人工智能是科技领域最热门的话题之一，它不仅改变了我们的日常生活，也为科学研究带来了新的可能性。当前，人工智能驱动的科学研究（AI　for　Science）正成为全球人工智能领域新前沿。

为贯彻落实国家《新一代人工智能发展规划》，结合人工智能前沿发展趋势，科技部、国家自然科学基金委员会近期联合启动了AI　for　Science专项部署工作。

一场由人工智能和科学研究相结合引发的科研范式变革，正在快速且深刻地影响着数学、物理学、化学、材料学、生物学等各个传统科研领域。人工智能在解放科学家双手、提高科研效率和准确性的同时，也在催生更多创新。在过去几年里，AI　for　Science已为不同学科带来了新的动力，并在多个学科领域取得了令人瞩目的成果，中国科学技术大学研究团队也在该领域取得不少突破。

AI　for　Science未来会给科学研究带来哪些变化？我国AI　for　Science的发展现状如何？其发展还面临哪些难题？科技日报记者近日就相关问题对中国科学院院士、中国科学技术大学副校长杨金龙进行了专访。

杨金龙院士

   人工智能将促进科学研究范式的改变

记者：当前，我国为什么要高度重视AI　for　Science工作？在您看来，未来它会给科学研究带来哪些变化？

杨金龙：人工智能正在掀起第四次工业革命的浪潮。在科学研究领域，人工智能也将促进科学研究范式的改变，从而极大地推动科研工作。由于历史原因，我国的基础研究在很长一段时期内落后于西方国家。充分利用人工智能，把握好这一轮科学研究范式变革的机遇，有利于我国在基础研究的国际竞争中获得主动地位。

AI　for　Science的主要影响是对科学研究范式的改变。以新材料研发为例，传统基于“试错法”的材料创制过程，在人工智能的参与下转变为数据驱动的精准设计制备过程，这使精准、智能地创制高效催化剂和高值化学品成为可能。“人工智能＋大数据”可以将科学家一生都无法做完的工作，缩短到几周内完成。

此外，人工智能还可以帮助我们寻找海量数据中隐藏的内在规律，从而突破传统思维定式，发现原本被忽略的新规律、新现象。

记者：您认为AI　for　Science的深入发展还面临哪些难题？

杨金龙：我认为现在主要面临两方面的问题。一是数据问题。人工智能的深入发展意味着对大规模、高质量、统一标准的数据的需求，这需要建立相关的数据标准，通过多单位共同采集、共享数据的方式实现，同时还要确保数据的质量和安全性。

二是如何打造人工智能的思维能力。想要AI像人一样思考和学习，必须要有具备科学思维的算法的支撑；想要从数据中提炼出有意义的科学规律，就必须要采用科学原理清晰、具备可解释性的算法。这类算法的开发有可能会随着科学问题的复杂化而变得越来越困难，最终成为一个瓶颈问题。

   与世界领先水平的差距是AI技术相对落后

记者：能否请您介绍一下，我国AI　for　Science的发展现状？与国际同行相比，我们还存在哪些差距和不足？

杨金龙：我国在AI　for　Science方面处于国际并跑的阶段。虽然欧美的AI　for　Science比我国起步早，但经过近年来的追赶，我们已经与国际同行在很多领域并驾齐驱。以机器人化学家平台为例，世界最早的类似装置来自英国利物浦大学的安迪·库珀（Andy　Copper）团队，中国科学技术大学的平台建成比他们晚了2年，但是在功能上更为全面、算法更为优秀。在化学的其他领域，国内同行们也产出了大量世界一流的工作成果，包括采用人工智能预测材料性能、逆向设计高效催化剂、建立高性能势函数等方面。

我国与世界领先水平的差距主要是AI技术相对落后，在新的AI模型和算法，尤其是针对特定科学问题的算法研发方面的创新不足。国内有大量工作关注采用AI来解决某些特定问题，针对未来发展趋势的前瞻性规划和相应的基础研究相对比较缺乏。

记者：我们应该如何让AI　for　Science更好地服务国家战略需求，在科学研究中最大限度地发挥作用？

杨金龙：近年来，AI　for　Science的呼声越来越大。我认为，我们应该鼓励科研工作者积极拥抱人工智能，探索使用人工智能手段来解决重大科学问题，力争取得关键性技术的突破，服务于国家战略需求。我们应当迎接人工智能带来的科研范式革命，挖掘人工智能在各类科学研究中的潜力，全面推进科研范式改革，以增强我国的基础科学研究实力，确保在国际竞争中不落下风。

   将其作为国家基础研究战略的一部分

记者：目前，中国科学技术大学的精准智能化学重点实验室在人工智能助力化学研究领域已经取得了一系列成果。可否请您结合该实验室的工作介绍一下相关经验？

杨金龙：人工智能助力化学研究领域是一个前沿交叉领域。精准智能化学重点实验室在开展相关研究时注重跨学科交叉和协同创新，整合多个课题组的力量共同攻关。同时，这一实验室与国内外多个机构和团队建立了广泛的合作关系，共同推进AI　for　Science的发展。

AI　for　Science可以将不同学科、不同背景的人联系在一起，这是一个跨学科大融合、大重构的过程。我们也高度重视人才培养和队伍建设，吸引了一批多学科背景的青年教师和研究生加入实验室，形成了一支年轻而有活力的团队。我们还积极参与国内外重大科研项目和平台建设，获得了中国科学院青年团队计划、基础与交叉前沿科研先导B，国家自然科学基金委员会创新研究群体等多项资助，为实验室的发展提供了强有力的支持。

记者：对于更好推动AI　for　Science发展，您有哪些建议？

杨金龙：首先，我们应当鼓励将人工智能用于解决重大科学问题，推动人工智能服务于国家战略需求，可以明确将AI　for　Science作为国家基础研究战略的一部分，通过人工智能推动科学范式革命、重塑传统的科学知识体系和培养模式。

其次，我国在人工智能技术、科研数据和算力资源等方面有良好基础，需要进一步加强系统布局和统筹指导。我们应当提前在基础科学研究范式变革方面进行布局，探究新范式的具体要素、发展方向。为此，我们需要发挥建制化科研的优势，设立相关的科研机构和重大项目予以支持，争取在相关领域早日取得更大的突破。