(资料图)
据报道，日前科技部会同自然科学基金委启动“人工智能驱动的科学研究”（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。
当前，ChatGPT越来越成熟的AI对话、AI绘画引发了世界对人工智能的关注和兴趣，智能时代在加速到来。但是，AI在科学研究和产业应用等方面的空间和价值更大，其中，AI for Science将是新一轮科技革命的重要推动力。它是人工智能技术与科学研究深度融合的产物，让AI成为科学家继计算机之后的全新生产工具，将对前沿科研起到加速作用，可能催化出一场新的“科学革命”。
长期以来，科研人员在研究过程面临效率难题，比如科研团队要按照流程一步步走，收集、处理、分析数据的效率也比较低，在生物医药、材料研发等领域，需要不断重复实验去试错或探索各种可能。AI for Science能够利用人工智能自身强大的数据归纳和分析能力，去学习科学规律和原理，得出模型来帮助科研人员解决实际问题，让研究者从许多重复性、机械化的基础工作中解放出来，辅助科学家进行大量重复的验证和试错，以更高的效率加速科研活动。此外，除了通过AI for Science在不同场景中高效验证，推动科研研究、技术创新、成果转化外，也可以让科研人员利用它在更复杂的场景中去探索寻找新的物理规律。
科学研究不能照搬目前已经大规模商业应用的计算机视觉和自然语言处理的模型和算法，必须根据不同的基础科学具体情况，针对性地研发智能算法、模型和软件工具。因此，Al for Science是一个前沿交叉领域，将人工智能技术与自然科学和技术科学领域的知识深度结合，既是一个学科与知识体系大重构的过程，也是一种全新的科研范式，能够充分发掘人工智能加速重大科学问题研究和知识发现的变革性潜力，对我国保持科技竞争力至关重要。
高度交叉融合的研究范式需要全新的组织方式，必须从“小农作坊”模式向“平台科研”模式转变，才能发挥其价值。Al for Science需要以研究为牵引构建垂直整合的团队，让人工智能研究人员与基础科学研究者就同一目标进行思想碰撞、跨界交流与深度合作，在管理上也要将人才、技术、数据、算力等要素汇聚整合，打造出新的科研体系，有效调动人才资源，合理利用算力资源。
当前，AI for Science推进的主要挑战，主要体现在缺少数据、平台技术、软硬协同、领域求解能力和优秀研发生态，以及缺乏大量的跨领域科研人才上。科技部表示，将充分发挥新一代人工智能规划推进办公室的协调作用，整合项目、平台、人才等资源，形成推进的政策合力，逐步构建以人工智能支撑基础和前沿科学研究的新模式，加速我国科学研究范式变革和能力提升。此外，在目前已有的AI for Science项目看，基于市场导向而研究热点领域的多，但系统性布局较少。这个在新的专项部署中，也提出持续加强体系化布局和支持力度，推动研究新理论、新模型、新算法，研发软件工具和专用平台，推动国家新一代人工智能公共算力开放创新平台建设。
目前，大量资本一窝蜂涌入通用人工智能领域，寻求在大众市场的商业成功。这种现象可能会以高薪酬吸收掉大量人工智能与数学人才资源，从而导致AI for Science的研究人才短缺更加严重，失去人才支撑。因此，也要加速培养更多跨领域科研人才与数学人才，同时规范在商业AI领域低水平重复投资的泡沫现象。
关键词：
