來源：IT時報

Al for Science的關鍵目標要如何實現(xiàn),？

作者／IT時報記者孫永會

編輯／ 郝俊慧 孫妍

“未來社會將由信息和能量主導,，”1950年，控制論創(chuàng)始人維納在《人有人的用處：控制論與社會》中如是說,。70余年后,，我們站在了這個未來的起點上。

2024年7月4日～8日,，悠悠黃浦江畔,，烈日炎炎之下，2024世界人工智能大會（WAIC2024）舉行,，“Al for Science”（科學智能）的討論無疑是主題論壇中“最熾熱”的話題之一,。

“從通用人工智能（AGI）到Al for Science(AI4S),，人工智能正在深刻改變著科研、教育和產(chǎn)業(yè)的方方面面,?！鄙虾？茖W智能研究院院長,、復旦大學浩清特聘教授漆遠如此感慨,。

人工智能如何重新定義人類對科學的理解和實踐之路？Al for Science的關鍵目標要如何實現(xiàn),？如何培養(yǎng)AI人才,？在WAIC2024，《IT時報》記者試圖找尋問題的解決思路,。

最終目標：“AI愛因斯坦”

什么是AI for Science,？

今年5月,，微軟研究院科學智能中心杰出首席科學家劉鐵巖表示，AI for Science是一個系統(tǒng)概念,，它意味著AI要深度融入科學研究的各個環(huán)節(jié),，從數(shù)據(jù)處理到仿真模擬，然后再做實驗研究,，直至最后發(fā)現(xiàn)新的科學規(guī)律,。

這是人類數(shù)千年歷史上科學研究的第五次范式改變，前四次分別為千年前的經(jīng)驗科學,、百年前的理論科學,、數(shù)十年前的計算科學，以及十幾年前的數(shù)據(jù)科學,。

“未來十年，深度學習注定將給自然科學帶來變革性的影響,?！蔽④浖夹g院士、微軟研究院科學智能中心負責人Chris Bishop認為,，前四個范式由淺入深,，循序漸進，從人類對自然界的直接觀察到依據(jù)密集型數(shù)據(jù),，構造基于數(shù)據(jù)的,、開放協(xié)同的研究與創(chuàng)新模式……這些范式之間都緊密相連，相輔相成,。

2022年ChatGPT的出現(xiàn),，Scaling Law（尺度定律）成為大模型領域的“金科玉律” ，并掀起此輪AI浪潮,，但漆遠認為,，僅依靠海量數(shù)據(jù)的壓縮和歸納，并不足以實現(xiàn)通用人工智能（AGI）,。就像AlphaGo通過學習海量的人類棋譜戰(zhàn)勝李世石那樣,，人類看到了機器超越人類認知的可能性，但人類需要像Alpha Zero那樣,，讓AI具備自我學習和創(chuàng)新的能力,。

漆遠認為，AI4S的最終目標,，是創(chuàng)造出能夠理解復雜世界,、發(fā)現(xiàn)未知規(guī)律的“AI愛因斯坦”。要實現(xiàn)這一關鍵目標,，一方面需要結合快思考的概率預測和慢思考的邏輯推理,，融合神經(jīng)符號計算與大模型,，打造既智能又可靠的“灰盒”AI系統(tǒng)；另一方面,，通過整合科學規(guī)律,、觀測數(shù)據(jù)和合成數(shù)據(jù)，致力于開發(fā)深度理解物理世界的垂直領域科學大模型,。

LSTM之父,、阿卜杜拉國王科技大學人工智能計劃負責人、瑞士人工智能實驗室（IDSIA）研發(fā)主任Juergen Schmidhuber與漆遠的觀點不謀而合,。他認為,，AI需要探索未知，而不僅僅是應用已知的方法,。目前傳統(tǒng)的強化學習存在局限,，使用世界模型不僅能夠基于世界認知預測行為，同時可以讓AI像人類嬰兒一樣在設定目標下學習和成長,，這種學習模式在通往AGI的道路上是非常必要的,。

“未來世界模型需要新的算法機制，應該更加關注獎勵組合的設計,，不僅包括外部環(huán)境給予的獎勵,，也包含模擬對于人類追尋好奇心的內(nèi)部獎勵。通過獎勵機制組合優(yōu)化模型不僅能讓模型追尋外部目標,，也能讓AI理解科學家內(nèi)在對于實驗的設計和處理,，最終通過AI自己設計目標實現(xiàn)世界模型的升級?！盨chmidhuber說道,。

AI創(chuàng)造力和學習機制如何融合？諾貝爾經(jīng)濟學獎得主,、北京大學匯豐商學院榮譽教授 Thomas J. Sargent提出應用創(chuàng)造力和問題尋找創(chuàng)造力兩種類型,。從他以開普勒模型和牛頓模型為例，闡述如何在經(jīng)濟學中實現(xiàn)類似的理論突破,，“雖然AI工具強大,，但經(jīng)濟學家的理論洞察仍然不可或缺”。

科學大裝置應“力出一孔”

當前,，人類社會正處于人工智能與科學研究的交叉點,，人工智能的飛速進步正逐漸打破傳統(tǒng)的學科界限。Al for Science對新一代科學知識基礎設施提出了什么樣的新要求,？有沒有全新的科學因為AI和科學的結合而涌現(xiàn)……這些問題也成為AI專家和科學家們關注的焦點,。

憑借天然的光溫資源優(yōu)勢，海南省成為我國種子育種加代獨一無二的戰(zhàn)略寶地,。位于海南省三亞市崖州灣科技城的崖州灣國家實驗室,，是經(jīng)中央批準設立的新型科研事業(yè)單位,，也是種業(yè)創(chuàng)新高地?！拔覀兪悄壳稗r(nóng)業(yè)領域唯一的國家實驗室,，現(xiàn)在全國有70%的育種都在這里發(fā)生?！痹凇禔l for Science：十問》圓桌論壇上,，崖州灣國家實驗室青年科學家楊帆興奮地說道。

在楊帆看來,，中國農(nóng)業(yè)的高質量發(fā)展,，目前需要解決兩大難題：其一，突破育種關鍵核心技術,，改變目前普遍存在的傳統(tǒng)雜交育種的技術體系現(xiàn)狀,；其二，加速培育戰(zhàn)略性新品種,，大幅提升農(nóng)作物的糧食單產(chǎn),，畜禽的產(chǎn)肉量。此外,，不斷地改善各種農(nóng)作物的品質，“從農(nóng)業(yè)實踐和國際種業(yè)科技發(fā)展趨勢來看,，人工智能特別是以大模型為代表的科學精神,，是提高農(nóng)業(yè)機制生產(chǎn)力的最優(yōu)方式?！?/p>

在Al for Science對新一代科學知識基礎設施提出的新要求方面,，楊帆的構想是建立一個統(tǒng)一的大模型，“比如今年4月,，上海人工智能實驗室聯(lián)合崖州灣國家實驗室和中國農(nóng)業(yè)大學共同發(fā)布首個種業(yè)大語言模型‘豐登’,。從國家科研體系來說，其他小模型就沒有必要再做重復投資,，我們需要做的就是集中力量辦大事,，把這個大模型訓練好。何為好,？即讓它有一個非常強大的普適性,，能夠適應我們國家大量的育種和農(nóng)業(yè)的需求?！?/p>

“科學除了研究之外,，還有一個傳播和應用的過程，這對整個社會的推動作用亦是至關重要的,?！睈鬯嘉柸蚋呒壐笨偛美盍談t認為,，在人工智能場景中，傳播的信源,、信道和受眾獲取的方式皆發(fā)生了變化,，所以新一代科學知識基礎設施，要能夠為科學家提供支持和賦能：一方面,，支持科學知識的快速產(chǎn)生和驗證,；另一方面，支持科學數(shù)據(jù)的收集,、聚合和連接,；再者，支持科學數(shù)據(jù)和知識在安全性的前提下進行開放和共享,。

AI教育以“人”為本

隨著科研范式的變革,，AI正在倒逼高校改變培養(yǎng)人才的方式。

以上海部分高校為例,，上海交通大學成立了人工智能學院,，致力與企業(yè)深度合作解決關鍵核心技術的“卡脖子”問題；同濟大學發(fā)布了人工智能賦能學科創(chuàng)新發(fā)展行動計劃,，推動人工智能賦能學科發(fā)展,；華東師范大學正在推進AI for Education，探索在新時代背景下教育教學模式的變革,。

“人工智能賦能教育是教育史上近400年來最大的挑戰(zhàn)和機遇,。”西安交通大學人工智能與機器人研究所所長,、中國工程院院士鄭南寧在《智能時代教育變革與人才培養(yǎng)》論壇上指出,，今天的ChatGPT為教育革新按下了加速鍵，推動教育智能化轉型是應對時代之變的戰(zhàn)略選擇,。

“推進AI賦能教育,，我們需要努力保持和培養(yǎng)面對面交流的機會，以維持社會的健康和諧,，這意味著我們在設計智能教育系統(tǒng),、工作環(huán)境和社交活動時，我們要有意識融入更多人與人面對面的互動要素,?！编嵞蠈幷f，討論AI賦能教育,，一方面要構建一個符合這個時代的教育體系,，同時還要固本,，“固”什么“本”,？即要真正培養(yǎng)出有靈魂、有理想,，能夠為國家建設出力的一批優(yōu)秀人才。

上海交通大學校長,、中國科學院院士丁奎嶺則認為,，人工智能在教學方面的機遇與挑戰(zhàn)并存。

一方面,，目前的人工智能應用還處于有多少人工就有多少智能的階段,，以知識圖譜為例，不同教師構建同一門課程的讀法通常存在不同的理解,，導致知識的歧義與不完備,。與此同時，目前的人工智能技術還遠遠未達到對思維的真正理解,，服務于大學教育的人工智能要真正輔助學生深度思考,，在提升實踐教學效率上成為一個高效果的教學工具。

另一方面,，人工智能技術在高等教育,、基礎教育的應用上存在顯著的差異?！按髮W是研究高深學問的地方,，許多授課知識本身是動態(tài)、多樣的,。因此需要提升人工智能在面對動態(tài),、未知問題準確輸出的能力，避免出現(xiàn)幻覺給出似是而非的答案,。”丁奎嶺表示,。

目前不同專業(yè)對人工智能作為教學輔助的思考不同,，學生對人工智能的依賴程度也形成了不同的等級，比如計算機軟件教育就存在是否應該使用人工智能工具的爭議,，一方面擔心學生依賴人工智能而影響編程思想的培養(yǎng),，另外一方面認為可以有效提升編程的效率。

在人工智能教育方面,，特斯拉CEO埃隆·馬斯克曾認為,，應該將科學知識作為解決問題的方法來教，會更有效,，比方說,，了解內(nèi)燃機最好的辦法是將其拆開，那么問題自然是我們需要用什么工具來拆開它,？答案是扳手,、螺絲刀以及其他各種工具,，“進而，你就會明白使用這些工具的原因,?！?/p>

漆遠的觀點和馬斯克的想法類似，他認為,，在人工智能時代,，應該引導學生基于項目學習，同時敢于提問,，其中,，有三種能力特別重要：第一，懂得學習如何學習,，Learn to Learn,；第二是學習人的價值，知道如何把持和發(fā)揮自己,；第三是心理的平衡,，學會在人機交互時代如何與機器相處。