作者：王中葉（工信部網(wǎng)絡(luò)空間公共安全研究中心特約研究員）

當(dāng)下，人工智能的火熱讓人們對其有了深刻的體會。盡管許多人并不完全了解人工智能的工作原理，但一提起人工智能，自動(dòng)駕駛汽車、智能交互機(jī)器人、機(jī)器狗、無人機(jī)等已廣為人知的應(yīng)用便浮現(xiàn)在人們腦海中。

當(dāng)人工智能深度融入科學(xué)研究，究竟會帶來怎樣的范式變革，又會開啟哪些新的探索空間？首先需要明確“科研范式”的含義。科研范式指的是科學(xué)研究群體共同遵循的世界觀和研究方式，是保證科研活動(dòng)高效、有序開展的一種通行準(zhǔn)則。人類的科研范式曾經(jīng)歷過四次重要演變，分別是經(jīng)驗(yàn)范式、理論范式、模擬仿真范式和數(shù)據(jù)驅(qū)動(dòng)范式。在科學(xué)發(fā)展的不同階段，通常由某種范式主導(dǎo)。同時(shí)，在當(dāng)前范式逐漸顯露出難以解釋新發(fā)現(xiàn)的局限時(shí)，新范式的出現(xiàn)便成為必然。

現(xiàn)今科學(xué)研究中，尤其是材料科學(xué)、合成生物學(xué)、化學(xué)、天文學(xué)和地球科學(xué)等領(lǐng)域，科學(xué)數(shù)據(jù)呈現(xiàn)出爆炸式增長。為了從這些海量數(shù)據(jù)中挖掘出知識規(guī)律，傳統(tǒng)方法（如計(jì)算機(jī)仿真和手動(dòng)實(shí)驗(yàn)）常顯得力不從心。例如，在2005至2015年間，基因組學(xué)的序列數(shù)據(jù)幾乎每7個(gè)月就要翻一番。而在天文學(xué)中，自1990年起運(yùn)行的哈勃太空望遠(yuǎn)鏡每周能傳回約20GB的原始數(shù)據(jù)。

這正是科研人員長期以來面臨的難題：一是科研成果在實(shí)際應(yīng)用中的挑戰(zhàn)；二是數(shù)據(jù)收集、處理與分析效率較低；三是大部分科研團(tuán)隊(duì)依舊采取“作坊式”工作模式，而平臺化合作較為稀少；四是在材料研發(fā)等領(lǐng)域依賴經(jīng)驗(yàn)和試錯(cuò)的方式進(jìn)行突破。這些龐大的數(shù)據(jù)需要進(jìn)行分類、回歸、聚類、關(guān)聯(lián)分析、時(shí)間序列分析以及異常檢測等處理。只有在完成這些步驟后，隱藏的模式和未知的相關(guān)性才會浮現(xiàn)，否則只是無效冗余。同時(shí)，現(xiàn)代科學(xué)已進(jìn)入復(fù)雜體系時(shí)代，傳統(tǒng)的計(jì)算方法難以應(yīng)對越來越多變量和計(jì)算復(fù)雜度所帶來的瓶頸。

在此背景下，人工智能的核心技術(shù)——深度學(xué)習(xí)展現(xiàn)出獨(dú)特的優(yōu)勢。深度學(xué)習(xí)的設(shè)計(jì)本就源自對大數(shù)據(jù)的需求，數(shù)據(jù)處理不僅是它的強(qiáng)項(xiàng)，也是其生存和發(fā)展的基礎(chǔ)。深度學(xué)習(xí)能在大量數(shù)據(jù)中找出規(guī)律，減輕數(shù)據(jù)爆炸帶來的挑戰(zhàn)。例如，人工實(shí)驗(yàn)員一天難以完成的重復(fù)實(shí)驗(yàn)，通過自動(dòng)化平臺在一天內(nèi)便可高效完成上百次，大幅提高實(shí)驗(yàn)數(shù)據(jù)的準(zhǔn)確性和一致性，而高質(zhì)量的實(shí)驗(yàn)數(shù)據(jù)正是模擬和訓(xùn)練的基礎(chǔ)。

人工智能技術(shù)的發(fā)展使科學(xué)家開始超越傳統(tǒng)的四大科研范式，依托先進(jìn)的計(jì)算技術(shù)，推動(dòng)了第五代科研范式——利用人工智能技術(shù)對自然現(xiàn)象進(jìn)行學(xué)習(xí)、模擬、預(yù)測和優(yōu)化，從而推動(dòng)科學(xué)發(fā)現(xiàn)和技術(shù)創(chuàng)新。相比于傳統(tǒng)的科研方法，這種科研范式不僅顯著提升了科學(xué)問題的解決效率，還為科研人員提供了新的研究角度與方向，開辟了探索未知的全新路徑。

一個(gè)典型的例子是，2024年度諾貝爾物理學(xué)獎(jiǎng)與化學(xué)獎(jiǎng)均與人工智能研究相關(guān)。這一方面肯定了人工智能在促進(jìn)基礎(chǔ)科學(xué)進(jìn)展中的關(guān)鍵作用，另一方面也預(yù)示著物理、化學(xué)等傳統(tǒng)學(xué)科將變得更加開放，科學(xué)家們不再局限于傳統(tǒng)的“可解釋性”研究模式，而是通過實(shí)驗(yàn)校準(zhǔn)不斷完善模型，從而獲得更全面的理解。

盡管人工智能帶來了諸多益處，其應(yīng)用仍需保持謹(jǐn)慎。例如在生物學(xué)研究中，作為研究對象的人類個(gè)體信息和醫(yī)學(xué)特征信息都包含了較多的隱私內(nèi)容。在數(shù)據(jù)挖掘和分析過程中，如果數(shù)據(jù)隱私得不到有效保護(hù)，在一定程度上會影響生物學(xué)的發(fā)展以及科學(xué)研究的可信度。雖然已有部分專家學(xué)者提出了一些創(chuàng)新技術(shù)手段，在保證數(shù)據(jù)安全的情況下進(jìn)行數(shù)據(jù)共享交換以及模型的搭建訓(xùn)練，但這一問題仍需進(jìn)一步探索與解決。

（項(xiàng)目團(tuán)隊(duì)：光明日報(bào)記者 崔興毅、張亞雄、陳海波）

《光明日報(bào)》（2025年01月03日 07版）