Data a deallusrwydd artiffisial ar gyfer gwyddoniaeth: Ystyriaethau allweddol

Yr adran gyntaf yn cyflwyno'r cysyniadau sylfaenol ac yn trafod manteision a heriau gwneud data gwyddonol yn barod ar gyfer deallusrwydd artiffisial.

Yr ail adran yn archwilio'r ystyriaethau allweddol ar gyfer parodrwydd data ar gyfer AI, ac i'r gwrthwyneb, AI i guradu data. Rydym yn adeiladu ar safonau data wrth drafod ystyriaethau penodol i AI fel darllenadwyedd peiriannau a lliniaru rhagfarn, wrth dynnu sylw at ystyriaethau moesegol ac amgylcheddol ynghylch parodrwydd data ar gyfer AI mewn gwyddoniaeth.

Y drydedd adran yn trafod parodrwydd data o fewn fframwaith Gwyddoniaeth Agored, yn cyflwyno dau astudiaeth achos sy'n dangos sut y gall arferion Gwyddoniaeth Agored gefnogi parodrwydd AI ar gyfer ymchwil wyddonol.

Argymhellion

• Cydgyfeirio â fframweithiau a safonau data presennol, er enghraifft, dylai FAIR-R a Croissant gael eu defnyddio gan wyddonwyr a stiwardiaid data.
• Strwythurau llywodraethu data dylent fynd y tu hwnt i safonau technegol i hyrwyddo ecwiti, mynediad at adnoddau cyfrifiadurol, ac adeiladu capasiti.
• Buddsoddi mewn seilwaith data a datblygu sgiliau yn rhagofyniad ar gyfer defnydd effeithlon a chystadleuol o AI mewn gwyddoniaeth.
• Cydnabod gyrfaoedd stiwardiaeth data mewn gwyddoniaeth, a chymhellion i annog y sgiliau hyn, yw llwybr gweithredu conglfaen y buddsoddiad uchod.

Data a deallusrwydd artiffisial ar gyfer gwyddoniaeth: Ystyriaethau allweddol

Mis Medi 2025

DOI: 10.24948 / 2025.11

Lawrlwytho

Cynhaliwyd y gwaith hwn gyda chymorth grant gan y Ganolfan Ymchwil Datblygu Rhyngwladol (IDRC), Ottawa, Canada. Nid yw'r safbwyntiau a fynegir yma o reidrwydd yn cynrychioli barn IDRC na'i Fwrdd Llywodraethwyr.