在当前的人工智能热潮中，AI for Science (AI4S) 正在彻底改变科学研究的方法和方向。中国工程院院士、之江实验室主任王坚指出，人工智能不仅是一个简单的工具革命，更是科学研究范式转换的关键驱动力。王坚表示，过去几年间，随着国际学术界对中国科研进展的关注，特别是MIT学者们对中国基础模型的认可，证明了中国在这一领域的能力和贡献。
王坚强调，人工智能已经成为一门通用语言，打破了学科之间的壁垒，带来了全新的科研范式。科学研究经历了四个主要阶段：从最初的观察归纳（第一范式），实验验证（第二范式），再到计算机仿真（第三范式）。当前，我们正处于第四范式——数据驱动的研究模式转型期，而第五范式则与人工智能密切相关，这一点已经形成了广泛的共识。
科研资源开放的重要性
王坚进一步提到，科研资源的开放对于推动AI4S至关重要。大模型时代的开源实际上意味着资源的共享，这种开放性的公共产品将不再局限于少数科学家手中，而是成为全球科研人员共同使用的工具。当数学、人工智能及工程学等多学科深度融合时，面向全球的公共科研资源将成为现实。
AI4S的实际应用案例
AI4S的应用不仅限于理论探讨，它已经在多个实际场景中发挥了重要作用。例如，在生物制药领域，AI能够帮助理解多种药物间的复杂交互作用；在气象分析方面，它可以处理长时间跨度的海量气象数据。值得一提的是，中山大学与阿里云的合作研究利用云计算与AI技术发现了超过16万种新型RNA病毒，极大地丰富了我们对RNA病毒多样性的认知。此外，阿里云还支持了包括FAST望远镜在内的多项重大科研项目。
AI4S的核心优势及其未来展望
中国新一代人工智能发展战略研究院执行院长龚克指出，AI4S的最大优势在于其强大的高维数据拟合能力，这是通过观察数据来拟合自然规律的基础。随着AI在微观到宏观跨尺度数据处理上的突破，AI的学习能力和通用性使其成为变革科研方式的重要力量。龚克建议，应进一步提高AI4S模型的可解释性和透明度，制定相关标准和规范，促进资源共享与跨学科合作，以开发更加开放的科学创新模式。
AI4S与其他领域的比较
清华大学人工智能研究院常务副院长孙茂松认为，相较于其他应用领域，AI4S更容易取得明确成果，因为它专注于处理具有固定规律的自然科学问题。孙茂松强调，在选择具体研究方向时，必须关注那些具有根本性变革潜力的问题，如AlphaFold所解决的蛋白质结构预测难题。同时，确保有足够的高质量数据支持研究，并参与公开学术竞赛也是加速进步的有效途径。
AI4S对教育体系的影响
深势科技创始人兼CEO孙伟杰认为，AI4S不仅改变了科研实践，也将深刻影响学校的科研和教学方式。随着AI技术在文献数据分析、计算模拟精度等方面的不断提升，未来的科研生产关系将发生根本性的变化，引领我们进入一个全新的AI4S时代。
行业发展趋势
深势科技药物发现部联席总裁王冬冬指出，AI4S行业正从基础能力的快速提升阶段迈向更为深入的技术深耕期。未来，AI4S将进一步优化预测设计的精度和复杂度，通过大数据驱动和知识图谱辅助解决数据不足和知识迁移等问题，同时应对产业化过程中遇到的成本、算力及模型可解释性等挑战。
© 版权声明
文章版权归作者所有，未经允许请勿转载。
