近年来,人工智能已从一门小众技术学科,逐步发展成为推动各领域知识生产变革的核心力量。这一转变在科学研究领域尤为显著。随着生成式 AI 模型的兴起,其能够生成文本、图像、视频等多种形式的内容,研究工作流程中的自动化程度、创新空间与知识生成能力得到了大幅提升。
AI 技术正被越来越广泛地融入整个研究生命周期,涵盖假设生成、数据分析以及成果传播等各个环节。与此同时,更具前瞻性的概念也在持续涌现,例如旨在以极少人工干预即可主导端到端研究流程的"AI 科学家"。政策制定者和各方利益相关者对 AI 应对重大社会挑战(如疾病检测与气候变化)的潜力普遍持乐观态度。
然而,这种乐观情绪也受到诸多风险因素的制约。相关担忧涵盖可靠性、可重复性与透明度等问题,以及隐私保护、算法偏见和资源获取不平等等伦理层面的挑战。此外,还有人对 AI 的长期影响表示忧虑,包括可能削弱研究人员的核心技能、降低人类整体自主性,以及 AI 系统带来的环境负担。正因如此,研究界对于什么是可接受的、负责任的 AI 使用方式,目前仍存在较大分歧。
随着 AI 能力的持续快速演进,业界对于如何在研究实践中采集、验证 AI 应用实证数据的需求日益迫切。
为此,RAND 欧洲将负责组织实施英国首次全国性"AI 研究应用调查",并对调查结果进行分析与报告。该调查旨在回答以下核心问题:AI 目前在研究中是如何被使用的?哪些因素促进或阻碍了其应用推广?未来政策应如何支持 AI 的负责任与有效使用?
开展"全国 AI 研究应用调查"是英国由科学、创新与技术部(DSIT)主导的《AI 科学战略》中的一项直接行动。该战略明确了 AI 推动英国科学与研究转型的国家优先方向。随着调查数据的持续积累,将逐步构建起对英国研究领域 AI 应用情况的全面认知,包括使用模式与实践方式、采用规模与影响效果,以及研究人员在实际工作中面临的主要促进因素与阻碍因素。
本次全国调查覆盖范围广泛,设计上兼顾了与英国政策背景密切相关的多个议题。调查涵盖整个研究生命周期中多类 AI 工具的应用情况,参与对象涵盖不同学科领域和职业阶段的研究人员。调查方案的设计综合参考了三项关键输入:快速文献综述、由英国元科学部门与 RAND 欧洲联合组织的调查设计与构思利益相关方研讨会,以及聚焦结构、主题、表达清晰度与整体用户体验的试点调查反馈。
本项目由英国元科学部门委托并提供资金支持。如对该研究有任何疑问,欢迎通过邮件 ai4research@randeurope.org 联系 RAND 欧洲研究团队。
Q&A
Q1:英国全国AI研究应用调查的主要目的是什么?
A:该调查旨在了解AI目前在英国研究领域的使用现状,探究哪些因素促进或阻碍了AI的采用,以及未来政策应如何支持AI的负责任与有效使用。调查覆盖整个研究生命周期,包括假设生成、数据分析和成果传播等环节,参与者涵盖不同学科与职业阶段的研究人员,是英国《AI科学战略》的重要组成部分。
Q2:研究界对AI应用有哪些主要担忧?
A:研究界的担忧主要集中在以下几个方面:技术层面包括AI的可靠性、可重复性与透明度不足;伦理层面涉及隐私保护、算法偏见和资源获取不平等;长期影响方面则担心AI可能削弱研究人员的核心技能、降低人类自主性,以及AI系统运行带来的环境负担。这些问题导致研究界对何为负责任的AI使用方式尚未形成共识。
Q3:RAND欧洲在这项调查中扮演什么角色?
A:RAND欧洲负责组织实施英国首次全国性"AI研究应用调查",承担调查的设计、实施、数据分析与结果报告工作。调查方案的制定参考了快速文献综述、利益相关方研讨会以及试点调查的反馈意见,整个项目由英国元科学部门委托并提供资金支持。
好文章,需要你的鼓励
英国国家医疗服务(NHS)正将无人机纳入常规医疗物流体系。自今年2月起,无人机每天在雷恩斯公园和圣乔治医院之间运送血液等诊断样本,飞行仅需3分钟,比公路运输快约85%,且碳排放减少高达98%。目前已有逾2000名患者受益。NHS计划将该服务扩展至圣赫利尔、克罗伊登等多家医院,最终惠及约180万名患者。该网络由英国医疗初创公司Apian与谷歌旗下Wing合作运营。
AgentLens是Explyt公司联合俄罗斯学术机构开发的AI编程助手评测基准,通过分析完整人机交互轨迹而非仅看最终结果,从五个维度评估代码智能体的真实表现。
边缘AI计算厂商Aetina宣布,将在其DeviceEdge AIE-KT风冷系列和新款AIE-PT无风扇平台上支持英伟达全新Jetson T3000和T2000模块。T3000基于Blackwell GPU,最高提供865 FP4 TFLOPS算力,功耗70W;T2000则提供400 FP4 TFLOPS,面向视觉AI代理和自主移动机器人等场景。两款模块预计2027年第一季度上市,支持Nemotron、Cosmos 3等英伟达AI软件生态。
韩国梨花女子大学提出Splash框架,通过识别AI模型中的"休眠参数"并只在其中训练触觉能力,让小型多模态AI在学会感知材质触感的同时,完整保留原有视觉语言推理能力。