AI for Science：系统思考的未来之路
AI for Science：系统思考的未来之路
近日，清华大学智能产业研究院（AIR）首席科学家马维英教授在演讲中指出，AI for Science是AI与科学的深度融合，将引领科研范式的变革。这一观点得到了众多专家的认同。上海人工智能实验室领军科学家欧阳万里也表示，AI for Science带来了一场科研范式的系统性变革，能够帮助科学家突破传统方法的限制，实现科学发现的加速。
什么是AI for Science？
AI for Science，即“AI+科学研究”，是指利用人工智能技术解决科学研究中复杂问题和挑战的新兴领域。随着计算能力的快速增长和机器学习算法的进步，AI在各个科学领域的应用日益广泛，从基础研究到应用开发都在推动科学的前沿。
AI for Science的发展历程可以追溯到2006年，当时Geoffrey Hinton等研究人员发表了关于深度神经网络的论文，标志着深度学习在机器学习中的复兴。此后，AI在科学领域的应用不断取得突破，如AlphaFold成功解决了蛋白质折叠预测问题，DeepMind的AlphaFold通过深度学习预测蛋白质的结构，解决了长期以来生物医药领域中的重大挑战。2020年，鄂维南和学生组成的深度势能团队，利用机器学习与物理建模相结合的方法（DeePMD）成功模拟了包含1亿个原子的量子分子动力学系统，并获得了当年的国际高性能计算应用领域的最高奖戈登贝尔奖。
系统思考在AI for Science中的应用
马维英教授提出了“万物的token化”和“模型的统一”等概念，为理解和应用AI for Science提供了新的视角。他指出，可以将物质世界中的元素和分子视为“token”，构建“原子级别的ChatGPT”，从而掌握“原子的语言”，实现从原子层面与大自然的“对话”。这种方法将为理解和设计新物质开辟新的途径，使AI能够探索物质的基本构成，推动科学与技术的跨越式进步。
AI for Science的具体应用
AI for Science已经在多个科学领域展现出巨大的应用潜力。例如，在生物制药领域，AI能够加速药物研发过程，通过分析化合物数据预测药理活性，缩短研发周期。在化学领域，AI可以帮助科学家设计新材料，优化化学反应路径。在新材料领域，AI能够预测材料的性能，指导实验设计。在新能源领域，AI可以优化能源利用效率，推动可持续发展。
一个典型的案例是ESM3模型的成功应用。这是首次使用AI成功生成全新的荧光蛋白。荧光蛋白广泛应用于医学成像，例如用于标记癌细胞，以便进行可视化观察。通过联合序列与结构建模，该研究生成了与现有蛋白质截然不同的新型蛋白质，打破了传统进化过程可能需要数亿年的时间限制。此成果展示了AI在蛋白质设计方面的巨大潜力，标志着AI驱动生物分子创新的一个重要里程碑。
面临的挑战与未来展望
尽管AI for Science展现出巨大的潜力，但仍面临一些挑战。例如，数据质量、物理规律约束等问题需要进一步解决。此外，如何将AI与传统科学方法有效结合，也是当前研究的重要方向。
未来，AI for Science有望实现更多突破。马维英教授提出，AI for Science的第一阶段将率先改变生物、化学、材料、能源和农业等多个学科。接下来，这一领域将推动为AI for Science量身打造的基础计算设施的建立，并催生新的产业和经济形态。此外，教育和学校的未来可能会与现今大不相同。高校必须开始思考如何在新时代背景下调整教育模式，以适应和引领新AI时代的发展需求。这一变革不仅涉及课程和教学方法的创新，还包括如何培养学生的跨学科思维和与AI协作的能力。
AI for Science的发展正日益成为AI界和科学界共同关注的热点。从AI求解薛定谔方程、控制论方程到加速分子模拟、预测蛋白结构、赋能药物和材料设计等多个领域，在不到几年的时间内，AI4S的发展已超出预期。下图为Nature在2023年对科学界AI使用情况的调查结果，显示了AI在科研论文中的总体渗透率达到了8%，并且在更多的传统学科领域里依然呈现出不断上升的趋势。
在国内，2023年科技部与自然科学基金委联合启动了“人工智能驱动的科学研究”专项，布局前沿科技研发体系，将AI4S作为重要发展方向并纳入科技创新2030计划的新一代人工智能重大项目之一。指南中重点部署了“重大科学问题研究的AI范式”，涵盖地球科学、空间科学、化学和材料科学、生物医药科学等领域的创新研究。国际上，Elon Musk宣布推出x.ai项目，旨在建立理解自然规律的人工智能系统；前谷歌CEO Eric Schmidt捐资1.48亿美元设立AI for Science博后奖学金，已经涵盖9所大学；微软成立专门的AI4science部门；英伟达与IIT合作发布AI for Science公开课程；龙头药企赛诺菲全面投入AI for (life) science；美国能源部联合5大国家实验室发布AI for Science, Energy & Security先进科研课题指引；OECD向全球政策制定者发布AI在科学领域的综述与政策建议,等等. 从学界到产业、从生命科学到材料科学，众多优秀的AI for Science应用正加速涌现，AI for Science已在全球呈现燎原之势。
AI for Science的未来发展前景广阔。马维英教授指出，AI可以用于构建生成式的蛋白质和分子模型，打造“原子级别”的ChatGPT，推动符号智能的发展，实现主动学习与实验科学的干湿结合。最终，这将促使构建可扩展、涵盖各种科学知识的科学基础大模型成为可能。从“AI as a Science”的角度来看，将AI的应用从人类智能拓展到自然智能后，我们可以尝试“model of everything”，将AI视为一门真正的科学进行推进。
AI for Science的兴起，不仅改变了科学研究的方法和路径，更为人类探索未知世界提供了新的工具和视角。随着技术的不断进步，AI将如何改变我们的世界？让我们拭目以待！