當(dāng)名為“阿爾法折疊2”的人工智能（AI）模型實(shí)現(xiàn)對蛋白質(zhì)復(fù)雜結(jié)構(gòu)的預(yù)測，人們意識到：一場由算法驅(qū)動的科研革命已悄然降臨。實(shí)驗(yàn)室的深夜，即使燈已熄滅，但AI智能體仍在無聲運(yùn)轉(zhuǎn)，優(yōu)化抗癌藥物的分子結(jié)構(gòu)，分析海量蛋白質(zhì)數(shù)據(jù)，甚至生成完整的藥物設(shè)計(jì)報(bào)告。

“AI+科研”模式的興起，在提高科研效率、拓展研究邊界方面展現(xiàn)出巨大潛力。從海量天文數(shù)據(jù)的智能清洗，到蛋白質(zhì)結(jié)構(gòu)的秒級解析﹔從文獻(xiàn)海洋的知識圖譜構(gòu)建，到藥物研發(fā)的虛擬仿真實(shí)驗(yàn)……AI技術(shù)正以驚人的滲透力重塑科研全鏈條。那麼，“AI+科研”要真正實(shí)現(xiàn)從“工具輔助”到“范式革命”的跨越，還要邁過幾道坎？

“AI+”塑造科研新模式

“我們與中國科學(xué)技術(shù)大學(xué)攜手研發(fā)的SCUBA-D算法，基於條件擴(kuò)散模型，將成功設(shè)計(jì)蛋白質(zhì)的所需時(shí)間從6個(gè)月縮短至不到1天?！痹诠枮I市科技局日前主辦的第34期“周二有約”人工智能專題活動——“AI+科研”系列成果推介會上，黑龍江訊飛人工智能研究院副院長姜立峰介紹。

在姜立峰看來，AI對科研效率的提升主要體現(xiàn)在三個(gè)層面。一是借助大模型在文獻(xiàn)研讀、代碼編寫等方面的強(qiáng)大能力，提升科研基礎(chǔ)工作效率﹔二是利用深度神經(jīng)網(wǎng)絡(luò)對科學(xué)任務(wù)實(shí)現(xiàn)端到端的精準(zhǔn)刻畫，進(jìn)行科學(xué)任務(wù)建模﹔三是依托認(rèn)知大模型學(xué)習(xí)領(lǐng)域知識，為科研實(shí)驗(yàn)方案提供輔助設(shè)計(jì)。

目前，AI已在眾多研究領(lǐng)域小試牛刀。中國科學(xué)院文獻(xiàn)情報(bào)中心與科大訊飛共同打造的星火科研助手，直擊科研工作中調(diào)研耗時(shí)費(fèi)力、文獻(xiàn)閱讀效率低、寫作質(zhì)量參差不齊等諸多痛點(diǎn)，推出成果調(diào)研、論文研讀、學(xué)術(shù)寫作三大功能，使科研人員的成果調(diào)研效率提升10倍以上，論文研讀有效率和學(xué)術(shù)寫作採納率均超過90%。

清華大學(xué)智能產(chǎn)業(yè)研究院與北京水木分子生物科技有限公司聯(lián)合推出的OpenBioMed智能體平臺，打破了人類語言與生物分子語言之間的壁壘。科研人員隻需輸入一句自然語言指令，AI便能自動完成從靶點(diǎn)發(fā)現(xiàn)到候選藥物設(shè)計(jì)的全過程，將傳統(tǒng)需數(shù)年之久的研發(fā)周期縮短至小時(shí)級。

在提升科研效率的同時(shí)，AI還能處理人類難以完成的任務(wù)，不斷拓展研究邊界。例如，在天文學(xué)領(lǐng)域，AI通過對大量天文圖像的學(xué)習(xí)，可助力科學(xué)家發(fā)現(xiàn)新的星體或現(xiàn)象。智能化數(shù)據(jù)處理方式不僅大幅提高了工作效率，還能挖掘出數(shù)據(jù)背后的隱藏信息，為科研人員提供更多研究方向。

中國科學(xué)技術(shù)信息研究所在2025中關(guān)村論壇年會上發(fā)布的《AI for Science創(chuàng)新圖譜》顯示，全球AI for Science學(xué)術(shù)研究正快速增長。2019—2023年，全球AI for Science論文發(fā)表年均增長率為27.2%。其中，生命科學(xué)、物理學(xué)和化學(xué)等領(lǐng)域發(fā)表的人工智能應(yīng)用論文數(shù)量最多。

中國科學(xué)院科技戰(zhàn)略咨詢研究院院長潘教峰認(rèn)為，人工智能正以前所未有的速度滲透到科研的每一個(gè)環(huán)節(jié)，深刻改變著科研的思維方式和工作模式，以及科學(xué)認(rèn)知的速度、深度、廣度和精度，更將重塑科研組織模式，帶來科研管理各環(huán)節(jié)深層次的變革。

復(fù)合型人才培養(yǎng)是關(guān)鍵

然而，新范式的轉(zhuǎn)換不會一蹴而就。其中，AI技術(shù)與多學(xué)科的融合問題備受關(guān)注。

在哈爾濱工業(yè)大學(xué)人工智能學(xué)院執(zhí)行院長張偉男看來，AI與其他領(lǐng)域或?qū)W科的結(jié)合主要面臨三重挑戰(zhàn)。一是問題定義權(quán)歸屬問題。需明確是由AI研究人員還是相應(yīng)領(lǐng)域研究人員來定義研究問題。二是對AI解決問題思路的認(rèn)知問題。不同領(lǐng)域的研究人員對AI的理解和應(yīng)用能力存在差異，需加強(qiáng)對AI技術(shù)的普及和培訓(xùn)。三是對AI能力邊界的判斷問題。這涉及使用者能否準(zhǔn)確判斷AI的能力、適用范圍和局限性，以便在實(shí)際應(yīng)用中做出合理的選擇和判斷。

張偉男認(rèn)為，應(yīng)對這三重挑戰(zhàn)，歸根結(jié)底需要培養(yǎng)既精通行業(yè)和領(lǐng)域知識，又熟悉AI技術(shù)的復(fù)合型人才。AI研究人員對特定行業(yè)和學(xué)科問題的理解程度，將直接決定其運(yùn)用AI方法和模式解決行業(yè)問題以及開展跨學(xué)科合作的成效。同時(shí)，特定行業(yè)和學(xué)科對AI技術(shù)的接納態(tài)度，以及其能否成功轉(zhuǎn)變固有研究思路，對於跨學(xué)科合作也至關(guān)重要。

張偉男介紹，2024年，哈爾濱工業(yè)大學(xué)人工智能學(xué)院設(shè)立“AI+先進(jìn)技術(shù)領(lǐng)軍班”，實(shí)施“AI+X”學(xué)科交叉融合教育，通過多學(xué)科導(dǎo)師團(tuán)隊(duì)的引領(lǐng)，促進(jìn)人工智能與新材料、新能源、新裝備等領(lǐng)域的深度融合與創(chuàng)新。

還有更多高校行動起來。浙江大學(xué)聯(lián)合復(fù)旦大學(xué)、中國科學(xué)技術(shù)大學(xué)、上海交通大學(xué)等高校共建全國首個(gè)跨校“AI+X”微專業(yè)﹔清華大學(xué)首批已有117門試點(diǎn)課程、147個(gè)教學(xué)班開展人工智能賦能教學(xué)實(shí)踐，還將成立新的本科通識書院，著力培養(yǎng)人工智能與多學(xué)科交叉的復(fù)合型人才……諸多高校正在大力推進(jìn)“AI+X”學(xué)科交叉融合教育，形成多層次、跨領(lǐng)域的創(chuàng)新人才培養(yǎng)體系。

仍需應(yīng)對三方面挑戰(zhàn)

除了人才問題之外，受訪學(xué)者普遍認(rèn)為，“AI+科研”的全面落地還需系統(tǒng)性破解技術(shù)、數(shù)據(jù)、制度三方面挑戰(zhàn)。

從技術(shù)層面看，AI大模型常被視作“黑盒”，其決策過程往往不透明，而科研工作卻要求嚴(yán)謹(jǐn)性。但問題所在之處也蘊(yùn)含著潛力，一些科研團(tuán)隊(duì)已通過研究開發(fā)可解釋的AI模型，使用決策樹、規(guī)則學(xué)習(xí)等方法提高模型可解釋性，增加模型透明度，使科研人員能更好理解和信任模型。例如，中國科學(xué)院大連化學(xué)物理研究所聯(lián)合科大訊飛等單位推出的智能化工大模型2.0，在化工領(lǐng)域知識理解、催化劑性質(zhì)、化工設(shè)備等十大評測維度上，平均準(zhǔn)確率達(dá)61.94%。受訪學(xué)者認(rèn)為，盡管“AI+科研”面臨諸多技術(shù)難題，但通過採取針對性解決方案，有望逐步克服困難，助力各領(lǐng)域取得更多創(chuàng)新性成果。

從數(shù)據(jù)層面看，“AI+科研”面臨數(shù)據(jù)管理與共享難題。為解決這一難題，哈爾濱工程大學(xué)計(jì)算機(jī)學(xué)院教授王巍建議，可構(gòu)建可信數(shù)據(jù)管理與流通平臺。由政府、科研機(jī)構(gòu)和行業(yè)協(xié)會共同制定科研數(shù)據(jù)的標(biāo)準(zhǔn)格式和元數(shù)據(jù)規(guī)范，使不同來源的數(shù)據(jù)能夠在同一平臺上進(jìn)行整合和共享，提高數(shù)據(jù)的可信性和可用性。同時(shí)，可成立數(shù)據(jù)共享聯(lián)盟，制定數(shù)據(jù)共享的規(guī)則和激勵機(jī)制，給予數(shù)據(jù)貢獻(xiàn)者一定經(jīng)濟(jì)獎勵或?qū)W術(shù)認(rèn)可，同時(shí)保護(hù)數(shù)據(jù)安全和隱私。

從制度層面看，知識產(chǎn)權(quán)與權(quán)益分配爭議也是“AI+科研”不得不解決的問題。王巍認(rèn)為，應(yīng)完善知識產(chǎn)權(quán)與權(quán)益分配規(guī)則，明確科研數(shù)據(jù)的版權(quán)歸屬、AI模型的專利申請條件、科研成果商業(yè)化進(jìn)程中的各方權(quán)益等。

受訪專家認(rèn)為，通過構(gòu)建有效的溝通機(jī)制、統(tǒng)一的數(shù)據(jù)平臺和完善的政策法規(guī)，可以促進(jìn)AI與科研深度融合，推動科研創(chuàng)新發(fā)展，從而實(shí)現(xiàn)從“工具輔助”到“范式革命”的跨越。（記者 朱 虹）

分享讓更多人看到