Dữ liệu và AI cho khoa học: Những cân nhắc chính

Phần đầu tiên giới thiệu các khái niệm cơ bản và thảo luận về những lợi thế và thách thức của việc tạo dữ liệu khoa học sẵn sàng cho AI.

Phần thứ hai xem xét những cân nhắc chính về tính sẵn sàng của dữ liệu cho AI, và ngược lại, AI để quản lý dữ liệu. Chúng tôi xây dựng dựa trên các tiêu chuẩn dữ liệu, đồng thời thảo luận về các cân nhắc cụ thể của AI như khả năng đọc máy và giảm thiểu sai lệch, đồng thời nhấn mạnh các cân nhắc về đạo đức và môi trường xung quanh tính sẵn sàng của dữ liệu cho AI trong khoa học.

Phần thứ ba thảo luận về tính sẵn sàng của dữ liệu trong khuôn khổ Khoa học mở, trình bày hai nghiên cứu điển hình minh họa cách thức thực hành Khoa học mở có thể hỗ trợ tính sẵn sàng của AI cho nghiên cứu khoa học.

Khuyến nghị

• Sự hội tụ với các khuôn khổ và tiêu chuẩn dữ liệu hiện có, ví dụ như FAIR-R và Croissant, nên được các nhà khoa học và người quản lý dữ liệu sử dụng.
• Cấu trúc quản trị dữ liệu phải vượt ra ngoài các tiêu chuẩn kỹ thuật để thúc đẩy công bằng, tiếp cận tài nguyên điện toán và xây dựng năng lực.
• Đầu tư vào cơ sở hạ tầng dữ liệu và phát triển kỹ năng là điều kiện tiên quyết để sử dụng AI hiệu quả và cạnh tranh trong khoa học.
• Công nhận sự nghiệp quản lý dữ liệu trong khoa học và các động cơ khuyến khích những kỹ năng này là con đường thực hiện nền tảng của khoản đầu tư nêu trên.

Dữ liệu và AI cho khoa học: Những cân nhắc chính

Tháng Chín 2025

DOI: 10.24948 / 2025.11

Tải về

Công trình này được thực hiện với sự hỗ trợ của khoản tài trợ từ Trung tâm Nghiên cứu Phát triển Quốc tế (IDRC), Ottawa, Canada. Quan điểm thể hiện ở đây không nhất thiết đại diện cho quan điểm của IDRC hoặc Hội đồng Quản trị của IDRC.