以ChatGPT为代表的新一轮人工智能技术浪潮正推动人类社会全面变革,科学研究范式正加速转换,一场人工智能驱动的科学研究(AI for Science,AI4S)革命正在到来。分析了AI4S的基本概念和特点,从数学、物理、生物、材料等角度简要综述了AI4...以ChatGPT为代表的新一轮人工智能技术浪潮正推动人类社会全面变革,科学研究范式正加速转换,一场人工智能驱动的科学研究(AI for Science,AI4S)革命正在到来。分析了AI4S的基本概念和特点,从数学、物理、生物、材料等角度简要综述了AI4S的发展现状。大力发展AI4S对提高国家竞争力、发展社会经济、加强技术储备都具有十分重要的意义。为更好地推动我国AI4S的发展,以下两点十分关键:一是变革当代的教学与教育,倡导AI for Education和Education for AI;二是以DAOs和DeSci为基础建立适应“新科学研究范式”的“新组织方式”和“新科研生态”,为AI4S研究提供公开、公平、公正的可持续性支持。展开更多
以“AI for Science”为代表的智能技术与科学研究的耦合正深刻地改变着常规科学的研究进程,并引发一场关于科学研究的范式革命。本文以科学范式的演进为视角,结合大语言模型在当前科研流程中的核心应用,提出了智能科学范式的概念,并讨...以“AI for Science”为代表的智能技术与科学研究的耦合正深刻地改变着常规科学的研究进程,并引发一场关于科学研究的范式革命。本文以科学范式的演进为视角,结合大语言模型在当前科研流程中的核心应用,提出了智能科学范式的概念,并讨论了人工智能作为媒介在科学研究中的功能统合作用和跨学科的知识整合价值。本文认为,智能科学范式的基本内容包含功用层面的效率提升与理解增强,研究层面的边界突破与能力跃升,思维层面的认知拓展与主体性觉醒。作为科学研究的“第五范式”,智能科学范式的意义体现为跨学科的价值连接、对研究路径的统合以及深度人机协作下的主体强化,分别对应了人工智能在研究对象、研究方法和研究主体上对于科学研究的变革性影响。从科学研究到产业实践,随着人工智能与社会各个领域的深度融合,将会改变社会千行百业的生长逻辑和内部结构,并推动社会全实践领域实现更加智能化、高效化和可持续化的生产和发展。展开更多
近年来,人工智能(AI)在前沿科技领域取得了诸如AlphaFold2、核聚变智能控制、新冠药物设计等诸多令人瞩目成果,表明AI for Science正在成为一种新的研究范式。实现智能时代的基础科学源头创新及其下游重大技术创新,需破解2个方面的核心...近年来,人工智能(AI)在前沿科技领域取得了诸如AlphaFold2、核聚变智能控制、新冠药物设计等诸多令人瞩目成果,表明AI for Science正在成为一种新的研究范式。实现智能时代的基础科学源头创新及其下游重大技术创新,需破解2个方面的核心问题:(1)如何利用新一代AI(特别是生成式AI及大模型)的通用性和创造性推动新范式的形成;(2)如何利用AI实现对传统科学设施的赋能与改造。文章提出一种智能化科学设施的建设构想,兼顾“高度智能化的科学新设施”和“AI赋能已有科学大设施”2个层面的需求,构筑AI for Science的科学设施体系,形成科学领域大模型、生成式模拟与反演、自主智能无人实验及大规模可信科研协作等创新功能,加速重大科学发现、变革性物质合成,以及重大工程技术应用。展开更多
以智能化科研(AI for Science)为核心的第五科研范式已经在多个自然科学和高技术领域得到了广泛应用。与人工智能(AI)在自然科学领域的应用强调发现新原理、新机理和新规律不同,高技术领域更强调用AI技术来发明创造新方案、新工具和新产...以智能化科研(AI for Science)为核心的第五科研范式已经在多个自然科学和高技术领域得到了广泛应用。与人工智能(AI)在自然科学领域的应用强调发现新原理、新机理和新规律不同,高技术领域更强调用AI技术来发明创造新方案、新工具和新产品,以解决特定的领域问题。文章总结了AI在高技术领域的应用——“技术智能”(AI for Technology)的典型特征和科学问题,并以CPU芯片全自动设计为例介绍过往的成功案例。最后,文章指出技术智能的目标不仅是加速创新流程并减少人工投入,同时也希望其具备更强的创造能力,最终超过人类的水平。展开更多
人工智能驱动的科学研究(AI for Science)被视为科学发现的第五范式的曙光。依循演绎主义的科学研究逻辑,梳理了人工智能在科学假设生成、数据收集以及分析挖掘中的应用。人工智能“数据算法算力”三原则,对科学数据的质量、算法的复杂...人工智能驱动的科学研究(AI for Science)被视为科学发现的第五范式的曙光。依循演绎主义的科学研究逻辑,梳理了人工智能在科学假设生成、数据收集以及分析挖掘中的应用。人工智能“数据算法算力”三原则,对科学数据的质量、算法的复杂性以及计算能力提出了更高的要求。AI for Science时代预计会出现科技巨头、AI专家、软硬件工程师、政府以及教育机构等紧密协同的新型科研模式。然而,AI算法的黑箱特性对科学研究的可解释性和可重复性构成潜在威胁。因此,在推进人工智能驱动的科学研究的发展过程中,必须坚持伦理优先的原则,注重科学数据的安全性管理,防范化解大模型分布外泛化带来的解释性弱等问题。展开更多
近年来,在算法、数据、算力三大引擎驱动下,人工智能(artificial intelligence,AI)发展迅速,并在AlphaFold3、核聚变智能控制、新冠药物设计等前沿领域取得诸多令人瞩目的成果。AI驱动的科学研究(AI for Science,AI4S)解决了科学数据分...近年来,在算法、数据、算力三大引擎驱动下,人工智能(artificial intelligence,AI)发展迅速,并在AlphaFold3、核聚变智能控制、新冠药物设计等前沿领域取得诸多令人瞩目的成果。AI驱动的科学研究(AI for Science,AI4S)解决了科学数据分析维度高、尺度跨度大以及局限性科研实验制约大规模跨学科科研活动的瓶颈问题,促进科学研究迈向以“平台协作”为主要特征的新模式。分析了AI4S的国际态势,梳理了当前我国农业数字化发展现状及现实困境,将文献、统计数据、调研案例分析相结合,提出推动AI4S赋能我国农业发展的实践路径。AI4S将成为撬动农业生产从“看天、看地、看庄稼”的传统模式向智能感知、智能决策、可视化管理等模式转变的强力引擎,推动科学研究从单打独斗的“小农作坊模式”迈向“安卓模式”的平台科研。在此平台上,科研人员共享算力、模型、算法、数据库和知识库等基础设施,围绕农业全产业链全生命周期研发应用,通过“滚雪球效应”加速科研创新和成果应用。利用AI技术赋能农业生产数字化、网络化和智能化,为支撑理论-实验的在线迭代,还需要完善高质量农业科学数据资源体系、适度超前推进AI关键技术与基础设施、优化新范式下的交叉创新科研生态、加强农业数据安全监管、制定完善的配套政策和激励机制等措施来打通数据壁垒,推动AI+农业落地,从源头强化农业科技创新,推动农业强国建设。展开更多
人工智能科学(AI for science,AI4S)为代表的新范式正在重塑科学研究。作为AI4S的关键技术,大语言模型在教育智能体建模与仿真、教育过程挖掘、教育数据增广等方面展现出了巨大潜力。研究立足科学哲学领域的“问题-方法-过程”框架,剖...人工智能科学(AI for science,AI4S)为代表的新范式正在重塑科学研究。作为AI4S的关键技术,大语言模型在教育智能体建模与仿真、教育过程挖掘、教育数据增广等方面展现出了巨大潜力。研究立足科学哲学领域的“问题-方法-过程”框架,剖析了大语言模型引发的教育研究范式变革图景:在问题维度,大语言模型基于海量数据形成的“世界知识”拓宽了教育研究的问题视野;在方法维度,大语言模型依托其“泛思维链”能力,为情境建模、模拟仿真、因果推断等方法创新提供新的可能;在过程维度;大语言模型为“端到端”和“人在回路”理念在教育研究中的融合提供了理想的技术载体,开启了人机协同的新范式;结合教育研究范式演进的历史维度,当前AI4S引领的变革是社会需求牵引和技术进步双重驱动的必然,既延续了数字时代教育研究范式的演进逻辑,还在智能维度、生成式范式、跨界整合等方面实现了独特突破。需要指出的是,这场范式变革虽然前景广阔,但其复杂性也不容忽视。研究对教育知识生产“单一文化”、理解错觉加剧、模型黑箱效应等潜在风险作了深度探讨,提出了重塑教育研究的反思性、审慎评估大语言模型适用边界的策略实施,为应对AI4S时代的教育机遇与挑战提供了新思路。展开更多
[目的]科学智能(AI for Science)方法正在深刻地改变当前科学计算的格局。其融合了物理模型、人工智能与高性能计算,针对传统科学计算中的高维问题,通过数据拟合的方式实现成量级的增加高精度科学计算问题的时间和空间尺度,正在推动一...[目的]科学智能(AI for Science)方法正在深刻地改变当前科学计算的格局。其融合了物理模型、人工智能与高性能计算,针对传统科学计算中的高维问题,通过数据拟合的方式实现成量级的增加高精度科学计算问题的时间和空间尺度,正在推动一场科研范式的变革。[方法]本文针对第一性原理精度的分子动力学,提出一种HPC+AI驱动的科学智能计算平台,针对科学智能在工作流上带来的变化与挑战,从科学数据的生成与数据集制备、构型空间探索与训练样本标注、科学智能模型的高效训练及大规模高效推理等四个方面阐述构建科学智能计算平台的关键技术与流程。[结果]本文所提出的计算平台在整合科学智能计算工作流的基础上,针对HPC+AI驱动的第一性原理精度分子动力学这一典型应用,提出了基于卡尔曼滤波的主动学习策略;改进了拟二阶AI模型训练方法,实现训练时间从天到分钟级的加速;利用五阶多项式AI模型压缩技术实现在同等硬件条件下模型推理的体系规模提高1个数量级,到解时间提高3-9倍。[结论]通过上述工作的整合,形成一套可用于第一性原理精度分子动力学计算的科学智能计算平台。[局限与展望]科学智能计算方法与工作流仍处于蓬勃发展阶段,在高精度数据、更通用AI模型和高效的计算方法等方面仍面临巨大的挑战,也将成为本文工作在未来的重要探索方向。展开更多
文摘以ChatGPT为代表的新一轮人工智能技术浪潮正推动人类社会全面变革,科学研究范式正加速转换,一场人工智能驱动的科学研究(AI for Science,AI4S)革命正在到来。分析了AI4S的基本概念和特点,从数学、物理、生物、材料等角度简要综述了AI4S的发展现状。大力发展AI4S对提高国家竞争力、发展社会经济、加强技术储备都具有十分重要的意义。为更好地推动我国AI4S的发展,以下两点十分关键:一是变革当代的教学与教育,倡导AI for Education和Education for AI;二是以DAOs和DeSci为基础建立适应“新科学研究范式”的“新组织方式”和“新科研生态”,为AI4S研究提供公开、公平、公正的可持续性支持。
文摘以“AI for Science”为代表的智能技术与科学研究的耦合正深刻地改变着常规科学的研究进程,并引发一场关于科学研究的范式革命。本文以科学范式的演进为视角,结合大语言模型在当前科研流程中的核心应用,提出了智能科学范式的概念,并讨论了人工智能作为媒介在科学研究中的功能统合作用和跨学科的知识整合价值。本文认为,智能科学范式的基本内容包含功用层面的效率提升与理解增强,研究层面的边界突破与能力跃升,思维层面的认知拓展与主体性觉醒。作为科学研究的“第五范式”,智能科学范式的意义体现为跨学科的价值连接、对研究路径的统合以及深度人机协作下的主体强化,分别对应了人工智能在研究对象、研究方法和研究主体上对于科学研究的变革性影响。从科学研究到产业实践,随着人工智能与社会各个领域的深度融合,将会改变社会千行百业的生长逻辑和内部结构,并推动社会全实践领域实现更加智能化、高效化和可持续化的生产和发展。
文摘近年来,人工智能(AI)在前沿科技领域取得了诸如AlphaFold2、核聚变智能控制、新冠药物设计等诸多令人瞩目成果,表明AI for Science正在成为一种新的研究范式。实现智能时代的基础科学源头创新及其下游重大技术创新,需破解2个方面的核心问题:(1)如何利用新一代AI(特别是生成式AI及大模型)的通用性和创造性推动新范式的形成;(2)如何利用AI实现对传统科学设施的赋能与改造。文章提出一种智能化科学设施的建设构想,兼顾“高度智能化的科学新设施”和“AI赋能已有科学大设施”2个层面的需求,构筑AI for Science的科学设施体系,形成科学领域大模型、生成式模拟与反演、自主智能无人实验及大规模可信科研协作等创新功能,加速重大科学发现、变革性物质合成,以及重大工程技术应用。
文摘以智能化科研(AI for Science)为核心的第五科研范式已经在多个自然科学和高技术领域得到了广泛应用。与人工智能(AI)在自然科学领域的应用强调发现新原理、新机理和新规律不同,高技术领域更强调用AI技术来发明创造新方案、新工具和新产品,以解决特定的领域问题。文章总结了AI在高技术领域的应用——“技术智能”(AI for Technology)的典型特征和科学问题,并以CPU芯片全自动设计为例介绍过往的成功案例。最后,文章指出技术智能的目标不仅是加速创新流程并减少人工投入,同时也希望其具备更强的创造能力,最终超过人类的水平。
文摘人工智能驱动的科学研究(AI for Science)被视为科学发现的第五范式的曙光。依循演绎主义的科学研究逻辑,梳理了人工智能在科学假设生成、数据收集以及分析挖掘中的应用。人工智能“数据算法算力”三原则,对科学数据的质量、算法的复杂性以及计算能力提出了更高的要求。AI for Science时代预计会出现科技巨头、AI专家、软硬件工程师、政府以及教育机构等紧密协同的新型科研模式。然而,AI算法的黑箱特性对科学研究的可解释性和可重复性构成潜在威胁。因此,在推进人工智能驱动的科学研究的发展过程中,必须坚持伦理优先的原则,注重科学数据的安全性管理,防范化解大模型分布外泛化带来的解释性弱等问题。
文摘近年来,在算法、数据、算力三大引擎驱动下,人工智能(artificial intelligence,AI)发展迅速,并在AlphaFold3、核聚变智能控制、新冠药物设计等前沿领域取得诸多令人瞩目的成果。AI驱动的科学研究(AI for Science,AI4S)解决了科学数据分析维度高、尺度跨度大以及局限性科研实验制约大规模跨学科科研活动的瓶颈问题,促进科学研究迈向以“平台协作”为主要特征的新模式。分析了AI4S的国际态势,梳理了当前我国农业数字化发展现状及现实困境,将文献、统计数据、调研案例分析相结合,提出推动AI4S赋能我国农业发展的实践路径。AI4S将成为撬动农业生产从“看天、看地、看庄稼”的传统模式向智能感知、智能决策、可视化管理等模式转变的强力引擎,推动科学研究从单打独斗的“小农作坊模式”迈向“安卓模式”的平台科研。在此平台上,科研人员共享算力、模型、算法、数据库和知识库等基础设施,围绕农业全产业链全生命周期研发应用,通过“滚雪球效应”加速科研创新和成果应用。利用AI技术赋能农业生产数字化、网络化和智能化,为支撑理论-实验的在线迭代,还需要完善高质量农业科学数据资源体系、适度超前推进AI关键技术与基础设施、优化新范式下的交叉创新科研生态、加强农业数据安全监管、制定完善的配套政策和激励机制等措施来打通数据壁垒,推动AI+农业落地,从源头强化农业科技创新,推动农业强国建设。
文摘人工智能科学(AI for science,AI4S)为代表的新范式正在重塑科学研究。作为AI4S的关键技术,大语言模型在教育智能体建模与仿真、教育过程挖掘、教育数据增广等方面展现出了巨大潜力。研究立足科学哲学领域的“问题-方法-过程”框架,剖析了大语言模型引发的教育研究范式变革图景:在问题维度,大语言模型基于海量数据形成的“世界知识”拓宽了教育研究的问题视野;在方法维度,大语言模型依托其“泛思维链”能力,为情境建模、模拟仿真、因果推断等方法创新提供新的可能;在过程维度;大语言模型为“端到端”和“人在回路”理念在教育研究中的融合提供了理想的技术载体,开启了人机协同的新范式;结合教育研究范式演进的历史维度,当前AI4S引领的变革是社会需求牵引和技术进步双重驱动的必然,既延续了数字时代教育研究范式的演进逻辑,还在智能维度、生成式范式、跨界整合等方面实现了独特突破。需要指出的是,这场范式变革虽然前景广阔,但其复杂性也不容忽视。研究对教育知识生产“单一文化”、理解错觉加剧、模型黑箱效应等潜在风险作了深度探讨,提出了重塑教育研究的反思性、审慎评估大语言模型适用边界的策略实施,为应对AI4S时代的教育机遇与挑战提供了新思路。
文摘[目的]科学智能(AI for Science)方法正在深刻地改变当前科学计算的格局。其融合了物理模型、人工智能与高性能计算,针对传统科学计算中的高维问题,通过数据拟合的方式实现成量级的增加高精度科学计算问题的时间和空间尺度,正在推动一场科研范式的变革。[方法]本文针对第一性原理精度的分子动力学,提出一种HPC+AI驱动的科学智能计算平台,针对科学智能在工作流上带来的变化与挑战,从科学数据的生成与数据集制备、构型空间探索与训练样本标注、科学智能模型的高效训练及大规模高效推理等四个方面阐述构建科学智能计算平台的关键技术与流程。[结果]本文所提出的计算平台在整合科学智能计算工作流的基础上,针对HPC+AI驱动的第一性原理精度分子动力学这一典型应用,提出了基于卡尔曼滤波的主动学习策略;改进了拟二阶AI模型训练方法,实现训练时间从天到分钟级的加速;利用五阶多项式AI模型压缩技术实现在同等硬件条件下模型推理的体系规模提高1个数量级,到解时间提高3-9倍。[结论]通过上述工作的整合,形成一套可用于第一性原理精度分子动力学计算的科学智能计算平台。[局限与展望]科学智能计算方法与工作流仍处于蓬勃发展阶段,在高精度数据、更通用AI模型和高效的计算方法等方面仍面临巨大的挑战,也将成为本文工作在未来的重要探索方向。
