第三，建立聚焦处理科学问题的公共严沉挑和项目，包罗减轻生齿增加和过度消费、生态系统、天气变化影响和污染等彼此联系关系的问题。医疗、教育和等范畴的AI挑和项还可能会加快立异。

　　该文件最初指出，AI是我们实现冲破的新体例。但AI带来的科学收益并非从动实现。公共政策将正在塑制社会能否以及若何实现AI的科学潜力方面阐扬主要感化，并决定我们能否可以或许取得新的发觉，并将这些发觉使用于健康、能源以及其他环节挑和的现实处理方案中。

　　第一，成立和赞帮AI赋能科学的研究核心和项目，以应对复杂的科学挑和。AI专家取科学范畴专家之间的跨学科合做对于开辟更高效、更切确的AI科学处理方案至关主要。然而，研究的孤立化以及职业成长中对跨学科工做的激励机制不脚，往往障碍了这种合做。MIT-Google计较立异打算是产学合做若何将跨学科团队堆积正在一路，加速全球社会和可持续成长挑和研究的一个例子。通过成立跨学科研究核心和项目，能够激励AI专家和非AI科学家之间的合做，整合多范畴学问，鞭策跨部分立异。

　　第三，加强商业政策，支撑跨境数据流动。AI依赖于快速拜候大量数据（此中大部门可能存储正在海外）的能力，以及正在凡是位于世界各地的分歧研究小组之间快速互换消息的能力。利用和汇总来自分歧地域的数据也使研究人员可以或许拜候更普遍的样本、变量和前提，从而得出可以或许很好地推广到现实世界场景的稳健处理方案。

　　现在，AI正在天然科学范畴的使用正以史无前例的速度加快发觉，如AlphaFold对卵白质布局的预测，GNoME更是曾经成功发觉了220万个新晶体，相当于近800年来典范研究手艺的学问堆集等。AI正在天气科学范畴（如谷歌的洪水预测AI模子、野火AI探测等）、能源范畴、医疗保健、量子科学等范畴也已有冲破性使用。这些成功案例表白，AI不只加快了科学研究的历程，还拓宽了科学摸索的鸿沟。

　　应成立国度AI科学资本核心，AI模子、计较能力和软件东西，开展案例搜集以及供给AI教育资本等。这些核心不只应办事于本国科学家，还应取国际资本核心合做，推进全球范畴内的科学协做。

　　第六，扩大操纵科学前进社区的非营利组织的社会影响力。激励AI取科学研究进行社会无益组合的另一种体例营利范畴。支撑能够采纳赠款和财务援帮的形式，或者更主要的是扩大处理方案的合做勤奋。

　　这种支撑能够以赠款和合同的形式，供给培训/教育材料，或简化赠款申请和评估过程，以及数据驱动的赠款分派，以加强以教育为沉点的非营利组织。

　　例如，正在美国，Data。gov汇集了来自各机构的数据集，国度科学基金会还赞帮成立了国度数据平台，财产界和学术界还合做成立了一个名为The Well的大型科学数据存储库，此中包含15TB的物理模仿数据，涵盖了分歧的科学范畴。美国还取私营部分合做正正在开展“国度AI研究资本试点”（NAIRR），通过供给计较、数据、软件和培训资本，推进AI研究。

　　第二，赞帮AI取其他新兴手艺交叉范畴的研究。AI取量子计较、生物手艺和纳米手艺等范畴的融合前进为协同冲破供给了史无前例的机遇。

　　第二，制定同一的数据现私法，沉点是负义务和合理的数据收集和利用。对于政策制定者来说，特别主要的是要正在数据权和科学前进的社会好处之间衡量。现私律例应旨正在具有顺应性、基于风险、手艺中立性，并侧沉于减轻输出的潜正在风险，而不是开辟中利用的输入。

　　2015年1月谷歌的查询拜访显示，70%的人认为AI将正在科学（72%）和医学（71%）范畴发生积极影响，领先于正在农业（60%）和收集平安（57%）等范畴的使用。

　　第一，制定（或）版权框架，以便平安利用公开可用的消息来锻炼和测试人工智能系统。AI模子并非仅仅是其锻炼数据的压缩副本。锻炼模子是对锻炼数据的一种性、非表示性的利用，该当正在具有合理利用条目的司法管辖区内被视为合理利用，或正在依赖于列举破例条目的司法管辖区内被视为合适文本数据挖掘（TDM）破例的前提。

　　该文件指出，当前由AI驱动的科学并非要代替人类科学家，而是要将他们的能力提拔到史无前例的程度。AI的实正力量正在于其可以或许极大地加快科学研究过程，正在某些范畴，如新药研发、材料科学和疾病诊断，AI以至能将保守尝试和研究所需的数百年甚至上千年的工做压缩至几个月以至几天内完成。

　　可是AI的潜力尚未完全。通过制定合适的政策，可认为科学家供给需要的东西和资本，从而鞭策更多科学冲破，处理全球性的挑和。

　　此外，该文件还强调了软件互操做性的主要性。通过开辟和推广开源东西和尺度化接口，科学家能够更便利地整合分歧来历的数据和模子，从而提高研究效率。

　　第一，投资所有科学学科开展AI教育，培育下一代通晓AI的科学家。该当通过公共资金和公私伙伴关系，添加学金、研究基金及赞帮打算的投入，支撑处置AI取科学范畴交叉研究的研究生及晚期职业研究人员。

　　2025年2月6日，谷歌发布《操纵AI建立科学将来政策框架》文件，旨正在为世界各地的政策制定者供给一份蓝图，以帮帮制定政策，充实AI正在鞭策科学前进方面的潜力。

　　第四，加强公共部分采购，以鞭策AI立异。例如，全球很多城市曾经采纳了GreenLight项目，操纵AI驱动的交通信号灯节制来削减交通排放和优化城市交通。

　　此外，应通过更新专业成长打算，率先对教育工做者进行AI概念的培训。大学和学院也能够将AI整合到他们的课程中阐扬环节感化。学术机构能够通过供给特地的AI项目和跨学科课程，将AI取其他科学学科相连系？。

　　第一，扩展示有的财务支撑机制，并成立新的资金支撑系统，以帮帮鞭策AI赋能科学使用范畴的小型企业成长。

　　基于此，该文件提出了一个政策框架，即“三I支柱”：根本设备（Infrastructure）、投资（Investment）、立异（Innovation）。

　　第一，采用适度和基于风险的监管方式，沉点关心利用和现实风险，而不是底层手艺。通过将监管沉点放正在已知人工智能风险可能或可能发生严沉影响的潜正在无害用例上，能够实施相等的方式，人平易近并为科学前进留出空间。

　　该文件认为，为了最大化数据的价值，应制定命据政策，确保赞帮的研究数据和公共数据集的可拜候性。例如，例如，美国NASA的EMIT、的EnMAP和日本的HISUI为开辟天气科学的人工智能模子供给了贵重的数据。同时，该文件还，该当制定明白的线图，列出它们最紧迫的挑和，并建立一个科学界缺乏数据的优先范畴列表。但正在建立科学数据集时必需小我现私消息。正在范畴，如医疗和卫生保健，应鞭策建立能够用于锻炼AI模子和处理公品取办事差距的全面匿名化、普遍代表性的数据集。

　　该文件指出，当前AI正在科学范畴的使用面对诸多挑和，如数据获取的坚苦、计较能力的以及跨学科合做的妨碍。为领会决这些问题，文件提出以下？。

　　第二，正在STEM范畴合作人才，无论正在哪里。STEM范畴的学生、研究人员和科学家来自世界各地，该当赐与本人一切机遇，从合作激烈的全球科学和人工智强人才中吸引候选人。为了抢夺人才，能够添加获得培训项目和研究根本设备的机遇，通过简化签证打算来积极招募国际研究人员，并正在国内培育下一代AI和科学专家。

　　此外，AI东西使得对海量数据的复杂阐发成为可能，并使更多的研究者可以或许参取此中，推进了科研合做，斥地了全新的研究标的目的。

　　本文由“教育国际前沿课题组”（IFRGE）课题组拾掇，课题担任人张永军，编纂刘强。内容仅供参考，点击左下角“阅读原文”可官网下载该文献。

　　该文件指出，科学前进依赖于数据的流动和合做，但同时也需要恰当的律例来确保数据现私、学问产权和跨境数据流动的平安。基于风险、特定行业、取手艺中立的法令律例框架将推进全球合做、数据共享和合规，使世界各地的机构和公司可以或许快速、平安地立异。