标题：AI for Science: An Emerging Agenda

链接：https://arxiv.org/abs/2303.04217 

作者：Philipp Berens, Kyle Cranmer, Neil D. Lawrence, Ulrike von Luxburg, Jessica Montgomery

单位：德国图宾根大学，美国威斯康星大学-麦迪逊分校，剑桥大学

摘要：

本报告记录了达格斯图尔研讨会「科学机器学习：数据驱动和机械建模之间的桥梁」的方案和成果。当今科学挑战的特点是复杂性。相互关联的自然、技术和人类系统受到跨越时间和空间尺度的力量的影响，导致复杂的相互作用和紧急行为。为了理解这些现象并利用科学进步提供创新的解决方案，以改善社会的健康、财富和福祉，人们需要新的方法来分析复杂的系统。人工智能的变革潜力源于其跨学科的广泛适用性，只有通过跨研究领域的整合才能实现。人工智能对于科学来说是一个集合点。它汇集了人工智能和应用领域的专业知识；将建模知识与工程技术相结合；并依赖于跨学科以及人与机器之间的协作。除了技术进步，该领域的下一波进步将来自建立一个由机器学习研究人员、领域专家、公民科学家和工程师组成的社区，共同设计和部署有效的人工智能工具。这份报告总结了研讨会的讨论，并提供了一个路线图，建议不同的社区如何合作，在人工智能及其应用于科学发现方面取得新的进展。