研究人員評估了AI在27個科學學科中的有效性

一組科學家發表了一項大規模的研究2507個直接比較，涵蓋27個科學學科，時間跨度從2000年到2025年初。

研究結果顯示AI的有效性呈現出不均勻的圖景。與傳統統計方法相比，神經網路往往表現出更好的結果，但需要明顯更大的計算成本。同時，在25%的情況下，AI不僅更昂貴，還比傳統統計工具更不準確，這一比例在過去十年中一直保持穩定。

關於科學建模和計算的方法，情況變化更為激烈。長期以來，神經網路一直不如專門的算法，但從2020年開始，情況開始轉變。目前，AI在超過50%的情況下超越了傳統的科學建模方法，並且在這些任務中表現出更低的計算資源需求。

作者強調，神經網路並不是現有科學方法的萬能替代品。相反，它們形成了一個新的「AI導向的科學前沿」領域，在這裡，有效性取決於具體的學科和要解決的問題類型。該研究在Creative Commons Attribution 4.0許可下發表。