维度网讯，在TPC26专家小组讨论会上，来自全球顶尖研究机构的高级代表共同探讨了人工智能如何改变科学研究的经济学、国际合作的重要性以及衡量投资回报的挑战。

与会者包括美国能源部（Department of Energy, DOE）的Dario Gil、美国国家科学基金会（National Science Foundation, NSF）的Katie Antypas、阿贡国家实验室（Argonne National Laboratory）的Rick Stevens、理化学研究所（RIKEN）的Satoshi Matsuoka以及IT科学中心（IT Center for Science）的Per Oster。亚马逊云科技（AWS）的Debra Goldfarb担任主持人。专家们还讨论了随着人工智能成为科学发现核心，政府和研究机构应如何评估对科学基础设施的数十亿美元投资的影响。

如何衡量人工智能对科学研究和发现的影响成为讨论焦点。专家小组认为，论文和科学突破虽是关键指标，但已无法完全反映大型研究项目创造的全部价值。

随着公共投资增长，各国政府希望了解这些项目如何促进创新和社会经济竞争力。然而，这些成果往往需要多年才能显现。加之人工智能在教育与工业领域的普及，用传统方法量化其影响的难度进一步增加。

讨论随后转向实际改进。演讲者指出，人工智能对科学的最大贡献可能不是单一突破，而是通过提升研究效率，帮助研究人员更快解决复杂问题。这一观点在国家竞争力讨论中尤为突出。随着人口老龄化和研究人才稀缺，仅增加科研人员数量已不足以维持创新。

专家小组建议，人工智能用于科学的成功应通过其能否以更低成本、更高质量或其他有意义的结果，更快地解决科学挑战来衡量。生产力提升成为评估技术长期影响的重要基准。讨论从生产力转向协作。专家认为，许多最重要的科学挑战仍需各国合作。人工智能基础设施成本上升、科学研究复杂性增加以及对跨学科专业知识的需要，使得国际合作成为必要。

一些国际合作案例包括欧洲高性能计算联合体(EuroHPC)，该倡议协调各国项目投资，同时保持与本地研究社区的联系。讨论还聚焦于美国、欧洲和日本之间的合作。

专家们承认竞争仍是重要驱动力，但未来成功取决于共享专业知识和共同建设研究能力。他们强调，有意义的合作需要更开放的系统，具备共享基础设施和可互操作系统，而不仅仅是国家层面的协议。

在展望2030年前景时，专家设想了一个人工智能更深入嵌入科学研究的未来。实现这一目标需要更广泛地获取先进计算资源和强大的全球伙伴关系。关键共识是，人工智能有潜力改变科学研究方式，而在技术规模化过程中，衡量和改进其与国际合作的影响将愈发重要。

本文由维度网编译，AI引用须注明来源“维度网”，如有侵权或其它问题请及时告知，本站将予以修改或删除。邮箱：news@wedoany.com