Trong nhiều năm, phần lớn sự tập trung vào AI cho nghiên cứu khoa học đã xoay quanh việc nâng cao khả năng dự đoán—chẳng hạn như cấu trúc protein, khám phá vật liệu và mô phỏng khí hậu. Những lĩnh vực này vẫn rất quan trọng, nhưng chúng hoạt động ở hạ nguồn từ quy trình thu thập dữ liệu. SYNAPS-I cho thấy rằng AI đang dịch chuyển lên thượng nguồn, di chuyển vào khoảnh khắc dữ liệu được tạo ra và các quyết định quan trọng được đưa ra.
“SYNAPS-I là một phương pháp phân tích nhanh chóng, cung cấp những hiểu biết với tốc độ tương đương với tốc độ dữ liệu được tạo ra, cô đọng hàng giờ hoặc thậm chí hàng ngày phân tích chỉ trong vài giây,” Aileen Luo nói.
Thời gian này cũng phù hợp với một sáng kiến rộng lớn hơn của DOE nhằm đẩy nhanh khám phá khoa học dựa trên AI, thông qua các chương trình như Sứ mệnh Genesis của DOE. Sứ mệnh này tìm cách phát triển các nền tảng tích hợp kết hợp dữ liệu, tài nguyên máy tính và các mô hình tiên tiến để đẩy nhanh các đột phá trong các lĩnh vực khoa học khác nhau—và các hệ thống như SYNAPS-I hoàn toàn phù hợp với tầm nhìn này.
Tất nhiên, vẫn còn một số câu hỏi chưa được giải đáp. Ví dụ, nếu một thí nghiệm tự điều chỉnh dựa trên phân tích thời gian thực, các nhà nghiên cứu có thể ghi lại chính xác những gì đã xảy ra như thế nào? Nếu dữ liệu được lọc ngay lập tức, làm thế nào họ có thể đảm bảo không có thông tin quan trọng nào bị bỏ sót? Đây là những mối quan tâm thực sự sẽ cần được giải quyết khi các hệ thống như vậy trở nên phổ biến hơn. Ngoài ra còn có vấn đề về sự tin cậy: các nhà khoa học đã quen với việc kiểm soát cẩn thận các điều kiện thí nghiệm và hiểu mọi bước của quy trình.
Giới thiệu một hệ thống có thể điều chỉnh các tham số theo thời gian thực đòi hỏi sự tin tưởng vào cả các mô hình AI cơ bản và cơ sở hạ tầng hỗ trợ. Trong bối cảnh này, độ tin cậy cũng quan trọng như hiệu suất.
Tại BigDATAWire, chúng tôi đã quan sát thấy các xu hướng tương tự xuất hiện ngoài nghiên cứu khoa học. Các hệ thống công nghiệp đang bắt đầu phản ứng với dữ liệu cảm biến theo thời gian thực, các nền tảng phần mềm đang chuyển từ xử lý theo lô sang ra quyết định liên tục và ngay cả phân tích doanh nghiệp cũng đang hướng tới các hệ thống vận hành trực tiếp thay vì báo cáo tĩnh. Điều này nhấn mạnh tầm quan trọng ngày càng tăng của dữ liệu thời gian thực trên các ngành công nghiệp.
SYNAPS-I phù hợp với xu hướng rộng lớn hơn này, nhưng với những rủi ro cao hơn nhiều. Trong nghiên cứu khoa học, kết quả cuối cùng không chỉ là hiệu quả hoạt động được cải thiện—mà là kiến thức mới. Việc thay đổi thời điểm và cách thức đưa ra quyết định trong các thí nghiệm ảnh hưởng trực tiếp đến những khám phá nào được đưa ra và cách thức các khám phá đó được xác nhận.
Vẫn còn sớm, và các hệ thống như SYNAPS-I sẽ cần thời gian để trưởng thành. Sẽ có những rào cản kỹ thuật cần vượt qua, cũng như sự kháng cự về văn hóa cần điều hướng. Tuy nhiên, hướng đi đã rõ ràng: khoảng cách giữa việc tạo dữ liệu và hành động đang thu hẹp lại, và khi khoảng cách này khép lại, chính cấu trúc của quy trình làm việc khoa học đang bắt đầu chuyển đổi.
Công ty TNHH Công nghệ Bắc Kinh Qianxing Jietong
Sandy Yang/Giám đốc Chiến lược Toàn cầu
WhatsApp / WeChat: +86 13426366826
Email: yangyd@qianxingdata.com
Website: www.qianxingdata.com/www.storagesserver.com
Trọng tâm Kinh doanh:
Phân phối Sản phẩm ICT/Tích hợp Hệ thống & Dịch vụ/Giải pháp Cơ sở hạ tầng
Với hơn 20 năm kinh nghiệm phân phối CNTT, chúng tôi hợp tác với các thương hiệu hàng đầu toàn cầu để cung cấp các sản phẩm đáng tin cậy và dịch vụ chuyên nghiệp.
“Sử dụng Công nghệ để Xây dựng Thế giới Thông minh”Nhà cung cấp Dịch vụ Sản phẩm ICT Đáng tin cậy của Bạn!
Vietnamese
