AI For Science热潮下，人工智能如何颠覆科学研究？|界面新闻 · 科技

界面新闻记者 | 查沁君

界面新闻编辑 | 文姝琪

“‘赋能’这个词低估了人工智能对科学的影响 。就科学而言，人工智能不是一次简单的工具革命 ，而是科学革命的工具
，或者说是具有革命性的工具
。 ”

在2月19日举行的世界互联网大会“人工智能赋能科学研究
”（AI For Science）研讨会上，世界互联网大会人工智能专业委员会首席主任委员、中国工程院院士 、之江实验室主任王坚提到上述观点。

王坚坦言 ，过去几年他不敢直接表达这个观点，而十天前
，当麻省理工学院（MIT）的几位学者看到中国带来的变化后，他们意识到 ，中国不只是一家公司（或有钱的公司）能做出好的基础模型
，这对大家是很大的鼓舞 。人工智能已成为通用语言，将打破学科壁垒 ，所以它不只是简单的赋能
，可能是一种新的范式。

王坚表示，科学研究的第一
、第二范式都已经在科研中广泛验证 ，第三范式即计算机被引入
，基本是计算机模拟阶段；而第四范式，即由数据驱动的范式从未形成过；关于第五范式的说法不一 ，但普遍认为第五范式与人工智能有关系
，这已形成共识
。

会上，王坚还强调了科研资源开放的重要性。大模型时代的开源实际上是资源开放 ，科学研究需要公共产品 。当数学、人工智能和工程学等都很好地结合时，面向全世界的公共科学研究的公共产品就会出现
。这个公共产品不再像过去那样只被少数几个科学家所拥有
，而是成为大家都能使用的工具。

发展至今
，AI for Science（AI4S）的概念已逐渐被更多人了解 。尤其是去年10月，2024年诺贝尔物理学奖和化学奖相继颁给在人工智能与基础科学交叉领域实现重大突破的科学家 ，标志着人工智能在科学研究中的重要地位得到了认可
。

人工智能正在引发一场从科研范式 、科研方法到应用场景的系统性的变革。

例如
，在生物药领域理解多种药物相互作用产生的复杂影响，在气象分析领域处理长时间跨度的海量气象信息等等 ，为科研人员提供了全新视角和分析工具
，推动科研方向向智能化数据驱动转变 。

再比如，中山大学与阿里云合作研究 ，利用云计算与AI技术发现了180个超群、16万余种全新RNA病毒
，是已知病毒种类的近30倍，大幅提升了业界对RNA病毒多样性和病毒演化历史的认知
。

除此之外 ，阿里巴巴集团副总裁
、大数据和智能实验室负责人叶杰平提到，阿里云还服务了中科院国家天文台、FAST望远镜数据上云 、复旦大学科研智算平台等多个重大科研项目。

叶杰平表示
，相比20年前
、10年前、甚至5年前，现在AI大模型在整个科研流程方面都可以发挥非常大的价值 。预计如果AI模型能力持续提升 ，科学家做科研的方式会发生深刻的变革
。

“AI4S的能力在于有一个非常强的超高纬度数据拟合能力。”中国新一代人工智能发展战略研究院执行院长龚克提到
，科学的第一范式是靠观察，并在此基础上形成定理 ，其实就是通过观察数据拟合出自然界规律 。

但要在高维空间中做拟合非常难
，甚至无法表达，而现在高度复杂的神经网络能表达大量数据中真实世界的高维度特性。另外 ，做数据处理时
，从微观到宏观的跨尺度数据处理非常困难，而人工智能也做到了
。

在龚克看来 ，归根结底
，这些体现的是AI的学习能力。人工智能自从走上机器学习这条路，就越走越通 ，因为学习是智能的本质所在 。同时，人工智能还具有通用性
，它不是一个领域的工具，而是涉及所有领域的工具 ，可以带来革命性变化的工具
。

龚克建议
，要继续提升AI4S本身的能力，特别要增强模型的可解释性和透明度 ，并且共同制定标准和规范。

与此同时
，应促进资源共享，加强跨学科 、跨行业的交流合作 ，来开发开源的
、开放的科学创新模式；此外还要提升研究者有道德负责任运用AI4S的能力
，恪守科研诚信 。

“AI4S虽然具有挑战性，但与“AI＋X ”的其他领域相比 ，相对更容易取得确定的成果
。”专委会副主任委员、产业推进计划牵头人
，欧洲科学院外籍院士，清华大学人工智能研究院常务副院长孙茂松表示 ，AI4S的对象是存在不变规律的自然科学，这正适合人工智能处理。相比之下
，应用于社会科学等其他领域反而更困难 。

例如小分子 、大分子结构是固定的，所以人工智能在自然科学领域的应用 ，尽管本身有难度
，但从性质上来说是最容易的，而且由于其与传统方法不同 ，使用它一定会取得超出该领域思维定式的结果
。

在应用AI4S时
，孙茂松认为有两点要认真审视：一是要发现根节点问题，解决它可能会对该领域产生根本性变革 ，如AlphaFold选择的蛋白质结构预测问题；

二是要确保问题有高度相关的高质量数据
，且是人做得不太好的领域。此外，参加公开学术比赛也是一条捷径 ，AlphaFold就是通过参加学术比赛取得第一
，从而推动了自身发展 。

孙茂松还提到AI4S的另一面——Science for AI以及Science in AI
。在他看来，目前大模型虽取得了显著成果 ，但对于其产生能力的机理却尚未明晰，例如DeepSeek在一些中文复杂任务中的表现令人惊叹
，可没人能说清背后的原理。

他认为，研究大模型的机理迫在眉睫 ，“一旦揭示清楚
，可能会推动人工智能的大发展，实现经验主义与理性主义的结合 ，做到小模型
、小数据、高效
，并且研究大模型对脑科学的发展也有着巨大的促进作用
” 。

深势科技创始人兼CEO孙伟杰在圆桌论坛中表示，如今在AI4S时代下 ，AI可以帮大家更好地处理文献数据
，帮助我们整理知识，可以大幅提升计算模拟精度效率 ，提升实验室效率。因此
，基于AI4S带来的工程体系变化，毫无疑问 ，学校里的科研和教学将会发生很大的改变
。

未来，AI4S将会改变科研生产关系
，从而将走向下一个AI4S时代。

“当前，行业正在从基础能力的快速提升期逐步进入‘挖深矿’的深耕阶段 。”去年底 ，在界面新闻财经年会上
，深势科技药物发现部联席总裁王冬冬在接受界面新闻采访时也提到，AI4S将进一步优化预测设计的精度和复杂度；在大数据驱动和知识图谱辅助方面 ，解决现有数据不足和知识迁移问题
，以及产业化与规模化所面临的成本 、算力
、模型可解释性等挑战
。