这篇论文通过构建涵盖27个学科、2507组对比数据的语料库,系统评估了2000年至2025年初AI与传统科学分析方法的相对表现。研究发现一种显著的分化格局:相较于传统统计学方法,AI虽常表现更优,但计算成本明显更高,且近四分之一的案例中AI既更昂贵又表现更差,这一比例十年来保持稳定;而相较于科学计算,AI往往表现欠佳但成本更低,不过自2020年起这一局面明显改观,AI在超过半数的对比中已实现反超。研究由此指出,AI并非现有方法的普适替代品,而是正在崛起且持续进步的“AI赋能科学前沿”中的重要组成部分。
| AI-enabled scientific frontier | 指人工智能赋能的新科学前沿,强调AI作为科学发现工具而非替代品。 |
| head-to-head comparisons | 直接对比,指在同一任务上比较AI与其他方法的性能。 |
| traditional statistics | 传统统计学方法,如回归分析、假设检验等经典统计技术。 |
| scientific computing | 科学计算,指基于数值模拟和算法的传统计算方法,如有限元分析。 |
| computational cost | 计算成本,指运行算法所需的计算资源(如时间、内存)。 |
📱 每天一份 AI 前沿日报
关注公众号,每天 09:00 推送 · 不错过任何重磅