FAIR-R a Croissant, by měli používat vědci a správci dat.
• Struktury správy dat by měl jít nad rámec technických standardů a podporovat rovnost, přístup k výpočetním zdrojům a budování kapacit.
• Investice do datové infrastruktury a rozvoje dovedností je předpokladem pro efektivní a konkurenceschopné využití umělé inteligence ve vědě.
• Uznání kariéra v oblasti správy dat ve vědě a pobídky k podpoře těchto dovedností jsou základním kamenem realizační cesty výše uvedených investic.

Data a umělá inteligence pro vědu: Klíčové aspekty

září 2025

DOI: 10.24948 / 2025.11

Ke stažení

Tato práce byla provedena s pomocí grantu od Mezinárodního centra pro výzkum rozvoje (IDRC) v Ottawě v Kanadě. Názory zde uvedené nemusí nutně reprezentovat názory IDRC nebo jeho správní rady.