一、前言

近年基於機器學習的生成式人工智慧(Artificial Intelligence, AI)演算法在大型語言、圖像生成以及科學生成等領域取得重大進展，被認為具人類專家的知識與反應。美國總統科學技術顧問委員會(President's Council of Advisors on Science and Technology, PCAST)研析AI在科學應用領域的進展，並提出五個具體建議，期能透過AI驅動跨領域創新並應對全球挑戰。

二、運用AI應對全球關鍵挑戰

PCAST在多種透過AI帶來改變的科學研究中，舉出7個代表性領域。若能克服這些領域取得進展，將可改善人類福祉、減輕全球風險並產出重大發現。

（一） 改變材料發現的方式
過去青銅、鐵、混凝土和鋼等材料科學的進步，推動了人類社會的重大改善。如今生成式AI在材料科學領域已展現巨大潛力，幫助預測與發現奈米材料、生物聚合物、室溫超導體和量子材料，並篩選出可在實驗室中穩定生產的化合物，加速新材料的研發和應用。

（二） 設計先進半導體
現代多數電子設備依賴複雜的半導體晶片運作，而設計這些晶片需要龐大的工程資源和基礎設施。近年AI已可協助晶片設計師總結報告和設計稿，也能用於自動生成標準設計單元，或優化排列組合提高晶圓使用率，整體強化生產力並縮短設計週期。

（三） 探究與因應氣候變遷和極端天氣
氣候變遷和極端天氣如颶風、森林火災和洪水等災害，對人類和社會經濟造成了巨大的影響。為了應對這些挑戰，近年利用AI從傳統氣象資料中建立龍捲風的發生機率與軌跡，提高預測準確性；亦應用於即時預測颶風或森林火災等極端天氣事件，使天氣預測系統更快、更敏銳。

（四） 揭示宇宙的基礎物理
天文學家和物理學家已開始透過AI在無數的粒子、恆星，或不同時間點的星系複雜資料中找尋隱藏的規律。未來，AI將用來幫助分析太空望遠鏡拍攝的長期觀測資料，探索宇宙的循環演變；或是協助科學家在複雜變數中發現新的理論，並精準計算特定事件的機率。

（五） 研究人類行為、組織和機構
社會科學家已開始利用AI工具如網路實驗平台、信用評分系統，以及金融證券模型等，在醫療、教育計畫和其他公共政策對不同群眾進行詳細和個別化的行為預測。未來將擴大使用生成式AI理解非結構化語言資料(如：廣泛分析個別使用者在社交媒體中對某城市的特定描述)，協助政府制定更適切的政策。

（六） 促進對生命科學的理解
AI的進步對醫療保健、農業、能源和材料等生命科學領域產生深遠的影響。未來將用以揭密細胞功能、預測生物系統中蛋白質折疊或其他分子結構；或針對全細胞建構數位模型，進行藥物模擬實驗甚至設計新的分子化合物，協助科學家探索生物系統運作。

（七） 在生醫領域發展突破性應用
AI將在農業、疾病檢測、治療藥物開發和個人化醫療等領域將帶來重大突破。在農業方面協助改善農耕流程、加速種子研發和管理畜牧場，推動永續發展。在疾病檢測方面用來分析基因、蛋白質和代謝資料，發現早期癌症和罕見疾病，提高治療成功率。在藥物開發方面加速篩選具活性或高親和力的藥物，並發現老藥的新用途。個人化醫療中，AI則可根據個人基因、生活方式和環境資料，提供客製化的癌症風險評估和治療計畫。

三、結論與建議

建立AI基礎設施需要大量資源，而隨著生成式AI的發展，產、官與學研界已對AI應用在重大科學進步產生了濃厚的興趣與投資動力。未來如能負責任地使用AI並嚴格管控風險，研究人員將能在AI協助下，對科學領域做出巨大貢獻且應對全球挑戰。PCAST在本研究中提出5項充分發揮AI能力的建議作法(圖一)：

（一） 廣泛、公平的分享AI基礎資源
目前頂尖的AI模型通常僅供特定研究人員使用。為鼓勵創新且避免AI造成領域發展落差，建議開放共享AI模型、資料集、基準和計算資源。當學術研究人員、國家實驗室、小型公司和非營利組織等廣泛且公平的獲得資料和模型，將能透過共享資源避免重複開發，進一步加速取得技術領先。

（二） 建立適當保護措施，有限度提供政府資料集
AI演算法的訓練，主要依賴大型且高品質的資料集。建議透過適當的保護措施，提供關鍵研究所需的政府資料集，如來自政府或其他機構的解密衛星資料，可應用於AI學習並預測氣候災害。具敏感個資或國家機密的資料集雖無法公開，仍可透過匿名或有限度的開放，進行關鍵科學研究。另，亦鼓勵政府資助之研究機構共享成果資料集，並持續擴大安全性與提高品質，成為國家AI基礎設施的一部分。

（三） 支援跨機構的AI基礎和應用研究
美國國家科學基金會於2023年宣布建立7個國家AI研究所，而產業亦已在AI的基礎與應用研究中投資數百億美元。鑒於AI工具在各界的泛用性，建議應持續加深學術、產業、國家實驗室之間的合作關係。透過跨機構的合作，建立高品質的公開科學資料集、多樣化的AI基礎模型或開發下世代新的量子位元架構等科技，保持國家創新與競爭力。

（四） 採用負責任、透明和可信賴的AI使用原則
若無適當的基礎指標、驗證程序，及負責任的操作實踐，AI可能會產出不可靠且品質不佳的結果，對科學探索及應用產生危害。建議在科學研究過程的各階段制定並採用負責任、透明且值得信賴的AI使用政策原則，並進行相關風險評估；高等教育機構亦需培訓新進研究人員，使其能有道德且負責任的運用AI工具進行標準化產出，並獨立進行驗證。

（五） 鼓勵將AI輔助與科學工作流程整合
科幻小說經常將AI描繪成完全自主、獨立運作並取代人類的實體。然而，人類可從關鍵資料中進行系統和戰略推理，並與其他人類或AI助理協作；建議可善用AI從大量資料集中尋找模式並執行重複性任務的能力，讓科學家專注於核心研究並解決困難議題。將AI整合至科學工作流程中，以輔助工具的形式與人類知識互相結合並發揮更高效率，幫助提升科學研究的品質。