인공지능은 과학적 발견을 가속화할 것을 약속하지만, 그 혜택은 고르게 분배되지 않고 있다. 데이터 부족, 단편화된 기준, 불균형한 컴퓨팅 접근과 같은 기술적 장애물도 중요하지만, 우리는 주요 장벽이 사회적 및 제도적이라는 것을 주장한다. "AI 과학자"에게 발전을 미룬다는 서사, 데이터 및 인프라 기여의 저평가, 잘못된 인센티브, 도메인 전문가와 머신러닝 연구자 간의 간극 모두가 영향을 제한한다. 우리는 네 가지 상호 연결된 도전 과제를 강조한다: 커뮤니티 기능 장애, 상류 요구와 불일치하는 연구 우선 순위, 데이터 단편화, 그리고 인프라 불평등. 그 뿌리는 문화적 및 조직적 관행에 있다고 주장한다. 이를 해결하려면 기술 혁신뿐만 아니라 의도적인 커뮤니티 구축, 학제 간 교육, 공유 기준, 그리고 접근 가능한 인프라가 필요하다. 우리는 과학을 위한 AI를 지속 가능한 협력과 공정한 참여가 기술적 발전의 전제 조건으로 간주되는 집단적 사회 프로젝트로 재구성할 것을 촉구한다.
Channing et al. (Mon,)은 이 질문을 연구했다.