現(xiàn)在“AI for Science（人工智能驅(qū)動(dòng)的科學(xué)研究）”已成為全球人工智能新前沿。什么是AI for Science,？是如何發(fā)揮作用的,？有哪些關(guān)鍵問(wèn)題,？我們來(lái)一起探索一下。

什么是AI for Science,？

近年來(lái),，人工智能（AI）技術(shù)發(fā)展迅猛。20世紀(jì)末,，人工智能在手寫數(shù)字識(shí)別方面取得了較高的準(zhǔn)確率,，并在國(guó)際象棋中擊敗了人類。2017年,，圍棋人工智能超過(guò)了人類職業(yè)頂尖水平,。

過(guò)去五年間，人工智能在圖像生成,、自動(dòng)駕駛,、聊天機(jī)器人、視頻生成,、音樂(lè)生成等領(lǐng)域取得了重大突破,。人工智能技術(shù)的發(fā)展達(dá)到了前所未有的高度。

AI機(jī)器人棋手和選手下棋

（圖片來(lái)源：南方日?qǐng)?bào)）

自動(dòng)駕駛（蘿卜快跑）

（圖片來(lái)源：新華網(wǎng)）

當(dāng)今世界，科學(xué)技術(shù)是第一生產(chǎn)力,。除了上述領(lǐng)域之外,，人們希望能夠使用人工智能來(lái)驅(qū)動(dòng)科學(xué)研究，為科技發(fā)展提供幫助,，這被稱為AI for Science（人工智能驅(qū)動(dòng)的科學(xué)研究）,。

科學(xué)研究是一個(gè)多方面的過(guò)程，一般包括假說(shuō)的提出,、實(shí)驗(yàn)的設(shè)計(jì),、數(shù)據(jù)的收集與分析。AI for Science的目標(biāo)是使用人工智能來(lái)增強(qiáng)和加速這其中的每一個(gè)階段,，使科學(xué)研究變得更加高效,。

AI for Science在科學(xué)研究中的作用

（圖片來(lái)源：參考文獻(xiàn)1）

早在20世紀(jì)50年代人工智能誕生初期,，科學(xué)家們就試圖使用計(jì)算機(jī)來(lái)解決科學(xué)問(wèn)題，這個(gè)時(shí)期的研究主要集中在數(shù)學(xué)和物理學(xué)領(lǐng)域,，利用計(jì)算機(jī)進(jìn)行數(shù)值模擬和復(fù)雜計(jì)算,，這也推動(dòng)了計(jì)算機(jī)技術(shù)的進(jìn)步。

20世紀(jì)80年代，專家系統(tǒng)開始興起,，專家系統(tǒng)內(nèi)含有特定領(lǐng)域的專家知識(shí)和經(jīng)驗(yàn),，它可以使用這些知識(shí)和經(jīng)驗(yàn)通過(guò)邏輯學(xué)進(jìn)行推理與判斷，模擬人類專家去解決特定領(lǐng)域的問(wèn)題,。

隨著近20年來(lái)機(jī)器學(xué)習(xí)技術(shù)的成熟,，人工智能不再局限于傳統(tǒng)的邏輯推斷，而是能夠從大量的數(shù)據(jù)之中挖掘出數(shù)據(jù)的內(nèi)在聯(lián)系,，在數(shù)學(xué),、物理、化學(xué),、天文,、生物等學(xué)科中取得了重要成果。現(xiàn)在AI for Science已經(jīng)成為全球人工智能新前沿,。

人工智能在各個(gè)領(lǐng)域的應(yīng)用

（圖片來(lái)源：參考文獻(xiàn)1）

AI for Science是如何發(fā)揮作用的,？

人類科學(xué)歷史的發(fā)展經(jīng)歷了四個(gè)階段,，經(jīng)驗(yàn)科學(xué)、理論科學(xué),、計(jì)算科學(xué),、數(shù)據(jù)科學(xué)。

在經(jīng)驗(yàn)科學(xué)階段,，科學(xué)發(fā)展依賴于對(duì)自然現(xiàn)象的觀察與總結(jié),。例如，16世紀(jì)哥白尼通過(guò)觀察行星運(yùn)動(dòng)提出了日心說(shuō),。

在理論科學(xué)階段,，人們不僅總結(jié)自然現(xiàn)象的規(guī)律，還探討其背后的科學(xué)理論,，17世紀(jì)牛頓總結(jié)出的物體運(yùn)動(dòng)的三個(gè)基本定律是這一階段的代表之一,。

20世紀(jì)，隨著計(jì)算機(jī)的發(fā)展,，人們進(jìn)入了計(jì)算科學(xué)階段,，借助計(jì)算機(jī)的強(qiáng)大計(jì)算能力，人們可以根據(jù)物理定律進(jìn)行建模和模擬,，如流體運(yùn)動(dòng)仿真和氣象預(yù)測(cè),。

21世紀(jì)，大數(shù)據(jù)技術(shù)的興起推動(dòng)了數(shù)據(jù)科學(xué)的發(fā)展,，科學(xué)家通過(guò)處理與分析海量的實(shí)驗(yàn)數(shù)據(jù),，從中發(fā)現(xiàn)新的科學(xué)規(guī)律,。

AI for Science是一個(gè)新興的科學(xué)研究手段，是這四個(gè)發(fā)展階段科學(xué)研究方法的有機(jī)結(jié)合,。它使用已知的科學(xué)規(guī)律進(jìn)行建模,，同時(shí)又挖掘海量數(shù)據(jù)的規(guī)律，在計(jì)算機(jī)的強(qiáng)大算力的加持下,，進(jìn)行科學(xué)問(wèn)題的研究,。

人工智能（AI）作為計(jì)算機(jī)學(xué)科的一個(gè)新興分支，它在科研領(lǐng)域發(fā)揮的作用與傳統(tǒng)的計(jì)算機(jī)科學(xué)不同,。計(jì)算機(jī)最早是為了輔助人類計(jì)算而發(fā)明的,，它計(jì)算速度快、準(zhǔn)確度高,、可以自動(dòng)化執(zhí)行,，在科研領(lǐng)域產(chǎn)生了重要的影響。

但傳統(tǒng)計(jì)算機(jī)只是代替人類完成復(fù)雜繁瑣的計(jì)算,，而人工智能更加追求“智能”,，希望計(jì)算機(jī)能夠代替人類的智能，像人類一樣學(xué)習(xí),、推理與決策,。

下面，我們通過(guò)一個(gè)例子來(lái)介紹 AI for Science 的具體應(yīng)用,。

AI for Science的應(yīng)用-機(jī)器化學(xué)家

最近,，中國(guó)科學(xué)技術(shù)大學(xué)的研究人員開發(fā)了全球首個(gè)集閱讀文獻(xiàn)、設(shè)計(jì)實(shí)驗(yàn),、自主優(yōu)化等功能于一體,，覆蓋化學(xué)品開發(fā)全流程的機(jī)器化學(xué)家平臺(tái),，它被科研人員形象地稱為“機(jī)器化學(xué)家”,。

“機(jī)器化學(xué)家”在做實(shí)驗(yàn)

(圖片來(lái)源：中國(guó)科學(xué)技術(shù)大學(xué))

在“高熵非貴金屬產(chǎn)氧催化劑”材料研究中,，機(jī)器化學(xué)家展現(xiàn)出了AI for Science的極大潛力。為了尋找合適的材料,，按照以往的方法,，科研人員要從29種非貴金屬元素中選出5種進(jìn)行超過(guò)55萬(wàn)種配比組合，“試錯(cuò)”研究可能需要1400年,。而有了機(jī)器化學(xué)家的幫助,，只需要幾周時(shí)間就可以完成。

機(jī)器化學(xué)家首先從文獻(xiàn)數(shù)據(jù)庫(kù)中閱讀1.6萬(wàn)篇相關(guān)論文,，總結(jié)規(guī)律然后挑選出可能滿足要求的材料組合,，使用計(jì)算機(jī)進(jìn)行模擬計(jì)算,。它將模擬計(jì)算進(jìn)一步挑選出的材料組合進(jìn)行自動(dòng)化實(shí)驗(yàn)以驗(yàn)證材料的真實(shí)性能。它可以根據(jù)預(yù)先設(shè)定好的流程利用自動(dòng)化技術(shù)自動(dòng)完成從材料合成到性能測(cè)試的全流程實(shí)驗(yàn),，并對(duì)實(shí)驗(yàn)數(shù)據(jù)進(jìn)行處理與分析,，最終挑選出合適的材料。

機(jī)器化學(xué)家的優(yōu)勢(shì)在于它將大數(shù)據(jù)與人工智能相結(jié)合,，利用人工智能進(jìn)行人類難以完成的海量文獻(xiàn)閱讀,，并從中獲取經(jīng)驗(yàn)。在獲取經(jīng)驗(yàn)的基礎(chǔ)上,，機(jī)器化學(xué)家自主提出可能的方案并進(jìn)行實(shí)驗(yàn)驗(yàn)證,，從而代替了先前需要大量人工的試錯(cuò)過(guò)程，加速了科學(xué)研究的進(jìn)展,。

AI for Science有哪些關(guān)鍵問(wèn)題,？

在AI for Science發(fā)展的過(guò)程中，它仍然面臨著以下幾個(gè)關(guān)鍵問(wèn)題：數(shù)據(jù),、算法,、算力、人才,。

數(shù)據(jù)問(wèn)題：為了讓人工智能能夠自主決策,，科學(xué)家需要提供數(shù)據(jù)以供學(xué)習(xí)，如何獲取高質(zhì)量的數(shù)據(jù)已經(jīng)成為了提高人工智能能力的瓶頸,。特別是在科研領(lǐng)域,，科學(xué)家面臨的問(wèn)題都是人類知識(shí)的邊界，人工智能所能利用的數(shù)據(jù)比其它領(lǐng)域更為稀少,。

在機(jī)器化學(xué)家的研發(fā)中,，為了獲得足夠的數(shù)據(jù)，研究人員用了3年時(shí)間收集教科書,、論文,、專利中“沉淀”的化學(xué)經(jīng)驗(yàn)和知識(shí)。但這些數(shù)據(jù)來(lái)源繁雜,，質(zhì)量參差不齊,，仍然需要進(jìn)一步豐富和優(yōu)化。

算法問(wèn)題：在人工智能應(yīng)用于具體的科學(xué)領(lǐng)域時(shí),，人工智能并不能從零開始依據(jù)數(shù)據(jù)學(xué)習(xí)到所有的規(guī)律,，這就需要相應(yīng)領(lǐng)域的專家依據(jù)當(dāng)前領(lǐng)域已有的規(guī)律或經(jīng)驗(yàn)為人工智能設(shè)計(jì)對(duì)應(yīng)的算法。不僅需要AI for Science,，有時(shí)也需要Science for AI,，如何進(jìn)行計(jì)算機(jī)科學(xué)與其它各領(lǐng)域的交叉融合也是一個(gè)重要的問(wèn)題。

算力問(wèn)題：人工智能模型的訓(xùn)練以及應(yīng)用需要大量的算力作為支撐,，歸根到底人工智能仍然是計(jì)算機(jī)技術(shù),，計(jì)算機(jī)的性能會(huì)制約人工智能的能力,。在機(jī)器化學(xué)家的訓(xùn)練迭代和應(yīng)用過(guò)程中，需要消耗大量算力,。因此,，為了讓人工智能取得廣泛應(yīng)用，高性能計(jì)算機(jī)的研發(fā)是不可或缺的,。

人才問(wèn)題：在AI for Science中,，人工智能始終是輔助科研人員進(jìn)行研究的技術(shù)，它尚未發(fā)展至可以完全不依賴于人的控制自行解決所有問(wèn)題的程度,，因此我們需要更多的科研人員參與進(jìn)來(lái),，推動(dòng)AI for Science的發(fā)展。機(jī)器化學(xué)家正是在一批多學(xué)科背景的科研人員的通力合作,、協(xié)同攻關(guān)下取得了成功,。

期待在未來(lái)，隨著人工智能的發(fā)展,，AI for Science可以在科學(xué)領(lǐng)域產(chǎn)出更多的成果,，促進(jìn)人類的科技進(jìn)步,。

參考文獻(xiàn)：

1.Wang, H., Fu, T., Du, Y. et al. Scientific discovery in the age of artificial intelligence. Nature 620, 47–60 (2023). https://doi.org/10.1038/s41586-023-06221-2

出品：科普中國(guó)

作者：王琛 （中國(guó)科學(xué)院計(jì)算技術(shù)研究所）

監(jiān)制：中國(guó)科普博覽