The Innovation | 智能化科研，实现数据到知识的自主涌现

人工智能的飞速发展正在改变人类的科研方式，加快数据-信息-知识-智能的转换速度。

导 读

人工智能技术加速演进，从“+智能”逐步过渡到“智能+”时代，深刻影响着人们的生产和生活方式，正在催生新一轮科技革命和产业革命。人工智能（AI）技术也正在影响，甚至牵引着全新的智能科学范式。本刊在2021年提出了科学界即将迎来“智能科学范式”的全新时代，认为AI有望在多个领域代替科学家取得重大突破，加速解决传统科学范式所面临的难题。从图灵测试、AlphaGo的胜利，到DeepMind在软件程序编写、数学定理发现、蛋白质结构预测、核聚变控制等进展，再到华为PanGu模型在气象预测中的成功，AI正不断创造科学探索道路上的里程碑。种种迹象表明，人工智能技术正在快速改变甚至颠覆科学研究的基础方法学，为各学科领域发展提供全新的技术支撑和发展前景。新一代科学革命似乎即将来临。那么，AI for Science （AI4Science）的主要特点是什么?是什么推动科学进入人工智新范式？我们将对此做出思考。

图1 图文摘要

随着各学科研究方法和科研手段的快速飞展，科学数据的产生方式也经历了快速演变。在过去，研究者主要通过观察实践、设计实验来获取科学数据，数据规模较小，且受到时间和资源的严格限制。随着技术的进步，计算机模拟成为了一种重要的数据产生方式。其允许研究者创建虚拟环境来产生数据，但数据质量和多样性往往具有较大局限性。近年来大数据和人工智能技术提供了科研数据的高效自动化产生方式。例如强化学习技术通过智能体与环境交互产生数据，推动了包括自动驾驶在内的多个领域的智能化研究。在此过程中，数据的规模和知识体量也不断增长，这有助于研究者更全面地理解复杂系统的运行行为和发展规律。例如：被誉为“中国天眼”的500米口径球面射电望远镜每天产生的原始数据高达500TB。随着高性能智能计算技术的不断发展，研究者能够处理更加复杂的场景和问题，在这些情况下数据量往往达到PB级甚至EB级。从某种意义上说，科学数据的规模和质量、科学数据到知识发现的速度直接决定着不同时代的科学范式。

尽管数据规模、知识体量和计算能力的增加为科学研究提供了强大的支持，但也带来了新的挑战。学科细分使得研究愈发专业化，同时多学科交叉的需求也在逐渐增加，数据到智能的难度也在不断增大。在这种情况下，科学范式的创新成为解决问题的关键。人工智能技术有助于实现复杂系统的推理，能够带来更多关联交叉学科方向出现。例如AlphaFold通过深度学习解决蛋白质结构预测难题，改变了生物学和医学领域的研究方式；ChatGPT通过人机交互和自然语言处理技术构建定理证明器，加速数学领域研究发展；DeepMind利用强化学习技术首次成功控制等离子体，并在可控核聚变领域取得重大突破。总之，基于人工智能技术的范式创新是解决当前挑战的关键，并引领着科研范式变革，更好地推动从"knowledge under the data"到"wisdom from the data"的转变，以应对日益复杂的科学问题。

未来随着科学数据规模的逐步增大，以及信息利用和知识发现手段的不断进步，利用智能化技术，从海量科研数据中自动挖掘关键知识，将逐步成为推动科学研究进一步发展的重要路线，并在各重要科学研究领域中产生深远影响。未来科学家将越来越依赖自动数据采集、大数据储存能力以及智能处理技术来开展研究。核心技术也将朝着自动化以及智能化的方向发展，实现从 “人在环路”的科学数据处理，到“人在旁路”的科学发现的转变。总的来说，基于人工智能的自主科学发现将逐步成为科学研究的重要路线。而机器猜想，知识创造与自主涌现，将成为未来科学研究的重要方式，并推动科技发展与进步。在这种情况下，需要有越来越多的专业智能化工具在科研的各环节中使用，不同的智能化工具将面向不同的学科，产生系列化的各具特色的智能科研平台，从更加专业的角度分析科学问题，并从中发现更加完备的知识体系，创造更加便捷的研究路线，从而进一步解决各领域的科学难题。科学家将从繁重的数据生成和处理工作中解脱出来，通过人工智能工具加速科学思想的提出、研究方法的创新、科学知识的涌现。AI4Science将推动科学发展迈向全新台阶，通过人工智能技术从科学数据中发掘信息、创造知识、涌现智慧，并形成与科学家的创新创意深度融合的全新智能科研范式。AI4Science的本质是帮助研究者从科学数据中找出真正的有意义的科学发现。

总结与展望

人工智能技术正在推动着科学知识的自主涌现和科研范式的快速创新，在科学发现中将发挥越来越重要的作用。人工智能技术将架起连接数据与智慧的桥梁，天堑变通途，推动科学范式的深度变革，引领智能化科研新时代。

责任编辑

何 盼    Cardiff University

田 东    中国科学院计算机网络信息中心

本文内容来自Cell Press合作期刊The Innovation第四卷第六期以Editorial发表的“Artificial intelligence for science—bridging data to wisdom” (投稿: 2023-10-10；接收: 2023-10-17；在线刊出: 2023-10-18)。

DOI: https://doi.org/10.1016/j.xinn.2023.100525

引用格式：Xu Y., Wang F., An Z., et al. (2023). Artificial intelligence for science—bridging data to wisdom. The Innovation 4(6), 100525.

作者简介

张 钊，博士，中国科学院计算技术研究所副研究员。研究方向为数据挖掘与知识图谱，特别是知识的表示和应用研究。在TKDE、TOIS、KDD、SIGIR等会议和期刊发表文章30余篇。作为负责人承担国家自然科学基金青年项目、博士后面上基金、及腾讯犀牛鸟基金等项目多项。获得CIKM 2023最佳短文奖，DASFAA 2022最佳学生论文奖，腾讯微信犀牛鸟专项研究计划优秀奖。

徐勇军，博士，中国科学院计算技术研究所研究员，博士生导师，中国科学院青年创新促进会优秀会员。长期专注于人工智能系统、大数据处理技术等领域的研究及应用。目前在本领域重要学术会议和期刊上发表学术论文100多篇（如TPAMI、KDD、CVPR、AAAI、INFOCOM、DASFAA等）。获得北京市科学技术奖、中国指控学会科技进步奖、中国科学院院地合作先进个人奖、卓越先锋标兵、“卢嘉锡”青年人才奖、关键技术人才等奖励。

往期推荐