Data og AI for vitenskap: Viktige hensyn

Den første delen introduserer de grunnleggende konseptene og diskuterer fordelene og utfordringene ved å gjøre vitenskapelige data klare for kunstig intelligens.

Den andre delen undersøker de viktigste hensynene knyttet til databeredskap for AI, og omvendt, AI for å kuratere data. Vi bygger på datastandarder samtidig som vi diskuterer AI-spesifikke hensyn som maskinlesbarhet og fordommer, samtidig som vi fremhever etiske og miljømessige hensyn rundt databeredskap for AI i vitenskapen.

Den tredje delen diskuterer databeredskap innenfor rammen av åpen vitenskap, og presenterer to casestudier som illustrerer hvordan åpen vitenskap-praksis kan støtte AI-beredskap for vitenskapelig forskning.

Anbefalinger

• Konvergens mot eksisterende datarammeverk og standarder, for eksempel FAIR-R og Croissant, bør brukes av forskere og dataforvaltere.
• Strukturer for datastyring bør gå utover tekniske standarder for å fremme likestilling, tilgang til dataressurser og kapasitetsbygging.
• Investering i datainfrastruktur og kompetanseutvikling er en forutsetning for effektiv og konkurransedyktig bruk av AI i vitenskapen.
• Anerkjennelse av Karriere innen dataforvaltning innen vitenskap, og insentiver for å oppmuntre til disse ferdighetene, er en hjørnesteinsvei i implementeringen av investeringen ovenfor.

Data og AI for vitenskap: Viktige hensyn

september 2025

DOI: 10.24948 / 2025.11

Last ned

Dette arbeidet ble utført med hjelp av et stipend fra International Development Research Centre (IDRC) i Ottawa, Canada. Synspunktene som uttrykkes her representerer ikke nødvendigvis synspunktene til IDRC eller styret.