AI撬動科研范式變革

　　——專家解讀人工智能驅(qū)動的科學研究專項部署工作

　　◎本報記者 劉 垠

　　“AI for Science有可能推動我們在下一輪科技革命中走在前沿?！闭劶敖诳萍疾?、自然科學基金委聯(lián)合啟動人工智能驅(qū)動的科學研究(AI for Science)專項部署工作，中科院院士、北京科學智能研究院院長、自然科學基金委“下一代人工智能”重大研究計劃專家組組長鄂維南作出這樣的預判。

　　鄂維南告訴科技日報記者，新一輪科技革命中很重要的一點，就是科學研究從“小農(nóng)作坊”模式向“平臺科研”模式轉(zhuǎn)變，AI for Science正是推動“平臺科研”的主要動力。AI技術(shù)不僅極大提高了科研活動中共性工具的效率和精度，更重要的是，它可以助力建立一個由產(chǎn)業(yè)需求推動科研的有效體系。

　　作為人工智能發(fā)展的一大趨勢，國際學術(shù)界已對AI for Science形成共識——將帶來科研范式的變革和新的產(chǎn)業(yè)業(yè)態(tài)。

　　“科技部、自然科學基金委聯(lián)合啟動AI for Science專項部署工作，進一步加強對AI for Science創(chuàng)新工作的統(tǒng)籌指導、系統(tǒng)布局，充分發(fā)揮我國在人工智能領(lǐng)域的優(yōu)勢，加速科學研究范式變革和能力提升，推動人工智能走向高質(zhì)量應(yīng)用新階段?！敝锌圃鹤詣踊芯克L徐波說。

　　人工智能驅(qū)動科研突破什么瓶頸

　　鄂維南坦言，長期以來，科研人員在實際研究中面臨四大痛點：其一，辛苦研究出來的基本原理等重要成果，用來解決實際問題時比較困難；其二，目前的實驗手段，以及收集、處理、分析數(shù)據(jù)的效率相對低下；其三，科研團隊工作方式多為“作坊模式”，從頭到尾都自己干下來，科研效率亟待提高；其四，在解決生物制藥、材料研發(fā)等過程中面臨的實際問題時，仍然依靠經(jīng)驗和試錯方式。

　　“人工智能為解決這些問題提供了有效手段，AI for Science是以‘機器學習為代表的人工智能技術(shù)’與‘科學研究’深度融合的產(chǎn)物?！痹诙蹙S南看來，AI for Science為科學研究帶來了新方法、新工具，在提升創(chuàng)新效能的同時，賦能產(chǎn)業(yè)應(yīng)用的實際場景。

　　北京科學智能研究院副院長、深勢科技創(chuàng)始人兼首席科學家張林峰認為，AI for Science最大的特點是，它以一種前所未有的方式，將不同學科、不同背景的人們連接在一起。

　　“Al for Science 是一個學科與知識體系大重構(gòu)的過程，既需要計算機、數(shù)據(jù)科學、材料、化學、生物等學科的交叉融合，也需要數(shù)學、物理等基礎(chǔ)學科進行更深入的理論構(gòu)建和算法設(shè)計。”張林峰提醒，“當且僅當做好相關(guān)的融合，我們才有機會在新一輪科學革命中搶占先機?！?/p>

　　這些領(lǐng)域為何迫切需要人工智能驅(qū)動

　　那么，我國布局AI for Science前沿科技研發(fā)體系，將聚焦哪些領(lǐng)域發(fā)力？

　　“緊密結(jié)合數(shù)學、物理、化學、天文等基礎(chǔ)學科關(guān)鍵問題，布局AI for Science前沿科技研發(fā)體系，是增強基礎(chǔ)科學研究競爭力的重要保證。”徐波解釋說，新藥創(chuàng)制、基因研究、生物育種、新材料研發(fā)等領(lǐng)域，是人工智能與科學研究結(jié)合需求迫切、進展突出、具有代表性的重要方向。

　　比如，基于生物學機制、疾病和用藥相關(guān)數(shù)據(jù)、藥物的各種藥學性質(zhì)等建立的人工智能模型，可預測新藥的安全性和有效性；通過人工智能輔助，可減少研發(fā)中的人力、物力和時間投入，提高藥物研發(fā)成功率。當人工智能賦能新材料研發(fā)后，可實現(xiàn)將電子尺度和分子尺度等多尺度材料計算模擬方法耦合，快速篩選符合目標性能的新材料成分和構(gòu)型，壓縮新材料與器件研發(fā)周期和成本……

　　“科學研究中的人工智能方法，不能簡單照搬我們熟知的人工智能領(lǐng)域如計算機視覺和自然語言處理等領(lǐng)域現(xiàn)有模型和算法，而是需要根據(jù)每個基礎(chǔ)科學具體情況，研發(fā)針對性的智能算法、模型和軟件工具?！毙觳◤娬{(diào)，只有將人工智能技術(shù)與自然科學和技術(shù)科學領(lǐng)域的知識深度結(jié)合，才能充分發(fā)掘人工智能加速重大科學問題研究和知識發(fā)現(xiàn)的變革性潛力。

　　整合資源形成推進合力

　　談及我國在該領(lǐng)域的發(fā)展，鄂維南直言，我們率先意識到人工智能方法對基礎(chǔ)科學研究可能產(chǎn)生的影響，全面布局AI for Science的科學研究和培養(yǎng)科研團隊，將人工智能方法、高性能計算與物理模型相結(jié)合，并已走在了國際前沿。但如何高效利用這些優(yōu)勢積極引導布局，使我國在當下的科技革命中走在前列，并率先打造出新的科研體系、有效調(diào)動人才資源、合理利用資金和算力資源，是急需解決的問題。

　　值得注意的是，科技創(chuàng)新2030—“新一代人工智能”重大項目已將AI for Science作為人工智能的重要發(fā)展方向進行安排。徐波介紹，在2022年指南中，部署了“重大科學問題研究的AI范式”任務(wù)，面向地球科學、空間科學、化學和材料科學、生物醫(yī)藥科學等領(lǐng)域重大科學問題開展創(chuàng)新研究。同時，面向國際競爭激烈的蛋白質(zhì)結(jié)構(gòu)預測領(lǐng)域，支持國內(nèi)優(yōu)勢團隊開展科研攻關(guān)。

　　記者了解到，科技部將以科技創(chuàng)新2030—“新一代人工智能”重大項目為牽引，加快人才、技術(shù)、數(shù)據(jù)、算力等要素匯聚，形成推進AI for Science的政策合力。在平臺支撐方面，科技部正在加快推動公共算力開放創(chuàng)新平臺建設(shè)，將為AI for Science發(fā)展打造智能算力基座；在機制創(chuàng)新方面，科技部將鼓勵用戶單位圍繞業(yè)務(wù)深度挖掘技術(shù)需求和科學問題，深度參與模型研究與算法創(chuàng)新，積極開放數(shù)據(jù)、資源。

　　著眼未來發(fā)展，鄂維南提醒，要把資源真正配置到一線科研人員手中。AI for Science時代，更需構(gòu)建垂直整合的人才團隊，以重點問題為牽引，真正讓人工智能的研究人員與基礎(chǔ)科學領(lǐng)域如材料、能源等領(lǐng)域的研究人員一起工作，進行高頻的學術(shù)交流和思想碰撞。

　　“AI for Science的潛力正在不斷釋放，但也面臨‘點’上研究較多、追逐‘熱點領(lǐng)域’研究較多，而系統(tǒng)布局較少的現(xiàn)實問題?！毙觳ㄕf，為此，科技創(chuàng)新2030—“新一代人工智能”重大項目將在第二個五年實施階段(2023—2027年)持續(xù)加強體系化布局和支持力度，擬研究AI for Science的新理論、新模型、新算法，研發(fā)跨尺度建模、高精度仿真、微分方程智能解算等共性研發(fā)工具和平臺，發(fā)展一批針對典型科研領(lǐng)域的AI for Science專用平臺，推進軟硬件計算技術(shù)升級，打造智能化科研的開源開放創(chuàng)新生態(tài)。(科技日報)