當(dāng)科學(xué)研究遭遇效率低下，實(shí)驗(yàn)手段提供的信息與分析利用數(shù)據(jù)的能力都有限的時(shí)候，人工智能(AI)能為我們做什么？

AI正越來(lái)越多地融入科學(xué)發(fā)現(xiàn)中，以增強(qiáng)和加速研究，幫助科學(xué)家生成假設(shè)、設(shè)計(jì)實(shí)驗(yàn)、收集和解釋大規(guī)模數(shù)據(jù)，并獲得傳統(tǒng)科學(xué)無(wú)法拿到的洞見(jiàn)。在8月10日舉行的2023科學(xué)智能峰會(huì)上，多位專家圍繞“人工智能驅(qū)動(dòng)科學(xué)研究中的大模型應(yīng)用”“AI解決不同科研領(lǐng)域的問(wèn)題”等話題進(jìn)行討論。

AI驅(qū)動(dòng)科研遭遇哪些瓶頸？

“創(chuàng)新有很大的偶然性，比如ChatGPT的核心是Chat，是開發(fā)者理解了一個(gè)技術(shù)(GPT)，可以跟Chat搞在一起，才誕生了不起的產(chǎn)品?！敝袊?guó)工程院院士、之江實(shí)驗(yàn)室主任、阿里云創(chuàng)始人王堅(jiān)以ChatGPT來(lái)舉例說(shuō)明，科學(xué)研究的實(shí)際需求為AI發(fā)展提供了場(chǎng)景和機(jī)會(huì)。

中科院院士、北京大學(xué)前沿交叉學(xué)科研究院院長(zhǎng)、國(guó)家自然科學(xué)基金委交叉科學(xué)部主任湯超指出，AI驅(qū)動(dòng)科學(xué)發(fā)展中最大的不變就是“一直在變”，總是有新東西出來(lái)，每次都有驚喜，這讓人非常振奮，這個(gè)領(lǐng)域在一個(gè)非常好的勢(shì)頭?！拔蚁嘈臕I能找到新的科學(xué)規(guī)律，例如大語(yǔ)言模型的成功，說(shuō)明AI有自己的邏輯結(jié)構(gòu)，有自己的表征，它本質(zhì)上還是一個(gè)統(tǒng)計(jì)模型?！?/p>

“實(shí)際上大模型的‘大’是一個(gè)基本條件，更深刻是具備涌現(xiàn)或產(chǎn)生預(yù)料之外能力的特性，這使得它是劃時(shí)代的。”北京智源人工智能研究院院長(zhǎng)、北京大學(xué)多媒體信息處理全國(guó)重點(diǎn)實(shí)驗(yàn)室主任黃鐵軍進(jìn)一步指出。

在談及AI for Science(人工智能驅(qū)動(dòng)的科學(xué)研究)遭遇的瓶頸時(shí)，中科院院士、北京科學(xué)智能研究院院長(zhǎng)、北京大學(xué)國(guó)際機(jī)器學(xué)習(xí)研究中心主任鄂維南認(rèn)為，最大的問(wèn)題是組織能力，應(yīng)把資源用好，“用到該用的地方”。黃鐵軍補(bǔ)充道，科學(xué)研究中缺少合作性存在“各自為戰(zhàn)”，真做“大問(wèn)題”時(shí)難有突破，追求短頻快。同時(shí)，湯超和鄂維南都認(rèn)為，從長(zhǎng)遠(yuǎn)來(lái)看人才肯定是最大的瓶頸。

AI在不同研發(fā)領(lǐng)域存在哪些問(wèn)題？

“在醫(yī)藥領(lǐng)域的數(shù)據(jù)基礎(chǔ)方面，AI是CADD(計(jì)算機(jī)輔助藥物設(shè)計(jì))一種新的強(qiáng)大的工具。要在國(guó)家層面上，統(tǒng)一部署，必須把數(shù)據(jù)放在數(shù)據(jù)庫(kù)里面，這樣經(jīng)過(guò)幾年累計(jì)，里面就有很多豐富的‘黃金’，那挖掘的東西真的有意義和價(jià)值?！敝袊?guó)科學(xué)院上海藥物研究所研究員、藥物發(fā)現(xiàn)與設(shè)計(jì)中心主任朱維良表示。

晶泰科技聯(lián)合創(chuàng)始人兼CEO馬健認(rèn)為，在生物醫(yī)藥領(lǐng)域，從細(xì)胞、器官到動(dòng)物和人，研究對(duì)象復(fù)雜度堪稱維度災(zāi)難，和其他工業(yè)產(chǎn)業(yè)的物質(zhì)材料規(guī)?；a(chǎn)不一樣，藥物研究之后會(huì)進(jìn)入到人的研究階段，而人的復(fù)雜程度比任何已知的機(jī)械類東西都要更復(fù)雜，而且還涉及到安全倫理問(wèn)題。所以，后半程的研究面臨很大的挑戰(zhàn)，藥物研發(fā)歸根到底是要治病救人，要滿足臨床需求，從基礎(chǔ)研究，到走向臨床和實(shí)現(xiàn)產(chǎn)業(yè)化，存在多階段、多目標(biāo)優(yōu)化的問(wèn)題，最大的挑戰(zhàn)應(yīng)是“不知道目標(biāo)應(yīng)該如何算出來(lái)”。未來(lái)，藥物研發(fā)將出現(xiàn)更多的工具，提高科研和藥物開發(fā)的效率。

在工業(yè)研究方面，清華大學(xué)教授張強(qiáng)表示，做能源存儲(chǔ)確實(shí)趕上一個(gè)很好的歷史機(jī)遇，電池行業(yè)越來(lái)越像芯片，越來(lái)越靠這種高精度的制造和材料的極限來(lái)去體現(xiàn)它的性質(zhì)，包括去工廠，也是越來(lái)越像芯片廠的感覺(jué)。目前我們正在從AI計(jì)算出的20多萬(wàn)分子中，先選擇性的選出幾十個(gè)，再?gòu)闹姓規(guī)讉€(gè)好用的。

“重要的是領(lǐng)域知識(shí)模型的嵌入，比如 SEI(固態(tài)的電極和液態(tài)的電解液之間的界面) 問(wèn)題，整體化學(xué)反應(yīng)網(wǎng)絡(luò)又該怎么去構(gòu)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(gè)環(huán)節(jié)去解決什么樣問(wèn)題。”寧德時(shí)代21C智能計(jì)算與數(shù)據(jù)中心負(fù)責(zé)人趙旭山強(qiáng)調(diào)。

據(jù)悉，論壇發(fā)布了《2023科學(xué)智能全球發(fā)展觀察與展望》報(bào)告，首次系統(tǒng)性表述了AI for Science發(fā)展框架，即“四梁N柱”體系，圍繞這一體系主線，還設(shè)置超10場(chǎng)的學(xué)術(shù)分論壇，包括模型算法、OLED、能源材料、生物醫(yī)藥等。