ИИ показывает, как научное открытие влияет на общество и науку

Ученые из Северо-Западного университета создали ИИ-инструмент, который отслеживает влияние научных исследований на общество — от публикаций до патентов и государственных решений. Система на основе машинного обучения прогнозирует, какие гранты приведут к наибольшей пользе в будущем.
Владимир Губайловский
Владимир Губайловский
ИИ показывает, как научное открытие влияет на общество и науку
Преимущества научной деятельности могут казаться абстрактными, но новый инструмент позволяет проследить, как исследовательские проекты оказали широкое влияние на политику, лекарства или продукты для общества. Daniel Leal/AFP via Getty
Наукометрия — наука о науке — изучает, как работает исследовательский процесс, но ее выводы редко доходят до практиков. Создатели инструментов, таких как, Funding the Frontier пытаются устранить этот разрыв. База данных позволяет сравнивать исследователей и гранты из разных областей, нормализуя показатели с учетом специфики дисциплин и временных изменений.

Оценить реальное влияние исследований на общество крайне сложно. Легко проследить, какие статьи вышли по гранту, но понять, как работа повлияла на политику, фармацевтику или технологии — совсем другая задача. «Гораздо интереснее увидеть, какие статьи действительно приносят общественное благо», — говорит Дашун Ван, директор Центра науки о науке и инновациях Северо-Западного университета. Работа размещена на сервере препринтов arXiv.

РЕКЛАМА – ПРОДОЛЖЕНИЕ НИЖЕ
Экосистема науки — от финансирования до научных исследований и более широкого последующего воздействия. влияние. Прямыми результатами финансирования являются научные публикации, патенты и клинические испытания (сплошные темно-желтые желтые стрелки), в то время как более широкое воздействие возникает благодаря влиянию финансируемых работ на общество в целом, например, на государственную политику (пунктирные стрелки)
Экосистема науки — от финансирования до научных исследований и более широкого последующего воздействия. влияние. Прямыми результатами финансирования являются научные публикации, патенты и клинические испытания (сплошные темно-желтые желтые стрелки), в то время как более широкое воздействие возникает благодаря влиянию финансируемых работ на общество в целом, например, на государственную политику (пунктирные стрелки)
https://arxiv.org/pdf/2509.16323

Разработанный учеными ИИ-инструмент Funding the Frontier объединяет огромный массив данных из четырех крупных баз: 7 миллионов грантов связаны со 140 миллионами публикаций, 160 миллионами патентов, 10,9 миллионами политических документов, 800 тысячами клинических испытаний и 5,8 миллионами новостных лент за 2000-2021 годы. Всего 1,8 миллиарда цитатных связей. Данные можно визуализировать по-разному, отслеживая путь от конкретного исследования до его последствий.

РЕКЛАМА – ПРОДОЛЖЕНИЕ НИЖЕ
РЕКЛАМА – ПРОДОЛЖЕНИЕ НИЖЕ

Прошлые успехи или будущие прорывы

Визуальный дизайн ImpactGlyph вдохновлен метафорой пульсации. (A) В историческом режиме глиф состоит из центрального грантового круга, окруженного двумя концентрическими ударными пульсациями. (B) иллюстративная метафора пульсации с камнем в качестве «эпицентра».
Визуальный дизайн ImpactGlyph вдохновлен метафорой пульсации. (A) В историческом режиме глиф состоит из центрального грантового круга, окруженного двумя концентрическими ударными пульсациями. (B) иллюстративная метафора пульсации с камнем в качестве «эпицентра».
https://arxiv.org/pdf/2509.16323

Тестирование показало, что результаты часто отзываются совсем там и не так, как предполагают грантодатели или даже авторы работ. Менеджер крупного американского фонда обнаружил, что их гранты цитировались в политических документах Германии и Великобритании, но также выявил гендерное неравенство среди руководителей проектов. Инвестор в биомедицину узнал, что в исследованиях болезни Альцгеймера наибольший будущий эффект прогнозируется не от изучения самой болезни, а от работ о системах социальной поддержки пациентов.

Критики предупреждают о рисках. Джеймс Уилсдон из Университетского колледжа Лондона опасается, что алгоритмы могут создать самосбывающееся пророчество, поощряя консервативные решения на основе прошлых успехов вместо будущего потенциала.