Dati e intelligenza artificiale per la scienza: considerazioni chiave

La prima sezione introduce i concetti fondamentali e discute i vantaggi e le sfide nel rendere i dati scientifici pronti per l'intelligenza artificiale.

La seconda sezione Esamina le considerazioni chiave per la preparazione dei dati per l'IA e, viceversa, per l'IA per la cura dei dati. Ci basiamo sugli standard dei dati, discutendo al contempo considerazioni specifiche dell'IA come la leggibilità automatica e la mitigazione dei bias, evidenziando al contempo considerazioni etiche e ambientali sulla preparazione dei dati per l'IA in ambito scientifico.

La terza sezione discute la preparazione dei dati nel quadro della scienza aperta e presenta due casi di studio che illustrano come le pratiche della scienza aperta possano supportare la preparazione all'intelligenza artificiale per la ricerca scientifica.

raccomandazioni

• Convergenza con i framework e gli standard di dati esistenti, ad esempio FAIR-R e Croissant, dovrebbero essere utilizzati da scienziati e gestori di dati.
• Strutture di governance dei dati dovrebbe andare oltre gli standard tecnici per promuovere l'equità, l'accesso alle risorse informatiche e lo sviluppo delle capacità.
• Investimenti in infrastrutture dati e sviluppo delle competenze è un prerequisito per un utilizzo efficiente e competitivo dell'IA nella scienza.
• Riconoscimento di carriere nella gestione dei dati nella scienza e gli incentivi per incoraggiare queste competenze rappresentano un percorso fondamentale per l'attuazione degli investimenti di cui sopra.

Dati e intelligenza artificiale per la scienza: considerazioni chiave

Settembre 2025

DOI: 10.24948 / 2025.11

Scaricare

Questo lavoro è stato realizzato con il supporto di una sovvenzione dell'International Development Research Centre (IDRC) di Ottawa, Canada. Le opinioni espresse nel presente documento non rappresentano necessariamente quelle dell'IDRC o del suo Consiglio di Amministrazione.