Google、GoogleDeepMind团队发布《AI在科学中的应用：初步洞察》论文(1500万)

非常高兴发布《人工智能在科学领域：初探世界》。这个项目由出色的@JMateosGarcia 和@m_codreanu 共同牵头，还有一支出色的合著者团队。

这是Google 团队与GoogleDeepMind 团队的首次合作，代表着我们一个研究议程的开端。人工智能对经济增长和繁荣的前景，直接体现在它对科学的影响上，而这篇论文是我们团队开启研究人工智能对科学影响这项全新工作的起点。

我们已经得到了许多结果，获得了许多洞察，但仍有很多问题有待解答。人们对人工智能给科学带来的影响既兴奋又担忧，但迄今为止相关数据还很少。

我们通过三个互补的数据源给出了初步洞察：
1) 1500万次Gemini交互的样本；
2) 涵盖各学科超过2600个专用人工智能模型（例如AlphaFold）的清单；
3) 对600多名科学家的新调研。

那么这些数据能告诉我们科学家实际如何在工作流中使用AI，以及AI带来了什么影响？为了回答这些问题，我们将这些数据对应到：
a) 来自@ProfNeilT 及其实验室的一套全新科学任务分类法；
b) 追踪科学出版物和引用（包括对专用AI模型的引用）的文献计量数据。

我们得出了四项主要结论。

1) 我们发现AI的应用和覆盖范围很广：科学家使用AI的频率超过大多数其他职业。专用AI模型覆盖了大量学科，而且被引用量很高。近一半受访科学家表示每天都会使用某种形式的AI。

2) 有证据表明大语言模型和专用模型是“经济互补”：大语言模型用于通用分析、编码和稿件准备，而专用模型则通过领域特定预测、数据生成和分类推动前沿发展。下图很好地说明了这一点：在科学研究过程中，两类模型互相促进。

3) 受访科学家表示使用AI后生产力大幅提升：每周可以节省近7个小时，这些时间主要被重新投入到更多研究中。科学家还表示，使用AI后更容易获得跨学科洞察，综合能力也得到提升。

4) 但随着科学研究的某些阶段变得更容易，瓶颈转移到了下游的非自动化任务。科学家表示，未验证假说的积压增加了，还要花大量时间验证输出结果。一半科学家还表示，AI促使他们转向更安全、更渐进的研究问题，这是潜在“路灯效应”的证据。

我们该如何理解这些结论？我们的发现表明，人工智能在提升科学生产力方面拥有巨大潜力。但和其他领域一样，它的最终影响将取决于复杂的任务相互依赖性，以及对消除新出现瓶颈的投入。要充分发挥人工智能在科学领域的全部潜力、推动经济发展，需要对科研基础设施和科研生产组织进行投入。