DEMOS-自动化时代的研究（英文）-2020.9-32页_281kb

详细总结：RESEARCH 4.0 - AI-Enabled Research in the UK

核心内容

本报告探讨了人工智能（AI）对英国学术研究的影响及其未来可能的发展路径。随着第四次工业革命技术的兴起，AI正在深刻改变研究方法、研究流程以及整个学术研究生态系统。报告旨在识别AI在研究中的应用现状、面临的挑战以及可能的未来场景，同时提出政策建议以促进AI在研究领域的有效利用。

主要观点

• AI的广泛应用：AI技术，包括机器学习、自然语言处理和计算机视觉，正在被广泛应用于英国大学的各个学科领域，从STEM到人文学科。
• 双红利效应：AI带来的“双红利”体现在新的数据来源和强大的分析工具，使研究人员能够探索过去无法解决的问题。
• 技能与伦理的挑战：研究人员缺乏必要的数字和定量技能，同时AI的伦理风险，如隐私泄露和算法偏见，尚未得到充分重视。
• 跨学科合作的必要性：AI的有效利用需要跨学科合作，但当前的结构和资金体系对这种合作形成障碍。
• AI人才流失：AI人才正从学术界流向私营部门，且难以返回，这与薪资差距和学术成果评价体系有关。

关键信息

AI对学术研究方法的影响

• AI工具和方法正在被用于处理大规模数据，如人文学科研究者利用机器学习分析数万封历史信件和报纸文章。
• 新数据来源（如物联网传感器）使得实时数据分析成为可能，提高了研究效率和准确性。
• 研究人员能够通过AI分析患者数据，提高药物试验的成功率。

AI对研究流程和研究管理的影响

• AI在研究流程中的应用仍处于早期阶段，特别是在文献综述和论文评审方面。
• 同行评审流程因文化和社会因素而面临挑战，AI被认为不适合解决这些问题。
• 部分研究人员认为AI可以在文献综述阶段提供支持，但尚未广泛采用。

AI对学术研究生态系统的影响

• AI的使用并未显著影响初级研究人员的前景，反而增加了他们的任务量。
• 学术界对AI的贡献缺乏适当认可，例如数据清洗和模型构建。
• 英国大学在数字基础设施方面存在显著差异，人文学科研究人员尤其面临技术基础设施的限制。

未来AI对英国研究领域的影响

• 报告提出了五个未来场景，以探讨AI对英国研究领域可能带来的变化：
  1. 去中心化研究：技术发展使独立研究者能够获得与大学和企业相同的工具，推动跨领域合作。
  2. 国家冠军：政府与本土科技公司合作，推动科学研究，形成公私合作的模式。
  3. 公共服务科学：政府主导的研究领域，专注于服务英国，而非全球知识探索。
  4. 大科技研究：英国研究领域被大型科技公司主导，学术研究依赖于这些公司的资金。
  5. 落后英国：英国研究领域因技术投资不足而停滞，面临经济衰退的风险。

政策建议

教育与技能

• 建议1：审查16岁后的教育课程，确保学生掌握基本的数字、定量和伦理技能。
• 建议2：在大学课程中嵌入“负责任的研究与创新”理念，以应对AI的潜在负面影响。

早期职业研究人员

• 建议3：要求研究资助机构在资助申请中明确说明对早期职业研究人员工作的认可。

基础设施

• 建议4：进行全国范围内的研究计算和数据基础设施审计，以提升研究人员的访问能力。

研究资助与投资

• 建议5：鼓励UKRI在资助中优先考虑AI技术的应用，以促进其对经济和社会的贡献。
• 建议6：增加对跨学科研究项目的资金支持，如战略优先基金。

大学与私营部门

• 建议7：大学应减少对出版物的依赖，认可其他研究成果形式，以促进研究人员在学术界和产业界之间的流动。
• 建议8：UKRI应设立和资助“AI产业研究员”职位，以加强学术界与产业界的联系。

方法论

• 报告基于对英国研究密集型大学的11位学术研究人员的深度访谈，以及与外部专家的预测论坛和情景规划工作坊。
• 报告还参考了大量学术和产业文献，以支持其分析和建议。

范围与时间限制

• 报告主要关注AI对学术研究方法、流程和生态系统的影响。
• 研究聚焦于未来15至20年AI对英国研究领域的影响，超出此时间范围则充满不确定性。
• 报告的研究主要在2019年完成，未直接讨论新冠疫情的影响，但其结论仍适用于后疫情时代的学术研究。

结论

AI正在重塑英国学术研究的格局，为研究人员提供了前所未有的工具和数据。然而，其广泛应用仍面临技能、伦理、基础设施和跨学科合作等方面的挑战。通过政策引导和资源投入，英国可以确保其在AI驱动的研究领域的领先地位。