提高领域专家对人工智能系统的采纳：以自然科学研究为案例研究
内容提要
研究表明，自2015年以来，人工智能在科研中的应用迅速增长，尤其在医疗决策中。AI论文的影响因子较高，但面临人才供需不平衡及种族、性别不公等问题。通过人类专业知识训练的AI模型能够提高预测能力，促进科学进步。研究还探讨了用户与AI的互动，发现不同水平用户对AI建议的依赖程度不同，强调了开发以人为本的AI算法的重要性。
延伸解读
AI在科研中的增长与影响
自2015年以来，人工智能在科研中的应用迅速增长，尤其在医疗决策领域。使用AI的论文影响因子较高，表明AI对科研产出有积极影响。然而，也存在AI人才供需不平衡以及种族、性别等方面的不公平问题，这些因素可能制约AI在科研中的进一步采纳。
人类专业知识与AI模型的结合
将人类专业知识的分布纳入考虑，并以此训练无监督的AI模型，能够显著提高AI对未来发现的预测能力，特别是在相关文献稀缺的情况下。这些模型成功预测出人类预测和可能做出预测的科学家，为科学进步开创新的前沿。
用户与AI协作的差异性
研究发现，不同水平的用户对AI建议的依赖程度不同。高水平用户能辨别何时遵循AI建议并保持或提高性能，中等水平者最不稳定，AI建议可能帮助或伤害其性能，而较低水平用户虽能从AI建议中受益，但决策水平未能达到AI精度。用户对AI性能的感知也影响决策精度。
以人为本的AI算法开发
研究强调了开发以人为本的AI算法的重要性，以辅助用户在决策任务中。通过理解用户与AI互动的复杂因素，可以设计出更好的AI系统，提高决策质量，并促进AI在科研中的有效采纳。
Q&A
自2015年以来，人工智能在科研中的应用有哪些显著增长的领域？
自2015年以来，人工智能在科研中的应用特别在医疗决策领域增长迅速。
人工智能论文的影响因子为何较高？
使用人工智能的论文影响因子较高，表明其在科研中的重要性和认可度。
人工智能在科研中面临哪些挑战？
人工智能在科研中面临人才供需不平衡以及种族、性别不公等问题。
如何提高人工智能的预测能力？
将人类专业知识纳入训练的无监督人工智能模型能够显著提高预测能力。
不同水平用户对人工智能建议的依赖程度有何不同？
高水平用户能更好地辨别何时遵循AI建议，而低水平用户的决策水平通常达不到AI的精度。
开发以人为本的人工智能算法有什么重要性？
开发以人为本的人工智能算法对辅助用户在决策任务中至关重要。
