AI is a bargain when it replaces giant science simulations, and a costly upgrade when it replaces simple number-crunchingهوش مصنوعی وقتی جای شبیه‌سازی‌های غول‌پیکر علمی را می‌گیرد، معامله‌ای پرصرفه است؛ اما وقتی جای محاسبات آماری ساده را می‌گیرد، ارتقایی پرهزینه
Whether AI is worth using in science depends on what it replaces. Across 2,507 published head-to-head tests, AI beat simple statistical methods about 60% of the time, but used roughly 10 times more computing power.اینکه استفاده از هوش مصنوعی در علم به‌صرفه است یا نه، به این بستگی دارد که جای چه چیزی را می‌گیرد. در میان 2,507 آزمایش مقایسه‌ای منتشرشده، هوش مصنوعی در حدود 60% موارد از روش‌های آماری ساده بهتر عمل کرد، اما تقریباً 10 برابر بیشتر از توان محاسباتی استفاده کرد.
ترجمهٔ ماشینی است؛ برای دقت به متن اصلی انگلیسی مراجعه کنید.
Why it matters
Scientists must pick a method before they can study anything. That choice sets both how good the answer is and how much machine time and electricity it costs. This work says there is no single answer about AI. If a field already runs huge physics simulations, such as weather or climate models, AI can often give a similar answer hundreds of times more cheaply. If a field works with ordinary tables of data, like patient records or economic figures, AI often gives a small gain for a large jump in cost.دانشمندان پیش از هر پژوهشی باید یک روش را انتخاب کنند. این انتخاب هم کیفیت پاسخ را تعیین می‌کند و هم اینکه چقدر زمان دستگاه و برق مصرف می‌شود. این پژوهش می‌گوید درباره‌ی هوش مصنوعی پاسخ واحدی وجود ندارد. اگر رشته‌ای از قبل شبیه‌سازی‌های فیزیکی عظیمی اجرا می‌کند، مانند مدل‌های هواشناسی یا اقلیمی، هوش مصنوعی اغلب می‌تواند پاسخی مشابه را صدها برابر ارزان‌تر ارائه دهد. اما اگر رشته‌ای با جدول‌های داده‌ی معمولی سروکار دارد، مانند پرونده‌های بیماران یا آمارهای اقتصادی، هوش مصنوعی اغلب سودی اندک در ازای جهشی بزرگ در هزینه به همراه دارد.
Who's behind it: Gabriel Manso, Emma Fu and Neil Thompson, MIT CSAIL and MIT FutureTech. Funded by Open Philanthropy / Good Ventures.
Summary by the Lemma AI · how we grade