中科院院士、北京科學(xué)智能研究院院長、北京大學(xué)國際機器學(xué)習(xí)研究中心主任鄂維南接受采訪。新京報記者羅亦丹/攝

5月30日，中科院院士、北京科學(xué)智能研究院院長、北京大學(xué)國際機器學(xué)習(xí)研究中心主任鄂維南在中關(guān)村論壇平行論壇“人工智能驅(qū)動的科學(xué)研究論壇”上作了題目為《AI時代的科研體系重構(gòu)》的演講，并接受了新京報記者的采訪。

(相關(guān)資料圖)

鄂維南對新京報記者表示，AI可以對科研工作產(chǎn)生巨大影響，但科學(xué)家從事的創(chuàng)造性工作不能被AI取代。在他看來，目前的主要任務(wù)是“AI for Science”（科學(xué)智能）推動下，建立“平臺科研”，可以比喻為科學(xué)研究的“安卓模式”，進而產(chǎn)出更多的新方法、新工具，“我不認(rèn)為這只是中國要做的事，應(yīng)該國際上大家共同合作，進行研究。”

值得注意的是，5月30日當(dāng)天，由北京科學(xué)智能研究院、中國科學(xué)院計算機網(wǎng)絡(luò)信息中心、墨奇科技聯(lián)合開發(fā)的“基于大語言模型+向量數(shù)據(jù)庫的文獻知識庫——Science Navigator”（直譯科學(xué)導(dǎo)航，暫無官方中文名）也正式發(fā)布。對此鄂維南表示，這是“AI for Science”基礎(chǔ)建設(shè)中重要的一步。

鄂維南認(rèn)為，“AI for Science”體系能大幅度提升科研能力，加強科研和產(chǎn)業(yè)之間的連接，是整個中國科技創(chuàng)新歷史上最好的機會。

AI為解決科學(xué)研究瓶頸問題提供了有效手段 為科研帶來巨大空間

在演講中，鄂維南提到 “科研包括數(shù)據(jù)驅(qū)動和基本原理驅(qū)動兩個模式，數(shù)據(jù)驅(qū)動的瓶頸在于大部分情況下我們?nèi)狈τ行У臄?shù)據(jù)和數(shù)據(jù)分析方法。而采用基本原理解決實際問題，雖然基本原理本身比較清楚，但是表達基本原理的數(shù)學(xué)模型比較困難。產(chǎn)生的后果是簡單問題可以解決的很好，如利用結(jié)構(gòu)力學(xué)幫助造房子，但復(fù)雜的問題如材料設(shè)計、藥物研究等，目前只能通過經(jīng)驗和試錯的方法解決，這是因為這些復(fù)雜問題面臨維數(shù)災(zāi)難：隨著問題自由度（即數(shù)學(xué)中的維數(shù)）的增加，復(fù)雜度呈現(xiàn)指數(shù)級增加。而這一困難AI可以幫助我們解決?！?/p>

在他看來，深度學(xué)習(xí)提供了一個解決維數(shù)災(zāi)難的基本工具。這不僅僅針對科學(xué)，而是具有一般性，這也是AI for Science的起點，“AI提供了新的工具。在數(shù)據(jù)驅(qū)動方面，AlphaFold2（暫無官方中文名）就是很典型的用AI方法來發(fā)展新的數(shù)據(jù)驅(qū)動的工具，也是最典型的成功案例，其基本解決了結(jié)構(gòu)生物學(xué)里面最基礎(chǔ)的問題，蛋白結(jié)構(gòu)問題。而在基本原理驅(qū)動的層面，最好的例子可能是DeePMD（深度勢能分子動力學(xué)）：結(jié)合機器學(xué)習(xí)和物理建模，它將以前只能處理上千個原子的工具通過人工智能的加持一下子做到了可以處理上億甚至上百億?！?/p>

“從我自己的科研經(jīng)歷來看，很多年都在嘗試解決材料科學(xué)、化學(xué)等學(xué)科的一系列問題。我意識到其中面臨的核心困難，人工智能可以幫助到我們，這也是AI for science最基本的出發(fā)點。”鄂維南說。

鄂維南強調(diào)，有了AI加持的能力帶來的生產(chǎn)力變革，必然會帶來生產(chǎn)關(guān)系的變革，“我們雖然科研做了這么多年，也做出很多科研成果，但是仔細(xì)想一想，目前科研的模式還是偏向作坊式。每個實驗室，每個課題組，都基本上自給自足，周期拖得非常長，效率有待提升。有了剛才說的人工智能方法以后，必然會帶來新一代的基礎(chǔ)設(shè)施工具建設(shè)，提升科研效率。”

他在接受采訪時表示，除了科研，產(chǎn)業(yè)中很多問題核心點也都與算法有關(guān)，例如工業(yè)軟件基于算法，藥物設(shè)計也需要算法，因此AI也能對產(chǎn)業(yè)產(chǎn)生直接影響，“具體到AIfor Science對實體經(jīng)濟制造的影響，我們有信心在5至10年左右的時間內(nèi)，讓材料、藥物等行業(yè)內(nèi)產(chǎn)生微觀領(lǐng)域的工業(yè)設(shè)計軟件，使之更加系統(tǒng)化，就像現(xiàn)在造汽車一樣，它們也會擁有一種生產(chǎn)線。在AI for Science的推動下，使微觀層面的制造業(yè)也能夠變成一種流水線操作的模式?！?/p>

鄂維南在接受采訪時稱，AI為科研帶來的空間是巨大的，它提供了一些平臺，解決了許多科學(xué)家以前無法解決的問題。不同之處在于，科學(xué)家做科研強調(diào)的不僅僅是解決問題，而且需要知道其中的原由，因此也希望AI還能告訴科學(xué)家為什么能夠解決這些問題，如何解決的這些問題。

發(fā)布基于大模型+向量數(shù)據(jù)庫的文獻知識庫 邁出AI for Science重要一步

鄂維南還提出，是否可以把所有的文獻、實驗數(shù)據(jù)變成一個知識庫或者數(shù)據(jù)庫，之后再采用自然語言對話，或是其他的搜索、查詢辦法，幫助科學(xué)家提升讀文獻的效率，更便捷地找到需要的知識。

對于當(dāng)日發(fā)布的Science Navigator，鄂維南表示，該知識庫能讓科研工作者通過對話提問的方式進行文獻的檢索、閱讀、分析及管理，大大提升效率，進一步助力科研人員提升科研生產(chǎn)力，釋放更多的時間精力在解決關(guān)鍵問題與創(chuàng)新思考上，這是AI for Science的重要基礎(chǔ)設(shè)施建設(shè)之一。

“今天的發(fā)布是第一版本，我們希望將來這能成為一個整合文獻和實驗計算數(shù)據(jù)的一個大平臺，大家都可以使用?！?/p>

“總的來說，這樣一個新的科研體系，一方面會大幅度提升科研能力，另一方面會大大加快科研和產(chǎn)業(yè)之間的連接。AI for Science是整個中國科技創(chuàng)新歷史上最好的機會，它能全面改變科學(xué)研究和產(chǎn)業(yè)創(chuàng)新的格局，而且跟國家發(fā)展的國策高度符合。在這方面中國也有一定的先發(fā)優(yōu)勢，有高度前瞻性的設(shè)計、廣泛的共識，我們需要利用這些優(yōu)勢，集中力量、資源，盡快落地，率先走出平臺+垂直整合這樣新的科研范式?！?/p>

記者聯(lián)系郵箱：luoyidan@xjbnews.com

新京報記者 羅亦丹 編輯 王進雨 校對 王心