人类与机器辅助科学发现的比较

2016年8月10日

加入马克-穆森（斯坦福大学）、珍妮丝-克兰茨和斯蒂芬-斯库拉的行列。 Schürer (迈阿密大学)参加CDD"第三季度市政厅网络研讨会，"人类与机器增强的科学发现"

网络研讨会语义网斯坦福迈阿密

我们随处可见"大数据"的身影：医疗保健、商业、体育、交通控制、生物学、药物研发。能够发挥大数据力量的"幕后"工具--搜索、共享、可视化、查询、分析--就是语义网（又称"Web 3.0"）。^[1].语义网带来的主要进步是将互联网上的数据和元数据作为一个巨大的知识图来处理。有了语义网，数据库将不再是我们所习惯的互不相干的知识孤岛，而是更加自然地相互连接在一起（除非隐私妨碍开放）。

我们都不喜欢重新发明轮子。我们所有人都喜欢发现我们的工作如何与他人的工作相联系--这是科学方法的基础，即以他人的成果为基础。应用语义网元数据可以让我们的工作被纳入这个更广泛的领域--无论是通过(a)直接将结果存入PubChem等存储库，(b)在出版物中加入元数据（这正变得越来越普遍，如果某些期刊没有要求的话），还是(c)将其纳入到组织内部存储的数据中，这样您的数据就不会丢失，而且内部同事（现在的和未来的）可以找到并使用它。语义网就在这里，它还在不断扩展，所以我们最好都能更多地了解它，这样我们就不会被抛在后面了。

CDD 正在开发一种工具（BioAssay Express），以方便为检测项目分配语义注释。为了鼓励和启迪科学家们越来越多地采用语义网注释，我们正在赞助这次市政厅网络研讨会，以解决以下问题。

本体能做什么，受控词汇表不能做什么？
美国国立卫生研究院（NIH）的"照亮可药基因组"（IDG）、"知识大数据"（BD2K）和"基于网络的细胞信号综合库"（LINCS）等项目中的这些不同的语义网组件到底是什么？
如果我只是在研究"小数据"（即自己的一套小实验），我为什么要在意呢？
我是否需要成为一名数据科学家才能将语义网属性集成到我的数据或报告中？
随着公共（和语义注释）科学数据量的增长，科学工作将如何变得更容易、更困难，或者只是不同？

^{^[1]}是Tim Berners-Lee于2001年在《科学美国人》杂志的一篇文章(http://www.scientificamerican.com/article/the-semantic-web/)中创造的一个术语，用来描述可以由机器处理的数据网络。

现在就注册参加这个人类与机器增强的科学发现网络研讨会!

日期：