(资料图片仅供参考)

21世纪经济报道记者钟雨欣北京报道

AI 求解薛定谔方程、AI求解控制论方程、AI 加速分子模拟……AI的出现，正在给科学研究带来新的想象空间。“AI forScience是中国科技创新历史上最好的机会，它的空间非常大，将全方位改变科学研究到产业落地的过程。”8月10日，中国科学院院士、北京大学国际机器学习研究中心主任鄂维南在2023科学智能峰会主论坛上表示。

何为AI forScience？本次论坛发布的2023版《科学智能 (AI4S)全球发展观察与展望》阐述道：“如果我们能明智地采取行动，制定合适的监管措施，并适当支持 AI 在解决科学最紧迫问题方面的创新应用，AI 就有可能彻底改变科学过程。这样的愿景，我们称之为 AI for Science。我们期待一个由AI驱动的未来，在这个未来，AI 工具可以解放我们从繁琐乏味和耗时的劳动中，同时引导我们进行创新性的发明和发现，促使本应需要几十年的突破提前实现。”

“AI forScienc已经从愿景到形成共识，地方政府、高校、研究机构、国家实验室深入布局。”鄂维南说。21世纪经济报道记者关注到，今年3月，科技部会同自然科学基金委启动AI for Science专项部署工作，紧密结合数学、物理、化学、天文等基础学科关键问题，围绕药物研发、基因研究、生物育种、新材料研发等重点领域科研需求展开，布局“人工智能驱动的科学研究”前沿科技研发体系。

“人工智能驱动的科学研究”是以“机器学习为代表的人工智能技术”与“科学研究”深度融合的产物。鄂维南彼时在接受新华社采访时表示，借助机器学习在高维问题的表示能力，人类可以更加真实细致地刻画复杂系统的机理，同时可以把基本原理以更加高效、更加实用的方式应用于解决实际问题中。

鄂维南与会介绍称，效率低下是当前科研面临的主要困难之一。“科研最重要的成果就是得到一些基本原理，例如量子力学、流体力学等。而我们发现，虽然基本原理非常重要，但在解决实际问题中依然存在一定困难。我们用实验手段提供的信息是有限的，分析利用数据的能力也是有限的。”

他表示，以往科研经常会形成“小农作坊”模式，虽然可以自给自足，但是效率很差。AI则可以提供解决困难的手段。发展 AI for Science，推动走向“平台科研”模式，需要解决不同科研领域的共性问题，需要共建 AI for Science 的基础设施（概括为“四梁”），包括基本原理与数据驱动的算法模型与软件、高精度高效率的实验表征方法、替代文献的数据库与知识库、高度整合的算力平台。以基础设施为支撑，也在赋能工业应用的实际场景（概括为“N柱”），将在材料科学、能源化工、航空航天、药物研发等方向上带来巨大变革。

“AI赋能科研将全面改变科研和产业创新的格局，AI for Science是中国科技创新历史上最好的机会，推动实现‘平台+垂直整合’的新范式。”鄂维南说。