[智能应用]机遇如何把握，挑战何以应对[2P] [复制链接]

光明图片/视觉中国

光明图片/视觉中国
  科学技术，既是人工智能（AI）理论和技术发展的源头和基础，也是人工智能的使用者、被影响者。近期，国务院印发《关于深入实施“人工智能+”行动的意见》。其中，“人工智能+”科学技术，列在加快实施重点行动的第一位。中国科学院院士张锦日前在本版撰文指出：AI for Science（AI应用于科学研究领域）已成为当前推动科技创新“破茧成蝶”的重要支撑……不仅代表了AI应用领域的前沿，更成为推动AI自身核心能力升级、最终通往通用人工智能（AGI）的关键驱动力。
  “人工智能+”科学技术将给科技界带来哪些机遇与挑战？又该如何保证科技向善？本期，我们邀请多位专家谈谈他们的看法。
  AI正深刻地改变科研范式，成为科学发现与技术突破的重要驱动力。但不少科研人员和公众对其产生了不同层面的担忧。AI，究竟是科研的加速器，还是挑战者？
正视AI 是工具不是对手
□ 李重仪
  过去10年，AI技术以惊人的速度发展，并逐步渗透到人类生产和科学发现的方方面面。AI进入科学领域的方式非常广泛，已经涌现出一系列具有代表性的成果和应用。例如，在蛋白质结构预测领域，AlphaFold的出现几乎解决了生物学界长达半个世纪的“结构预测难题”，大幅度加快了药物研发和分子生物学研究的进展。在医疗健康领域，除了医学影像自动诊断，AI还被用于药物靶点预测、临床数据分析、个性化治疗方案推荐，成为医生和科研人员不可或缺的工具。
  这些例子表明，AI不仅是科研中的“助手”，更逐渐成为推动科学前沿的重要力量。过去可能需要十年甚至数十年才能攻克的难题，如今在AI的加持下有望在几年甚至几个月内得到突破。
  然而，面对突如其来的AI大模型时代，不少科研人员甚至普通大众也产生了不同层面的担忧。
  研究方向是否失去意义：一些原本被认为是可以长期研究的科学难题，可能被AI在短时间内攻克，从而让研究者担心自己的研究不再“有价值”。
  研究资源的不平衡：由于大模型训练和运行需要巨大的算力和资金支持，很多课题组或中小机构难以参与其中，担心被彻底边缘化。
  传统科研方法的“实效”：当AI方法能够轻易超越传统方法时，一些人担心传统科研方法不再被认可。
  生成式模型的幻觉问题：大模型在生成答案时可能会出现事实性错误，这在科学研究中可能造成误导。
  社会就业的焦虑：有人担心随着AI接管大量工作任务，可能造成科研人员和技术人员大批失业。
  这些担忧在一定程度上是合理的，但也需要全面、理性地分析。笔者认为，总体而言，AI对科学研究具有正面、积极的意义。
  AI会提升科研效率，这一点已经被广泛接受，这里不再赘述。
  关于资源不平衡的问题，并非所有的研究都需要依赖大模型，小模型依旧有巨大的生命力。随着技术的发展，轻量化模型、专用化模型不断涌现，很多课题组即便资金有限，也能利用小模型在具体问题上发挥作用。这可以降低科研的门槛，给更多人“下场”研究的机会。
  关于科研方法的问题，传统方法不应被完全抛弃。许多AI的设计灵感正来源于传统的数学与物理方法。物理启发、数学约束等思想在深度学习模型的设计中依然具有重要价值。这同时能解决人工智能的“幻觉”问题——将传统科学方法与AI模型结合，可能孕育出更加稳健、可信的成果。
  生成式语言模型的幻觉问题，不应成为“人工智能+”科学技术的阻碍。科学发现始终是一个多环节、多验证的过程，讲求严谨与可验证性。AI提出的结果只是一个参考，最终能否成立，还要经过实验验证、同行评议、临床试验等多重检验。例如，AI可以帮助发现一种可能具有抗癌作用的化合物，但在进入临床前，仍需要大量的实验验证，最终是否使用也必须由医生和监管机构综合判断。换句话说，AI是辅助而非决策者，只要人类把握住最终的决策权，就无需过度担心幻觉问题。
  至于科学家会不会被AI取代，笔者认为，AI替代的往往是那些耗时耗力、重复性强的工作，例如大规模数据的清理与统计、冗长文献的整理与初步分析等。这些工作过去需要投入大量人力，如今AI能够快速完成，科研人员正好解放出更多时间和精力，专注于更具创造性、创新性的工作。目前来看，AI在原创性和真正的科学洞见上仍存在明显不足——因为，科学发现不仅需要数据和计算，更需要问题意识、直觉判断、跨学科联想和价值选择。这些能力是AI暂时无法完全替代的。因此，我们与其担心“失业”，不如积极思考如何转变角色，如何与AI协同工作，把AI当作增强人类智慧的工具，而不是竞争对手。
  毋庸置疑，AI正在重塑科学研究生态。它既带来了前所未有的机遇，也引发了一些合理的担忧。但从长远看，AI的积极作用远大于潜在风险。我们要做的就是，积极拥抱，探索如何与AI共同进步。

人工智能时代下的机遇与挑战应对策略
在科技飞速发展的当下，人工智能正深刻影响着社会各领域，尤其在科学研究领域，既带来了前所未有的机遇，也伴随着诸多挑战。如何把握机遇、应对挑战，成为当前需要深入思考的重要课题。

人工智能+科学技术带来的机遇
加速科学发现进程：AI已成为科学发现与技术突破的重要驱动力，能助力科研人员在短时间内攻克以往需十年甚至数十年才能解决的难题。例如在蛋白质结构预测领域，AlphaFold几乎解决了生物学界长达半个世纪的结构预测难题，大幅加快了药物研发和分子生物学研究进展2。
提升科研效率：AI可替代耗时耗力、重复性强的工作，如大规模数据清理与统计、冗长文献整理与初步分析等，让科研人员能专注于更具创造性、创新性的工作2。
降低科研门槛：并非所有研究都依赖大模型，小模型有巨大生命力，能降低科研门槛，给更多人参与研究的机会2。
人工智能+科学技术面临的挑战及应对思路
科研人员的担忧及化解
研究方向意义担忧：一些科学难题可能被AI短时间攻克，使研究者担心自身研究失去价值。但AI在原创性和真正的科学洞见上存在明显不足，科学发现需要问题意识、直觉判断等AI暂时无法完全替代的能力，研究者可专注于这些方面2。
传统科研方法实效担忧：当AI方法超越传统方法时，有人担心传统方法不再被认可。然而许多AI设计灵感源于传统数学与物理方法，将传统科学方法与AI模型结合，可能孕育出更稳健、可信的成果，传统方法不应被完全抛弃2。
生成式模型幻觉问题担忧：大模型生成答案可能出现事实性错误，在科研中或造成误导。但科学发现讲求严谨与可验证性，AI辅助发现的成果需大量实验验证，最终决策权在人类手中，只要把握好决策权，无需过度担心2。
社会就业焦虑：担心AI导致科研人员和技术人员大批失业。实际上AI替代的是重复性工作，科研人员可转变角色，与AI协同工作，把AI当作增强人类智慧的工具而非竞争对手2。
面对人工智能时代机遇与挑战的总体态度
AI正在重塑科学研究生态，带来机遇的同时也引发担忧，但长远看积极作用远大于潜在风险。我们应正视AI是工具不是对手，积极把握机遇，应对挑战，推动科技向善发展

人工智能+科学技术：机遇与挑战

近期，国务院印发《关于深入实施“人工智能+”行动的意见》，将“人工智能+”科学技术列为重点行动的第一位。中国科学院院士张锦指出，AI for Science（AI应用于科学研究领域）已成为推动科技创新的重要支撑，不仅代表了AI应用领域的前沿，更是推动AI自身核心能力升级、最终通往通用人工智能（AGI）的关键驱动力。

机遇

1. 提升科研效率：
   - AI技术能够显著提升科研效率。例如，AlphaFold在蛋白质结构预测领域的突破，几乎解决了生物学界长达半个世纪的难题，大幅加快了药物研发和分子生物学研究的进展。
   - 在医疗健康领域，AI被广泛应用于医学影像自动诊断、药物靶点预测、临床数据分析和个性化治疗方案推荐，成为医生和科研人员不可或缺的工具。

2. 降低科研门槛：
   - 尽管大模型训练和运行需要巨大的算力和资金支持，但轻量化模型和专用化模型的不断涌现，使得资金有限的课题组也能利用小模型在具体问题上发挥作用。这降低了科研的门槛，给更多人参与研究的机会。

3. 促进跨学科研究：
   - AI技术的应用能够促进跨学科研究，帮助科研人员迅速掌握不熟悉的科研领域概览，探索科研领域的空白点，构建基础的综述框架。

4. 辅助科研基金申请：
   - AI工具如Scopus AI能够帮助科研人员高效地检索、分析和整合相关领域的海量数据，从而支持科研基金申请材料的撰写。

挑战

1. 研究方向的担忧：
   - 一些原本被认为是可以长期研究的科学难题，可能被AI在短时间内攻克，导致研究者担心自己的研究不再有价值。

2. 资源不平衡：
   - 大模型训练和运行需要巨大的算力和资金支持，很多课题组或中小机构难以参与其中，担心被彻底边缘化。

3. 传统科研方法的“实效”：
   - 当AI方法能够轻易超越传统方法时，一些人担心传统科研方法不再被认可。

4. 生成式模型的幻觉问题：
   - 大模型在生成答案时可能会出现事实性错误，这在科学研究中可能造成误导。

5. 社会就业的焦虑：
   - 有人担心随着AI接管大量工作任务，可能造成科研人员和技术人员大批失业。

应对策略

1. 正视AI是工具不是对手：
   - AI替代的往往是那些耗时耗力、重复性强的工作，科研人员可以将更多时间和精力专注于更具创造性、创新性的工作。

2. 结合传统科学方法与AI模型：
   - 传统科学方法与AI模型结合，可以孕育出更加稳健、可信的成果。物理启发、数学约束等思想在深度学习模型的设计中依然具有重要价值。

3. 确保科学发现的严谨性：
   - 科学发现始终是一个多环节、多验证的过程。AI提出的结果只是一个参考，最终能否成立，还要经过实验验证、同行评议、临床试验等多重检验。

4. 积极转变角色：
   - 科研人员应积极思考如何与AI协同工作，把AI当作增强人类智慧的工具，而不是竞争对手。

结论

AI正在重塑科学研究生态。尽管它带来了前所未有的机遇，也引发了一些合理的担忧，但从长远看，AI的积极作用远大于潜在风险。积极拥抱AI，探索如何与AI共同进步，将是未来科学研究的重要方向。