ai的浪潮席卷而来，改变着诸多业界生态，也包括学术研究的方式。然而，目前ai驱动的学术研究却面临着缺乏资源支持等困境。5月30日，在2023中关村论坛“人工智能驱动的科学研究论坛”上，中国科学院院士、北京科学智能研究院院长鄂维南提到，ai赋能将彻底革新科研方式，但需要避免炒概念、表面繁荣、无法真正落地的问题。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜
鄂维南表示，在传统科研体系中，分为数据驱动和基本原理驱动两种方式，然而在实践中，前者往往面临着数据收集效率低下、缺乏有效的数据分析方法的困境，后者则已经被基本“穷尽”，“而且用基本原理解决实际问题的效率比较低下，因为表达基本原理的数学问题太难了。”
这带来的问题是，在如结构力学等学术问题上，学术研究可以做得很好，但面对诸如材料设计、药物设计等复杂问题时，只能通过经验和试错来找到正确的方向。这是因为在复杂问题中存在着更高的自由度，“从数学的角度就是维数，”鄂维南解释道，“为什么结构力学比较简单，这是因为它自由度比较少，药物比较复杂，是因为它是多体问题，自由度、维数比较高。维数的增加就带来了维数灾难。”
而AI可以帮助解决这一困境。鄂维南指出，AI为数据驱动模式提供新的高效工具，能够提高基本原理驱动模型的可靠性和效率，还可以把数据驱动和基本原理驱动结合起来。这其中最经典的案例就是分子动力学的DBM工具。“量子力学精度的分子动力学在化学计算材料科学里面是非常基本的工具，但是即便是把高性能计算用上，它以前也只能处理上千个原子，那么DBM计算，也就是加上人工智能的工具，一下子就可以把它做到上亿甚至于上百亿的量级。”
因此，当AI赋能科研之后，必然会带来生产力和生产关系的变革。鄂维南提到，科研的四个基本工具分别是基本原理和数据分析方法、实验、文献、算力。AI将带来四项工具的革新，打破以往科研的“作坊模式”，即长周期、低效率的操作方式。
鄂维南认为，AI赋能科研将全面改变科研和产业创新的格局。也因此，鄂维南说，“AI for Science是整个中国科技创新历史上最好的机会。”
AI在科研中扮演了重要的角色，因此各种平台也陆续推出了开源工具和知识库。2018年，AI赋能科研被初次提出，去年北京科学智能研究院成立，成为国际上首个以AI赋能科研为主题的研究机构，推出了面向基本原理研究的DeepModeling开源社区平台。
然而，鄂维南也指出，相关的开源平台和研究院面临资源不足的问题——“我们正在想方设法用仅有的一点点资源来把这个事情做起来。”
此外，未来AI赋能科研的发展或许也面临着“炒概念、表面繁荣、无法真正落地”的可能性。为此，鄂维南建议需要坚持严谨的科研作风，从基础坚持开放共享、合作共赢的态度。
，而是要走向更高端的人工智能发展。”。希望我们这次能够在中国率先走出平台垂直整合的、新的科研范式。”鄂维南说。
采写：南都记者胡耕硕
