人工智能正在催生新的“科技革命”？

横空出世的ChatGPT从起初的受青睐和追捧，到目前的遭质疑和警惕，也没有降低人们对人工智能的热情。当公众及产业界还在热议人工智能在落地应用所展现的超强能力之时，政府及学术界已经开始关注其给科研范式带来的革新，并极力“撮合”它与科学研究的深度融合。

近日，科技部、自然科学基金委联合启动人工智能驱动的科学研究（AI for Science）专项部署工作，将结合数学、物理、化学、天文等基础学科关键问题，推进面向重大科学问题的人工智能模型和算法创新。

来自产业界的APUS技术负责人张旭认为，随着应用规模的不断突破，人工智能已经开始赋能各行各业，也包括离产业并不遥远的科研领域。科技创新2030-“新一代人工智能”重大项目实施专家组组长、中国科学院自动化研究所所长徐波则强调，新一代人工智能技术的蓬勃发展，正在推动科研范式发生新变革，“人工智能已成为继实验、理论、计算之后的科学研究新范式。”

赋能科研的价值在凸显

诞生于科研中的人工智能技术，发展至今已逾半个世纪。近些年随着深度学习技术以及大模型的快速发展，人工智能“反哺”基础研究已经水到渠成。

去年，约翰·詹珀带领团队开发出能够精准预测蛋白质结构的AlphaFold 2，成功将有“豪华版诺贝尔奖”之称的2023年生命科学突破奖收入囊中。困扰生物学界半个多世纪的“蛋白质的氨基酸序列应该能完全决定其结构”难题最终由人工智能解决，这不仅让蛋白质结构预测的研究走入一个新阶段，更是引发公众对 AI for Science 的关注。

也是在去年，科技部等六部门联合印发的《关于加快场景创新以人工智能高水平应用促进经济高质量发展的指导意见》指出，要着力打造若干重大场景，拓展人工智能应用，高水平科研活动便是其中之一。而此次AI for Science专项部署工作的启动，无疑将进一步加强统筹指导、系统布局，发挥我国在人工智能领域的优势，加速科学研究范式变革和能力提升。

AI for Science，其实就是让人工智能利用自身强大的数据归纳和分析能力去学习科学规律和原理，得出模型来解决实际的科研问题，特别是辅助科学家在不同的假设条件下进行大量重复的验证和试错，从而大大加速科研探索的进程。如今，这一方法已在多个前沿科学领域中取得了显著的成果。

百度集团执行副总裁、百度智能云事业群总裁沈抖认为，以深度学习为代表的人工智能有望成为人类史上的第四次科技革命，其价值比前几次科技革命更显著的一点在于，它不但解放了脑力，而且能够部分替代脑力。“这也使得人工智能的想象空间比之前几次科技革命更大。”

近年来，我国人工智能技术发展迅速，科研数据和算力资源日益丰富。科学研究领域应用场景不断拓展，这也为加快推动AI for Science发展奠定了坚实基础，生命科学、数学、化学、空间科学等学科研究纷纷拥抱人工智能。

张旭表示，跟大家此前耳熟能详且触手可及的人工智能应用相比，AI for Science所涉及的生物制药、能源、材料研发等科研领域尽管离大众生活看似遥远，但其背后的共同之处在于，利用人工智能来“解放”生产力——让人们能够从许多重复性、机械化的基础工作中释放出来，在人工智能的辅助下进行更高效的科学研究。“这些，也正是人工智能对科学研究的价值和魅力所在”。

驱动科研范式再度进化

对于人工智能赋能科学研究，中国科学院院士、北京大学国际机器学习研究中心主任鄂维南满怀信心，他认为人工智能必将大幅提高科研效率，“AI for Science有可能推动我们在下一轮科技革命中走在前沿。”

回望科学发展的历史，不同发展阶段经历了不同的科研范式。几千年前，人类通过观察、实验来描述自然现象；四五百年前，理论模型范式出现，从而指导新的科学研究；五六十年前，大型计算机出现后，计算范式指导了科学研究；近20年，我们开始进入大数据时代。到今天，人工智能已然能够给科学研究推出一个新的范式。

其实，早在2021年阿里巴巴达摩院发布的2022年科技发展趋势就指出，实验科学和理论科学是数百年来科学界的两大基础范式，人工智能则正在催生新的科研范式。

作为科研范式的革新者，AI for Science是一个学科与知识体大重构的过程，不低的门槛则需要产、学、研界的协同和融合。近年来，国内多所高校、科研机构都在科学智能领域积极布局，国内企业也在积极推动科学智能发展和产业落地。

当然，AI for Science作为一个充分体现交叉学科的新兴科研范式，涉及多学科，需要大量的跨领域科研人才，且要与传统数据集模拟软件、数据集打通，才能逐步形成稳定且优质的科研生态。

百度AI技术生态总经理马艳军告诉记者，在推动AI for Science发展中，企业可以在工程方面提供很好的支持，并在产业链中发挥重要作用，把上下游产业更好地带动起来。“AI for Science需要政产学研用各方携手，以开源开放建设共性平台，并加速垂直整合，将有助于科学研究做出更多成果。”

面对科学计算的技术趋势和新兴场景的发展，马艳军透露，百度其实一直在为科研工作者提供人工智能技术与平台，支持和帮助科研人员在科学领域完成新的探索。目前，飞桨与已有的科学计算生态紧密融合，积极与多家高校、科研机构等开展流体、材料、生物等方面的范例建设，并形成了一些开放性的、多学科交叉的生态社区。

从赋能产业到赋能科研，人工智能的重要意义在于对科研工作起到加速作用，能让更多的科研人员在更复杂的场景中探索，并结合数据反推复杂场景下更为准确的物理规律，甚至帮助他们发现新的科学规律。

纵观人工智能的发展历程，可以很清晰地看到它在每一个发展阶段的爆发和给人类带来的惊喜。当下的AI for Science，则正在催化一场新的“科技革命”。