多名院士探讨“AI4S”：AI将改变未来科研范式

今年，诺贝尔物理学奖和化学奖均颁给了AI相关领域，被简化为“AI4S”的AI for Science（AI用于科研）理念也受到了国内外科学家们的重点关注。

11月4日至6日，2024科学智能峰会在北京大学召开，张锦、龚新高、汤超等中国科学院院士，以及多位有着AI科研实践经验的专家学者现场分享并探讨了AI目前在科研上的具体应用、AI在科研领域的局限性和待解决问题，以及AI for Science在未来可能对科学研究范式带来的影响。

AlphaFold的成功只是“万里长征第一步” 传统AI框架仍有局限性

本届诺贝尔化学奖得主哈萨比斯之所以获奖，在于其开发了AlphaFold人工智能模型，这种模型解决了一个已有50年历史的难题，能够预测大约两亿种已知蛋白质的复杂结构，并且已经被全球200多万人使用。而在中国科学院院士、北京大学-清华大学生命科学联合中心主任汤超看来，AlphaFold的成功并不等于大生命科学领域的成功，这只是“万里长征的第一步”。

中国科学院院士、北京大学党委常委、副校长张锦正在演讲 新京报贝壳财经记者罗亦丹/摄

在汤超看来，生命科学大模型框架研究亟待解决的问题包括：针对生命科学数据的特性，优化序列、图像和矩阵数据的编码器设计；针对不同模态数据的融合，调整模块架构、数据集选择及预训练策略。而真正能够引起“革命性变化”是如何针对生命现象的语言逻辑、自组织、层级涌现、反馈机制、适应性等构建全新的模型架构。

汤超介绍，生命科学的研究流程往往是：进行实验观测-模型拟合以解释现象-总结性质-预测行为-再进行实验观测的循环，他认为未来模型拟合或可以通过AI完成，“我们的目标是构建多模态、跨层次的生命科学大模型，最终希望能够发现生命科学的新规律、新原理。”

AI革新研究范式：通过大量实验校准 不再执着于明确的“可解释性”

虽然“AI4S”仍然存在不少需要解决的问题，但当前，AI已经在许多不同的科研领域均取得了成就，具体应用除了上文中提到过与诺奖相关的AlphaFold外，还包括诸如DeepMind利用AI技术在核聚变-托克马克装置中控制等离子体形状，FraphCast预测未来十天全球天气并在90%的指标上超越了人类系统HRES等。

此外，AI也加速了实验研究的进程。张锦介绍，让一名同学一天重复3组一样的实验基本不可能，但通过自动化平台做自动化实验一天可以做150组，极大提高了实验的重复性，而高质量的实验数据是模拟训练的基础。

中国科学技术大学讲席教授江俊就介绍了其以及其团队使用中科大机器化学家平台做实验的经历，通过他的视频展示，新京报贝壳财经记者注意到了这个有着全向移动底盘和智能械臂，长相酷似一个“会动的桌子”的全自主实验操作机器人。

中国科学技术大学讲席教授江俊介绍机器实验系统 新京报贝壳财经记者罗亦丹/摄

江俊以“能读、会算、勤做”介绍中科大机器化学家平台，“通过机器阅读系统，以自然语言处理能力分析论文、专利、教科书、实验电子记录本、现场采集中性的数据；通过机器计算系统进行物理模型/智能预测；通过机器实验系统做实验，以获得真实世界反馈校准。”

他介绍，国内外“AI4S”的发展趋势为大模型+机器人+生态联盟，如英国的AI-Hub联盟以32亿元人民币打造智能创新工厂，拥有1.1万平米，200名科学家和100名工程师，其为联合利华服务，占其60%年度研发经费。

多位科学家在现场都表示，AI让科学研究进入了一个新的阶段。

中国科学院院士、复旦大学教授龚新高表示，物理研究的范式分为四个阶段：实验物理、理论物理、计算物理、数智物理。而当前已经到了以数据挖掘、人工智能、机器学习为工具的数智物理阶段。

在张锦来看，本次诺贝尔奖颁给了AI相关领域有着风向标的意味：“物理、化学等追求严谨的科学将变得更加开放。我们不再执着于明确的‘可解释性’，而是允许接受黑箱式的预测，并通过实验不断校准，最终获得更加精准且全面的理解。”