當科學研究遭遇效率低下，實驗手段提供的信息與分析利用數據的能力都有限的時候，人工智能(AI)能為我們做什么？

AI正越來越多地融入科學發現中，以增強和加速研究，幫助科學家生成假設、設計實驗、收集和解釋大規模數據，并獲得傳統科學無法拿到的洞見。在8月10日舉行的2023科學智能峰會上，多位專家圍繞“人工智能驅動科學研究中的大模型應用”“AI解決不同科研領域的問題”等話題進行討論。

AI驅動科研遭遇哪些瓶頸？

“創新有很大的偶然性，比如ChatGPT的核心是Chat，是開發者理解了一個技術(GPT)，可以跟Chat搞在一起，才誕生了不起的產品。”中國工程院院士、之江實驗室主任、阿里云創始人王堅以ChatGPT來舉例說明，科學研究的實際需求為AI發展提供了場景和機會。

中科院院士、北京大學前沿交叉學科研究院院長、國家自然科學基金委交叉科學部主任湯超指出，AI驅動科學發展中最大的不變就是“一直在變”，總是有新東西出來，每次都有驚喜，這讓人非常振奮，這個領域在一個非常好的勢頭。“我相信AI能找到新的科學規律，例如大語言模型的成功，說明AI有自己的邏輯結構，有自己的表征，它本質上還是一個統計模型。”

“實際上大模型的‘大’是一個基本條件，更深刻是具備涌現或產生預料之外能力的特性，這使得它是劃時代的。”北京智源人工智能研究院院長、北京大學多媒體信息處理全國重點實驗室主任黃鐵軍進一步指出。

在談及AI for Science(人工智能驅動的科學研究)遭遇的瓶頸時，中科院院士、北京科學智能研究院院長、北京大學國際機器學習研究中心主任鄂維南認為，最大的問題是組織能力，應把資源用好，“用到該用的地方”。黃鐵軍補充道，科學研究中缺少合作性存在“各自為戰”，真做“大問題”時難有突破，追求短頻快。同時，湯超和鄂維南都認為，從長遠來看人才肯定是最大的瓶頸。

AI在不同研發領域存在哪些問題？

“在醫藥領域的數據基礎方面，AI是CADD(計算機輔助藥物設計)一種新的強大的工具。要在國家層面上，統一部署，必須把數據放在數據庫里面，這樣經過幾年累計，里面就有很多豐富的‘黃金’，那挖掘的東西真的有意義和價值。”中國科學院上海藥物研究所研究員、藥物發現與設計中心主任朱維良表示。

晶泰科技聯合創始人兼CEO馬健認為，在生物醫藥領域，從細胞、器官到動物和人，研究對象復雜度堪稱維度災難，和其他工業產業的物質材料規模化生產不一樣，藥物研究之后會進入到人的研究階段，而人的復雜程度比任何已知的機械類東西都要更復雜，而且還涉及到安全倫理問題。所以，后半程的研究面臨很大的挑戰，藥物研發歸根到底是要治病救人，要滿足臨床需求，從基礎研究，到走向臨床和實現產業化，存在多階段、多目標優化的問題，最大的挑戰應是“不知道目標應該如何算出來”。未來，藥物研發將出現更多的工具，提高科研和藥物開發的效率。

在工業研究方面，清華大學教授張強表示，做能源存儲確實趕上一個很好的歷史機遇，電池行業越來越像芯片，越來越靠這種高精度的制造和材料的極限來去體現它的性質，包括去工廠，也是越來越像芯片廠的感覺。目前我們正在從AI計算出的20多萬分子中，先選擇性的選出幾十個，再從中找幾個好用的。

“重要的是領域知識模型的嵌入，比如 SEI(固態的電極和液態的電解液之間的界面) 問題，整體化學反應網絡又該怎么去構建，只有這些東西理清楚了，AI才有用武之地，才能知道該深入到哪個環節去解決什么樣問題。”寧德時代21C智能計算與數據中心負責人趙旭山強調。

據悉，論壇發布了《2023科學智能全球發展觀察與展望》報告，首次系統性表述了AI for Science發展框架，即“四梁N柱”體系，圍繞這一體系主線，還設置超10場的學術分論壇，包括模型算法、OLED、能源材料、生物醫藥等。