Sztuczna inteligencja: poszerzanie granic nauki i zwiększanie poziomu innowacyjności
Sztuczna inteligencja (SI) zmienia nasze style życia i sposoby pracy. Środowiska akademickie i prowadzone przez nie badania naukowe nie są wyjątkiem. Narzędzia oparte na sztucznej inteligencji pozwalają na automatyzację zadań, analizowanie danych i wyciąganie wniosków w sposób, który do tej pory nie był możliwy. Dzięki tym rozwiązaniom naukowcy mogą szybciej robić postępy i dokonywać przełomowych odkryć, a także poprawiać jakość swojej pracy. Sztuczna inteligencja pełni rolę katalizatora postępu naukowego, umożliwiając osiągnięcie większej wydajności i poszerzając granice wiedzy naukowej. Szczególnie dobrze sprawdza się w procesie badań naukowych i innowacji, gdzie staje się nieodzownym narzędziem wykorzystywanym w badaniach, które obejmują analizę dużych zbiorów danych naukowych oraz generowanie prognoz. Automatyzacja zadań, takich jak gromadzenie i analiza danych, pozwala z kolei badaczom skupić się na bardziej kreatywnych i strategicznych działaniach. Sztuczna inteligencja jest ponadto motorem innowacji we wszystkich sektorach gospodarki. Zdaniem ekspertów jej wykorzystanie doprowadzi do znacznego wzrostu produktywności i korzyści gospodarczych. Może przyczynić się do poprawy opieki zdrowotnej, zmniejszenia zużycia energii, zapewnienia większego bezpieczeństwa na drogach, umożliwienia rolnikom bardziej efektywnego wykorzystania wody i zasobów naturalnych oraz radykalnego zmniejszenia zużycia pestycydów.
Unijna strategia dla sztucznej inteligencji w Europie
Biorąc pod uwagę znaczenie sztucznej inteligencji, Komisja Europejska zaproponowała zbiór działań mających na celu doskonalenie tej technologii oraz zasady zapewniające jej wiarygodność. Skoordynowany plan w sprawie sztucznej inteligencji opracowany przez Komisję i państwa członkowskie w ramach zwiększania doskonałości tej technologii począwszy od etapu projektowania, aż po wprowadzenia na rynek, przedstawia wizję przyspieszenia inwestycji w sztuczną inteligencję w celu zapewnienia terminowego wdrożenia strategii dotyczącej SI oraz dostosowania polityk w zakresie sztucznej inteligencji w całej UE. Ważną częścią tego skoordynowanego planu są działania finansowane z europejskich programów ramowych w zakresie badań – „Horyzont Europa” i „Horyzont 2020”. W niniejszej publikacji przedstawiamy niektóre z najciekawszych projektów realizowanych w ramach tych programów, które prezentują wpływ sztucznej inteligencji na naukę. Fundamentem europejskiego podejścia do rozwoju i wykorzystania godnej zaufania sztucznej inteligencji jest wniosek Komisji w sprawie ram prawnych dotyczących sztucznej inteligencji, nazywany aktem w sprawie sztucznej inteligencji. Akt ten ma na celu określenie jasnych zasad dotyczących osób fizycznych i przedsiębiorstw, a także uporządkowanie kwestii prawnych oraz zagwarantowanie, że systemy sztucznej inteligencji wykorzystywane w UE są bezpieczne, przejrzyste, etyczne, bezstronne i kontrolowane przez ludzi.
Bliższe spojrzenie na badania finansowane ze środków unijnych
W tym wydaniu broszury CORDIS Results Pack przedstawiamy piętnaście trwających lub niedawno zakończonych projektów finansowanych przez UE, które skupiają się na różnych zastosowaniach sztucznej inteligencji w nauce. Przedstawiamy w niej sposoby, w jakie odpowiedzialne zastosowanie sztucznej inteligencji i wykorzystanie technik takich jak uczenie maszynowe zwiększa poziom innowacyjności nauki oraz umożliwia zajęcie się problemami, których rozwiązanie w przeciwnym razie byłoby zbyt trudne i czasochłonne. Projekty wykraczają poza dziedziny nauki zwykle wiązane ze sztuczną inteligencją, takie jak inżynieria, medycyna i informatyka – dzięki niej naukowcy mogą sprawdzić, w jaki sposób technologia ta może pomóc im w ochronie dziedzictwa kulturowego, archiwizowaniu dokumentacji historycznej w formie cyfrowej, usprawnianiu nauki języków obcych, przewidywaniu klęsk żywiołowych lub rozwiązywaniu problemów środowiskowych. Niektóre z inicjatyw dążą do dokonania nowych odkryć naukowych – dotyczą one między innymi wykorzystania sztucznej inteligencji do optymalizacji projektowania nowych materiałów o pożądanych właściwościach, identyfikacji kombinacji leków stosowanych w ramach spersonalizowanych terapii przeciwnowotworowych oraz jako wsparcie robotów współpracujących w eksploracji niedostępnych obszarów, takich jak jaskinie lawowe na Księżycu. Kolejna kategoria projektów wykorzystuje zdolność sztucznej inteligencji do analizowania i klasyfikowania dużej ilości różnorodnych danych, a także identyfikowania wzorców i złożonych relacji. Dzięki temu tworzona jest nowa wiedza naukowa, która przyczynia się do poszerzenia naszego rozumienia świata i zachodzących w nim zjawisk, w tym zachowania uskoków podczas trzęsień ziemi, powstawania i rozwoju gwiazd lub struktury protonu. Rezultaty projektów stanowią przykład zaangażowanie UE w finansowanie rozwoju innowacyjnej, bezpiecznej i odpowiedzialnej sztucznej inteligencji wykorzystywanej do celów badawczych. W projekcie COSMIC DANCE badacze wykorzystali uczenie maszynowe, aby zrozumieć sposób powstawania i proces rozwoju gwiazd. Zespół projektu COG-TOM opracował nowatorskie metody analizy danych, zwane tomografią kognitywną, pozwalające lepiej zrozumieć ludzki umysł. W ramach projektu CoRob-X powstały współpracujące zrobotyzowane łaziki planetarne z systemami percepcji środowiska i sterowania pozwalającymi na podejmowanie autonomicznych decyzji w ekstremalnych warunkach. Projekt DeepCube skupiał się na analizie dużego zbioru danych zebranych w ramach programu obserwacji Ziemi Copernicus w celu lepszego zrozumienia wyzwań dotyczących środowiska naturalnego. W ramach projektu DrugComb powstały narzędzia matematyczne i obliczeniowe pozwalające na określanie kombinacji leków stosowanych w spersonalizowanych terapiach przeciwnowotworowych. Projekt F-IMAGE był poświęcony zagadnieniu wykorzystania sztucznej inteligencji do klasyfikacji i analizy sygnałów sejsmicznych oraz zrozumienia zachowania uskoków podczas trzęsień ziemi. W ramach projektu HYPERION badacze opracowali ramy do oceny wpływu zmiany klimatu i składu atmosfery na obiekty dziedzictwa kulturowego. Zespół projektu MOUSSE wykorzystał podobieństwa między językami do stworzenia dużej sieci niezależnych od języka semantycznych reprezentacji zdań, by rozwiązać problem halucynacji w modelach sztucznej inteligencji. Projekt NNNPDF skupiał się na badaniu wewnętrznej struktury protonu i zachodzących w niej procesów przy użyciu technik uczenia maszynowego. W projekcie RD-ADVANCE badacze wykorzystali projekt regresji nieciągłości w celu lepszego ilościowego określenia wpływu przyczynowego różnych rodzajów działań politycznych. Projekt STOP dotyczył zastosowania sztucznej inteligencji do gromadzenia i przeanalizowania danych w celu stworzenia platformy oferującej porady żywieniowe osobom cierpiącym na otyłość. W projekcie TAXINOMISIS zespół wykorzystał uczenie maszynowe i sieci neuronowe do zbudowania platformy stratyfikacji ryzyka dla pacjentów z chorobą tętnic szyjnych. W ramach projektu TopMechMat powstały nowe materiały o specjalistycznych właściwościach. Badacze wykorzystali sztuczną inteligencję do optymalizacji ich projektu. W projekcie WINDMILL uczeni wykorzystali uczenie maszynowe do optymalizacji sieci 5G. Projekt VHH koncentrował się z kolei na zapisywaniu w formie cyfrowej nagrań filmowych związanych z odkryciami nazistowskich obozów koncentracyjnych i innych miejsc zbrodni wojennych.
