超越桌面：人工智能协助科学家从事具体物理任务的障碍与未来机遇

文献标题

Beyond the Desk: Barriers and Future Opportunities for AI to Assist Scientists in Embodied Physical Tasks

出版信息

• 主题领域: AI在物理化、具身科学工作流程中的应用
• 关键词: 科学中的AI、具身认知、实验室工作流程、实地科学、默会知识、推测设计、人本AI、物理任务、认知增强、科学基础设施

背景与问题

• 问题/挑战: 当前的AI工具主要设计用于基于桌面的知识工作，无法满足科学家在实验室和实地环境中从事高风险、物理化和即兴任务的需求。
• 重要性: 许多关键的科学发现依赖于具身、动手的工作，这种工作涉及默会知识、身体协调和即兴能力，而现有的AI系统对此支持不足。
• 动机与相关研究: 之前的研究主要关注AI在计算和模拟密集型任务中的作用，例如数据分析、编程和假设生成。然而，关于AI如何支持科学实践中物理化和材料化的方面的研究仍然缺乏。本文通过探索科学家对AI在实验室和实地环境中的观点来填补这一空白。

解决方案

• 提出的方法: 通过对12位科学实践者进行现场访谈和推测设计活动，识别AI采用的障碍，并构想未来针对物理科学任务的AI工具。
• 创新点:
  1. 首次研究AI在超越桌面任务的具身科学工作流程中的应用。
  2. 识别了物理科学工作中AI采用的三个障碍。
  3. 开发了五种针对实验室和实地环境的未来AI工具推测设计原型。
  4. 将AI重新框定为支持物理科学推理的基础设施，而非替代人类专业知识。
• 过程与关键技术:
  • 在实验室和实地现场进行情境访谈，以了解当前AI使用情况、障碍和需求。
  • 使用推测设计活动引导参与者构想理想的AI工具。
  • 通过主题分析对访谈记录和设计草图进行分析，识别障碍并将推测设计分组为原型。

结果

• 具体发现:
  • AI采用的三个障碍: (1) 高风险实验设置使AI错误代价过高，(2) 物理环境限制了AI工具的可访问性，(3) AI缺乏科学家所拥有的默会知识和情境判断。
  • 五种未来AI工具的推测设计原型:
    1. AI作为实验室的集体知识守护者。
    2. AI作为分布式实验室任务状态监控器。
    3. AI作为科学家认知和身体健康的实时监控器。
    4. AI作为实地工作的移动侦察员。
    5. AI作为动手物理任务的协作者。
• 相较基线的优势: 突出了当前AI工具在物理科学工作中的局限性，并提出了将AI整合到具身工作流程中的设计，解决了记忆、注意力和物理任务支持方面的空白。
• 实验/评估:
  • 对来自不同科学领域（如神经科学、核聚变、实地机器人、生物化学）的12位参与者进行访谈。
  • 推测设计活动以生成未来AI工具概念。
  • 通过主题分析识别障碍并组织推测设计。
• 局限性与未来工作:
  • 仅限于早期职业科学家和特定领域，发现可能无法推广到所有科学领域。
  • 参与者来自美国和西欧，地理多样性有限。
  • 由于任务的高风险性，未直接观察现场实验。
  • 未来工作可以探索AI在其他物理化领域（如医学、应急响应）中的采用。

总结

本研究探讨了AI如何支持科学家在高风险、具身的实验室和实地工作中，识别了三个采用障碍：AI错误风险、物理环境限制以及AI缺乏默会知识。通过对12位科学实践者的访谈和推测设计活动，作者提出了五种未来AI工具原型，例如实验室范围的监控器和移动实地侦察员。研究结果建议将AI重新框定为支持科学推理物理条件的基础设施，而非替代人类专业知识。这些洞察可指导AI系统在其他物理化领域的设计。