以下文章來(lái)源于“科技導(dǎo)報(bào)”僅做學(xué)術(shù)分享原文鏈接?https://mp.weixin.qq.com/s/gbe8FJMoT-AyEQRDlhp2KA隨著 AI for Science 科研基礎(chǔ)設(shè)施逐漸成熟干濕閉環(huán)的自動(dòng)化、智能化實(shí)驗(yàn)室建設(shè)已經(jīng)成為新的熱點(diǎn)?？蒲械摹鞍沧磕Ｊ健奔丛谛碌幕A(chǔ)設(shè)施上通過(guò)垂直整合并開(kāi)發(fā)一系列的智能體、技能和支撐框架來(lái)完成特定的科研任務(wù)正逐漸成為新的范式。今天推出鄂維南院士新近在《科技導(dǎo)報(bào)》AI4S專(zhuān)刊發(fā)表的卷首語(yǔ)《AI for Science打破邊界重塑科研范式》。在8月2122日即將在京舉辦的2026科學(xué)智能大會(huì)上鄂維南院士作為“學(xué)術(shù)科協(xié)”科學(xué)智能專(zhuān)家委員會(huì)主任及大會(huì)主席將作重要學(xué)術(shù)報(bào)告“Science after AI for Science”及“人工智能的數(shù)理基礎(chǔ)”深度解讀 AI4S新科研范式。作者鄂維南北京大學(xué)數(shù)學(xué)科學(xué)學(xué)院講席教授、中國(guó)科學(xué)院院士?，F(xiàn)任北京科學(xué)智能研究院學(xué)術(shù)委員會(huì)主任、北京大學(xué)國(guó)際機(jī)器學(xué)習(xí)研究中心主任、“學(xué)術(shù)科協(xié)”科學(xué)智能AI4S專(zhuān)家委員會(huì)主任。主要研究方向?yàn)闄C(jī)器學(xué)習(xí)、計(jì)算數(shù)學(xué)、應(yīng)用數(shù)學(xué)及其在化學(xué)、材料科學(xué)和流體力學(xué)中的應(yīng)用。點(diǎn)擊視頻觀(guān)看會(huì)議主席與日程導(dǎo)覽傳統(tǒng)科研范式的問(wèn)題傳統(tǒng)科研范式有兩方面問(wèn)題一是生產(chǎn)力方面?zhèn)鹘y(tǒng)的科研方法無(wú)論是文獻(xiàn)閱讀、理論研究、計(jì)算方法或?qū)嶒?yàn)手段其能力都受到很大限制二是生產(chǎn)關(guān)系方面盡管科研成果早已推動(dòng)人類(lèi)社會(huì)進(jìn)入工業(yè)化時(shí)代但科研本身仍然是小作坊模式。由于這兩方面的原因科研一直都是一個(gè)低效率、高門(mén)檻的封閉體系。更為糟糕的是科研和社會(huì)需求往往是脫節(jié)的。以深度學(xué)習(xí)為代表的人工智能技術(shù)給科研范式變革帶來(lái)了新的希望。首先深度學(xué)習(xí)本質(zhì)上是一種極為基礎(chǔ)的數(shù)學(xué)方法它處理的是函數(shù)、概率分布等最基礎(chǔ)的數(shù)學(xué)問(wèn)題。但與傳統(tǒng)數(shù)學(xué)方法不一樣的是深度學(xué)習(xí)可以解決更復(fù)雜的問(wèn)題。例如神經(jīng)網(wǎng)絡(luò)是逼近高維函數(shù)的有效工具而傳統(tǒng)數(shù)學(xué)方法卻面臨維數(shù)災(zāi)難的挑戰(zhàn)注意力機(jī)制可以有效模擬長(zhǎng)程記憶和長(zhǎng)程關(guān)聯(lián)而傳統(tǒng)數(shù)學(xué)工具更擅長(zhǎng)處理無(wú)記憶的馬爾可夫過(guò)程和局部相關(guān)性。其次計(jì)算機(jī)科學(xué)中極為普遍的工程化思維對(duì)打破作坊模式也提供了有效幫助。從深度學(xué)習(xí)到大語(yǔ)言模型、智能體、技能skills、支撐框架harness等這一系列工程化思維驅(qū)動(dòng)的人工智能新技術(shù)在很大程度上改變了人們的工作效率和工作方式。這種工程化思維是其他學(xué)科尤其是數(shù)學(xué)不太擅長(zhǎng)和不太重視的。事實(shí)證明它對(duì)改變傳統(tǒng)科研范式也是必不可少的。以這兩點(diǎn)為基礎(chǔ)近10年以來(lái)AI for Science 主要沿著兩條路線(xiàn)發(fā)展。一是解決具體科學(xué)問(wèn)題。這方面最醒目的成果是蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)。二是建立新的科研基礎(chǔ)設(shè)施。這方面最成熟的成果是玻爾Bohrium平臺(tái)。隨著 AI for Science 科研基礎(chǔ)設(shè)施逐漸成熟干濕閉環(huán)的自動(dòng)化、智能化實(shí)驗(yàn)室建設(shè)已經(jīng)成為新的熱點(diǎn)。科研的“安卓模式”即在新的基礎(chǔ)設(shè)施上通過(guò)垂直整合并開(kāi)發(fā)一系列的智能體、skills和 harness 來(lái)完成特定的科研任務(wù)正逐漸成為新的范式。短短幾年AI for Science 的理念和方法已經(jīng)得到科學(xué)界的廣泛認(rèn)可并且已經(jīng)深入到許多重大科研計(jì)劃和基礎(chǔ)科研項(xiàng)目的核心環(huán)節(jié)如人類(lèi)蛋白組計(jì)劃、植物星球計(jì)劃、數(shù)字細(xì)胞、材料基因組計(jì)劃等。一些企業(yè)也開(kāi)始以這個(gè)理念和方法為基礎(chǔ)重新布局其研發(fā)體系。更為令人欣慰的是在這個(gè)過(guò)程中一大批有理想、有戰(zhàn)斗力的年輕人已經(jīng)成長(zhǎng)起來(lái)。這些年輕人正在引領(lǐng) AI for Science 的發(fā)展積極推動(dòng)科研范式的改變。什么才是 AI for Science 新范式什么才是 AI for Science 新范式除了“安卓模式”以外新的科研范式應(yīng)該實(shí)現(xiàn)三個(gè)“打破”。一是打破學(xué)科與學(xué)科之間的界限。科學(xué)本來(lái)就是一個(gè)整體。在知識(shí)獲取門(mén)檻高、學(xué)習(xí)和研究效率低的時(shí)代不得不通過(guò)專(zhuān)業(yè)劃分來(lái)提高效率這直接導(dǎo)致了目前交叉學(xué)科機(jī)會(huì)多但門(mén)檻高的現(xiàn)狀。AI for Science的基礎(chǔ)設(shè)施使得知識(shí)獲取的門(mén)檻大幅度降低、研究效率大幅度提升。因此專(zhuān)業(yè)劃分已經(jīng)正在成為一個(gè)不必要的枷鎖。這也意味著必須重新設(shè)計(jì)科學(xué)的教育和研究體系在不同學(xué)科的共同基礎(chǔ)方面下更大的功夫。二是打破理論與實(shí)驗(yàn)之間的界限。這個(gè)界限在跨尺度特征比較突出的學(xué)科尤其明顯。例如材料科學(xué)理論和計(jì)算必須從原子模擬開(kāi)始但科研人員真正關(guān)心的材料性能都是體現(xiàn)在宏觀(guān)層面的。人工智能賦能大幅度提升了理論和計(jì)算方法的能力。這些能力已經(jīng)在許多方面例如新的表征算法得到了充分體現(xiàn)。但是要真正打破理論和實(shí)驗(yàn)之間的界限還需要進(jìn)一步提升理論和計(jì)算方法的能力。三是打破科研與產(chǎn)業(yè)之間的界限。傳統(tǒng)的科研模式下科研到產(chǎn)業(yè)的戰(zhàn)線(xiàn)極長(zhǎng)以至于科研和產(chǎn)業(yè)之間形成了比較嚴(yán)重的脫鉤。事實(shí)上科學(xué)界已經(jīng)構(gòu)建起一個(gè)極其完整的、基于論文的評(píng)價(jià)機(jī)制和運(yùn)行機(jī)制。這個(gè)機(jī)制之所以存在并且被廣泛接受是因?yàn)橐哉嬲鉀Q問(wèn)題作為評(píng)價(jià)機(jī)制是不現(xiàn)實(shí)的。人工智能賦能下科研效率的提升將有效地幫助科研人員解決這個(gè)問(wèn)題。當(dāng)然要真正實(shí)現(xiàn)這個(gè)目標(biāo)僅靠科研能力的提升是不夠的。還必須在評(píng)價(jià)機(jī)制、組織形式上下功夫。這些已經(jīng)成為 AI for Science 下一步需要解決的問(wèn)題。結(jié)語(yǔ)未來(lái)幾年隨著人工智能賦能的科研基礎(chǔ)設(shè)施的不斷完善“平臺(tái)科研”的優(yōu)勢(shì)和具體形式將逐漸顯現(xiàn)出來(lái)產(chǎn)生兩方面的效果一是部分科研工作將變得越來(lái)越工業(yè)化二是最頂尖科研人才的作用將更為顯著。這樣的科研人才必須具備三方面的能力第一基于基本原理的思維能力。凡事能看到底層邏輯而不只是表面現(xiàn)象。第二深入了解社會(huì)的真實(shí)需求。第三對(duì)工程的理解和把控能力。如何建立新的頂尖科研人才培養(yǎng)體系將成為中國(guó)實(shí)現(xiàn)科技強(qiáng)國(guó)的主要問(wèn)題。