AI for Science：認知的技術性替代進入新時代

李正風

清華大學社會學系教授

清華大學科技與社會研究中心主任

2023年拉斯克基礎醫學研究獎授予谷歌DeepMind公司的哈薩比斯（Demis Hassabis）博士和江珀（John Jumper）博士，以表彰他們發明了AlphaFold這種能夠預測蛋白質三維結構的革命性技術。AlphaFold本質上是一種人工智能（AI）系統，它將蛋白質結構預測的準確性和速度提升到了前所未有的水平。本期專稿《人工智能是蛋白質科學的終結者嗎？》一文詳細介紹了這項突破性技術發展的來龍去脈以及背后的關鍵人物。

除了AlphaFold這種標志性案例，人工智能在科學研究中的應用開始滲透到幾乎所有STEM領域，特別是在醫學、材料科學、機器人學、農業、遺傳學和計算機科學等領域。從科學研究范式變革的角度，人們把這種新變化稱為繼“經驗驅動”“理論驅動”“計算驅動”和“數據驅動”之后的第五范式，即“人工智能驅動的科學研究”（AI for Science）。盡管目前對于 AI for Science 的定義和內容仍有諸多討論，但越來越多的科學家認為它是一場正在發生的重大科技革命。

從人類認知行為的歷史演進，可以更充分地認識這一科技革命的性質與意義。從古代哲學思辨式的知識生產、工匠經驗試錯式的知識積累，到近代建立實驗試錯式的科學知識生產體系，人類認知行為演變的一個顯著特征是“技術性替代”不斷加強。從大的歷史跨度看，這種“技術性替代”經歷了兩次重大變革。第一次重大變革是近代實驗試錯式科學知識生產方式的社會化和建制化，把數學和實驗的方法系統引入到人類科學研究，形成了專業化、職業化、技術化的科學技術體制，不僅提升了知識的可靠性、精確性，推動了精密科學的發展，而且大幅度增強了知識生產的能力和效率。

目前正在涌現的AI for Science是又一次重大變革，意味著人類認知行為的“技術性替代”進入新時代。這個新時代具有三方面特點。

第一，人工智能對人類認知行為的技術性替代從肢體、感官上升到大腦。在以往科學知識生產過程中，技術手段的利用更多體現為人類肢體和感官的延伸，技術工具幫助科學家獲得更廣泛、更精確的事實，發現自然原理的工作則依賴科學家的創造性思維活動。AI for Science使這種技術性替代上升到人類的大腦，通過人工智能、機器學習、模擬推理等方法處理和分析大量數據，高效發現數據之間的關聯，不僅幫助科學家克服“維數災難”，而且幫助人類發現數據中隱藏的規律，助力科學家提出新假設。

第二，AI for Science有可能創造性地融合以往科學發現的多種范式。AI for Science不僅運用機器學習和大語言模型，而且要結合特定領域科學理論設計和開發AI模型與算法；不僅能夠跨時空地利用不同學科領域長期積累的大量經驗和實驗數據，而且需要有足夠的算力進行模擬和計算。這種創造性的融合讓更多科研人員能夠基于AI在更復雜的場景中進行探索，結合數據反推復雜場景下更為準確的物理規律，也使人工智能成為全新的知識生產工具。

第三，AI for Science是開放的、不斷進化的社會技術系統。AI技術的發展不斷打破學科、技術領域的邊界，實現跨時空、跨模態的數據融合，不斷利用新的知識、技術和數據進行迭代升級。同時，AI for Science也需要一系列數字技術和基礎設置的支撐。因此AI for Science成為變革更徹底、影響更深遠的“技術性替代”，而且這種“技術性替代”帶來更高的技術壁壘，會形成科研能力更大、更難以超越的“代際差異”。

盡管AI for Science仍處于起步階段，但其巨大潛力和深遠影響不容忽視。我國建設當代科技強國，必須盡快抓住這次變革的歷史性機遇，積極有效應對可能出現的各種挑戰。