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 – به دانشمندان در رشته ها قدرتمند شویم تا چالش هایی را که یک بار غیرقابل توصیف فکر می کردند را با سرعتی که یک بار غیرممکن تلقی می کرد ، حل کنیم.

به همین دلیل است که به عنوان تصمیم گیرندگان جهانی و رهبران فناوری هفته آینده به اجلاس اقدام هوش مصنوعی در پاریس می روند ، پیام ما برای سیاستگذاران واضح است: در حالی که AI پتانسیل انقلابی در علم و ارائه فواید قابل توجهی برای مردم و جامعه دارد ، ادامه پیشرفت تضمین نمی شود – – این امر فقط 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 کرده است – با چیزهای بیشتری. 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 خود ، پیشرفت های هوش مصنوعی خود را در Connectomics ، Pangenome ، آب و هوا ، علوم مواد و مدل های آب و هوا به طور گسترده در دسترس دانشمندان قرار داده ایم. همه اینها لحظه ای 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 انجام 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:

1. زیرساخت ها – دسترسی به زیرساخت های هوش مصنوعی را افزایش دهید. اکثر دانشمندان نیازی به آموزش مدل بزرگ هوش مصنوعی خود ندارند ، اما برای تنظیم دقیق مدل های بزرگ ، اجرای شبیه سازی ها برای تولید داده های با کیفیت بالا یا آموزش مدل های هوش مصنوعی کوچکتر بر روی داده های تخصصی خود ، به منابع دسترسی به منابع نیاز دارند. 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 برای دولت ها ضروری است که زیرساخت های لازم برای تهیه ابزارها و منابع تحقیقاتی با قابلیت AI را بسازند 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.
2. سرمایه گذاری – سرمایه گذاری در علم هوش مصنوعی. 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 داشته باشد.
3. 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 برای حل هوش مصنوعی در آنجا وجود دارد-و راه های زیادی برای همکاری با کشورها برای ارتقاء پیشرفت های مهم AI.

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.