人工智慧技术在应对大流行的任务中可能发挥重要作用
新时代，高科技越来越发达。朋友们读了很多关于科技的重要新闻。我们也应该在生活中使用很多这些高科技的东西。朋友应该注意什么？今天，我想和大家分享一条关于科技的知识。我希望你会喜欢它。
尽管自今年年初以来，人工智能的研究水平迅速提高，但与人工智能之外的研究相比，人工智能在这一领域的代表性仍然不足。截至2020年，截至目前，已有7.1%的前期研究引用了AI，另有12%的其他课题引用了AI。在今年早些时候的快速增长之后，人工智能论文在研究中的份额最近几周停滞不前。
超过三分之一的出版物涉及患者数据的预测分析，尤其是医学扫描。人工智能还被用于分析社交媒体数据、预测疾病传播和开发生物医学应用。
中国、美国、英国、印度和加拿大是开发用于研究的人工智能应用程序的全球领导者，占我们拥有地理数据的机构参与者的62%。尤其是在AI研究方面，中国的代表太多了。我们还确定了大量涉及机构的出版物，这是我们使用的全球研究机构数据库无法比拟的。这与新演员进入任务领域的想法是一致的。
在中国工作的人工智能和非人工智能研究人员倾向于从不同的知识系统中学习。AI对计算机科学的引用比例是外部引用的5倍，而对医学的引用比例要低三分之一。即使我们控制了不同出版物的主题，这些差异仍然存在。
一般来说，与该主题相关的人工智能论文被引用的频率低于同一主题下的其他论文。活跃在任务领域的AI研究人员数量往往被近年来获得的引文所取代，其既定记录较差。当我们比较从事同一学科的研究人员时，这一结果成立，这表明它不仅是由不同社区和学科的引用行为的变化驱动的。
意义
我们的分析强调了包括人工智能研究人员在内的研究团体动员起来应对大流行的速度。我们发现了许多应用强大的人工智能算法来预防、诊断和治疗病毒的机会。同时，深度学习算法依赖大数据集，难以解释其发现，人工智能研究者与医学、生物科学相关知识体系的脱节，可能限制人工智能在战斗中的影响力。我们已经证明，人工智能研究在该领域没有代表性。它专注于计算机视觉分析。这些分析可以充分发挥当前算法的优势，但需要在硬件上大量投入，改变医院的工作方式。
研究人员面临进入该领域门槛低的风险，也可能产生低质量的贡献，难以找到有价值的研究，阻碍跨学科贡献，可能需要更长的开发时间。我们的发现表明，即使在同一个出版主题中，人工智能研究往往比其他研究被引用更少，进入该领域的人工智能研究人员的平均表现也弱于其他研究，这支持了这些担忧。
本文就为大家讲解到这里了。