(資料圖片僅供參考)

21世紀經濟報道記者鐘雨欣北京報道

AI 求解薛定諤方程、AI求解控制論方程、AI 加速分子模擬……AI的出現，正在給科學研究帶來新的想象空間。“AI forScience是中國科技創新歷史上最好的機會，它的空間非常大，將全方位改變科學研究到產業落地的過程。”8月10日，中國科學院院士、北京大學國際機器學習研究中心主任鄂維南在2023科學智能峰會主論壇上表示。

何為AI forScience？本次論壇發布的2023版《科學智能 (AI4S)全球發展觀察與展望》闡述道：“如果我們能明智地采取行動，制定合適的監管措施，并適當支持 AI 在解決科學最緊迫問題方面的創新應用，AI 就有可能徹底改變科學過程。這樣的愿景，我們稱之為 AI for Science。我們期待一個由AI驅動的未來，在這個未來，AI 工具可以解放我們從繁瑣乏味和耗時的勞動中，同時引導我們進行創新性的發明和發現，促使本應需要幾十年的突破提前實現。”

“AI forScienc已經從愿景到形成共識，地方政府、高校、研究機構、國家實驗室深入布局。”鄂維南說。21世紀經濟報道記者關注到，今年3月，科技部會同自然科學基金委啟動AI for Science專項部署工作，緊密結合數學、物理、化學、天文等基礎學科關鍵問題，圍繞藥物研發、基因研究、生物育種、新材料研發等重點領域科研需求展開，布局“人工智能驅動的科學研究”前沿科技研發體系。

“人工智能驅動的科學研究”是以“機器學習為代表的人工智能技術”與“科學研究”深度融合的產物。鄂維南彼時在接受新華社采訪時表示，借助機器學習在高維問題的表示能力，人類可以更加真實細致地刻畫復雜系統的機理，同時可以把基本原理以更加高效、更加實用的方式應用于解決實際問題中。

鄂維南與會介紹稱，效率低下是當前科研面臨的主要困難之一。“科研最重要的成果就是得到一些基本原理，例如量子力學、流體力學等。而我們發現，雖然基本原理非常重要，但在解決實際問題中依然存在一定困難。我們用實驗手段提供的信息是有限的，分析利用數據的能力也是有限的。”

他表示，以往科研經常會形成“小農作坊”模式，雖然可以自給自足，但是效率很差。AI則可以提供解決困難的手段。發展 AI for Science，推動走向“平臺科研”模式，需要解決不同科研領域的共性問題，需要共建 AI for Science 的基礎設施（概括為“四梁”），包括基本原理與數據驅動的算法模型與軟件、高精度高效率的實驗表征方法、替代文獻的數據庫與知識庫、高度整合的算力平臺。以基礎設施為支撐，也在賦能工業應用的實際場景（概括為“N柱”），將在材料科學、能源化工、航空航天、藥物研發等方向上帶來巨大變革。

“AI賦能科研將全面改變科研和產業創新的格局，AI for Science是中國科技創新歷史上最好的機會，推動實現‘平臺+垂直整合’的新范式。”鄂維南說。

關鍵詞：