周伯文

　　人工智能驅動科學研究快速發展，這一趨勢已成為科學界的共識。要通過“通專融合”，推動整個科研范式的系統性變革

　　人工智能以其基礎性、平臺性和通用性特點，在多個維度上對經濟社會產生深遠影響，科學研究就是其中的重要方面。國務院日前印發的《關于深入實施“人工智能+”行動的意見》提出加快實施六大重點行動，其中之一就是“人工智能+”科學技術。近年來，人工智能在生命科學、數學、生物、材料科學等領域發揮著越來越重要的作用。人工智能驅動科學研究快速發展，這一趨勢已成為科學界的共識。

　　科學研究離不開相互影響的三個要素：研究者、研究工具和研究對象。從研究者角度看，人工智能可以幫助科學家突破認知局限，提出更好的問題，找到更有價值的研究方向；從研究工具層面看，人工智能不僅優化既有工具效率，更能自主構建新工具或實現創新性組合；在研究對象上，人工智能讓研究者能夠更全面地審視研究對象，發現被忽視的潛在關聯……這些都是人工智能在科學研究方面應該著力解決并且可能帶來巨大回報的發展方向。

　　從科學技術發展的歷程看，科學這座“大廈”已經越來越完善，學科變成一個個“小房子”，取得重大科學發現、解決重大科技問題的難度變得越來越大。另一方面，許多重大科學發現有一定的偶然性，這些偶然的科學發現可能會受限于科學家的認知水平和知識傳播的滯后性。1905年，愛因斯坦在思想實驗中想象電車以光速經過鐘樓的情形，產生了關于狹義相對論的靈感。由于他當時并未掌握黎曼幾何這一關鍵數學工具，直到數年后才成功構建廣義相對論的完整框架。因此，如何打通這些學科間的壁壘、推動科學發現從“偶然”走向“必然”，成為人工智能驅動的科學研究亟須解決的關鍵問題。

　　從人工智能自身發展看，在大模型出現前，人工智能發展主要沿著專業深度方向推進，深藍、阿爾法圍棋都是典型代表；大模型出現后，人工智能在泛化能力上取得重大突破，但專業深度又面臨不足。因此，實現“通專融合”是通用人工智能發展的重要路徑，而這種“通專融合”的能力，也恰是取得科學發現的前提。

　　當前，人工智能已可以幫助研究者理解文獻、增強計算能力、豐富研究對象的表征維度等，但人工智能在科研方面的價值遠不止于此。具體看，人工智能可以幫助研究者更好地產生跨領域的想法，幫助判斷哪些科研假設更具價值；人工智能還能夠自主構建新工具或實現已有工具的創新性組合；在人工智能的支撐下，研究者還可以更全面、更交叉地審視研究對象、提升認知水平，進而提出更優質的科學問題等，形成良性迭代循環。這些都是人工智能驅動的科學研究的機遇所在——不只在于單點突破，而是要通過“通專融合”，推動整個科研范式的系統性變革。

　　例如，上海人工智能實驗室已發布并開源“書生”科學多模態大模型，在“通專融合”方面進行了諸多探索——它融合了蛋白質序列、基因組、化學分子式、腦電信號等科學數據，經過科學推理專項優化，具備嚴謹的邏輯推理能力和科學多模態能力。目前，基于“書生”大模型，我們推出了科學發現平臺，并與國內多家科研單位合作，成功研發基于人工智能的量子計算中性原子排布算法、專注于靶標發現與臨床轉化評估的多智能體系統等。目前，該平臺在量子計算、藥物研發、高分子化學等方面均取得了進展。

　　人工智能在科技創新中發揮關鍵作用，未來還將成為跨學科、跨領域突破的重要引擎。加快探索人工智能驅動的新型科研范式、加快建設應用科學大模型，將進一步強化人工智能的牽引帶動作用，推動科學技術取得更多“高點”上的突破。

　?。ㄗ髡邽樯虾Ｈ斯ぶ悄軐嶒炇抑魅?、首席科學家，本報記者谷業凱采訪整理）