(孙庆阳)当科学研究遭遇效率低下，实验手段提供的信息与分析利用数据的能力都有限的时候，人工智能(AI)能为我们做什么？

AI正越来越多地融入科学发现中，以增强和加速研究，帮助科学家生成假设、设计实验、收集和解释大规模数据，并获得传统科学无法拿到的洞见。在8月10日举行的2023科学智能峰会上，多位专家围绕“人工智能驱动科学研究中的大模型应用”“AI解决不同科研领域的问题”等话题进行讨论。

AI驱动科研遭遇哪些瓶颈？

【资料图】

“创新有很大的偶然性，比如ChatGPT的核心是Chat，是开发者理解了一个技术(GPT)，可以跟Chat搞在一起，才诞生了不起的产品。”中国工程院院士、之江实验室主任、阿里云创始人王坚以ChatGPT来举例说明，科学研究的实际需求为AI发展提供了场景和机会。

中科院院士、北京大学前沿交叉学科研究院院长、国家自然科学基金委交叉科学部主任汤超指出，AI驱动科学发展中最大的不变就是“一直在变”，总是有新东西出来，每次都有惊喜，这让人非常振奋，这个领域在一个非常好的势头。“我相信AI能找到新的科学规律，例如大语言模型的成功，说明AI有自己的逻辑结构，有自己的表征，它本质上还是一个统计模型。”

“实际上大模型的‘大’是一个基本条件，更深刻是具备涌现或产生预料之外能力的特性，这使得它是划时代的。”北京智源人工智能研究院院长、北京大学多媒体信息处理全国重点实验室主任黄铁军进一步指出。

在谈及AI for Science(人工智能驱动的科学研究)遭遇的瓶颈时，中科院院士、北京科学智能研究院院长、北京大学国际机器学习研究中心主任鄂维南认为，最大的问题是组织能力，应把资源用好，“用到该用的地方”。黄铁军补充道，科学研究中缺少合作性存在“各自为战”，真做“大问题”时难有突破，追求短频快。同时，汤超和鄂维南都认为，从长远来看人才肯定是最大的瓶颈。

AI在不同研发领域存在哪些问题？

“在医药领域的数据基础方面，AI是CADD(计算机辅助药物设计)一种新的强大的工具。要在国家层面上，统一部署，必须把数据放在数据库里面，这样经过几年累计，里面就有很多丰富的‘黄金’，那挖掘的东西真的有意义和价值。”中国科学院上海药物研究所研究员、药物发现与设计中心主任朱维良表示。

晶泰科技联合创始人兼CEO马健认为，在生物医药领域，从细胞、器官到动物和人，研究对象复杂度堪称维度灾难，和其他工业产业的物质材料规模化生产不一样，药物研究之后会进入到人的研究阶段，而人的复杂程度比任何已知的机械类东西都要更复杂，而且还涉及到安全伦理问题。所以，后半程的研究面临很大的挑战，药物研发归根到底是要治病救人，要满足临床需求，从基础研究，到走向临床和实现产业化，存在多阶段、多目标优化的问题，最大的挑战应是“不知道目标应该如何算出来”。未来，药物研发将出现更多的工具，提高科研和药物开发的效率。

在工业研究方面，清华大学教授张强表示，做能源存储确实赶上一个很好的历史机遇，电池行业越来越像芯片，越来越靠这种高精度的制造和材料的极限来去体现它的性质，包括去工厂，也是越来越像芯片厂的感觉。目前我们正在从AI计算出的20多万分子中，先选择性的选出几十个，再从中找几个好用的。

“重要的是领域知识模型的嵌入，比如 SEI(固态的电极和液态的电解液之间的界面) 问题，整体化学反应网络又该怎么去构建，只有这些东西理清楚了，AI才有用武之地，才能知道该深入到哪个环节去解决什么样问题。”宁德时代21C智能计算与数据中心负责人赵旭山强调。

据悉，论坛发布了《2023科学智能全球发展观察与展望》报告，首次系统性表述了AI for Science发展框架，即“四梁N柱”体系，围绕这一体系主线，还设置超10场的学术分论坛，包括模型算法、OLED、能源材料、生物医药等。(中新经纬APP)

中新经纬版权所有，未经书面授权，任何单位及个人不得转载、摘编或以其它方式使用。

责任编辑：张芷菡