5月30日，在瑞士日內瓦舉行的2024年“人工智能造福人類全球峰會” 上，繪畫藝術家機器人Ai-Da在畫畫

文/肖仰華

編輯/吳美娜

　　2024年諾貝爾獎已陸續揭曉，而人工智能（AI）成為“大贏家”。諾貝爾三大科學獎項中的兩大獎項與人工智能研究相關，先是物理學獎頒給了曾獲圖靈獎的機器學習先驅，緊接着化學獎也將一半頒給了“程序員”。

　　如果説此前的AI應用主要還是針對普通人的日常生活與工作，此次AI助力諾獎級成果則表明，AI在專業性門檻極高的科研工作中彰顯出巨大甚至是決定性價值。AI從賦能普通人日常生産生活到賦能科學家進行高水平科研探索，這一轉變正引發一系列連鎖反應，必將給人類社會發展帶來長遠影響。

表象背後三大追問

　　從表象看，此次諾獎事件宣告AI驅動的科學研究新範式受到了認可。這一表面現象背後，潛藏着三個值得深思的關鍵問題。

　　一是科學研究為何需要AI新引擎？

　　儘管AI功能強大，科學家們也完全可以説一句“我不需要”而棄之不用。但如果不是科學家在科學研究發展過程中遇到了只有依靠AI的強大能力才能突破的根本性困境，AI成就諾獎級成果的高光時刻勢必還要推遲。由此不由得讓人發問，推動科學研究發展的“內在需求”究竟是什麼？

　　二是AI如何成為科學研究的新範式？

　　儘管AI最近幾年在巨大算力與海量數據的推動下發展迅速，但其畢竟還只是部分能力達到了普通人的智識水平。AI究竟要具備怎樣的能力，方能使其賦能科學家精英們的高端智力活動成為可能？

　　三是AI驅動的科研範式存在哪些問題，帶來哪些挑戰？

　　作為新生事物，這一新興科研範式不可能完美，它存在哪些風險與問題，又會對人類社會産生怎樣的長期影響，特別是負面影響，這些問題都值得人們深思並審慎回答。

從文藝復興到AI驅動

　　自文藝復興以來，不同於古希臘對世界的總體性把握與認知，近現代科學認知世界的方式總體上採取還原主義路線，從世界所呈現出的不同側面來認知世界，因而發展出物理、化學、生物等自然科學以及社會學、人口學、經濟學等社會科學。

　　還原主義成就了現代科技文明，人類在各細分學科基礎上建立起對於世界豐富而細緻的專業性認知，但與此同時，人類對世界的整體性認知圖景隨之而被肢解得支離破碎。今天的科學家已經很難像亞裏士多德那樣在總體性水平上把握與認知世界。各細分學科也無力承擔起重建世界整體性認知的重大使命。

7月4日，2024世界人工智能大會暨人工智能全球治理高級別會議在上海開幕，圖為當天工作人員在展示手勢控制機器人操作流程

　　科學研究依賴於人類認知能力。而人類的認知能力（即便是其中的極少部分科學家精英）受限於其生物智能，因此不僅總體上有限，並且發展緩慢。和人相比，機器的認知能力能夠隨着算力與數據的增長而快速增強。通過發展機器認知，形成人機協作的認知，人類才可能完成對世界更大範圍和更具深度的認知，也才能實現既具深度的專業性認知又具廣度的跨學科認知。

　　科學發展到今天，從還原走向綜合正成為科學研究發展的根本性趨勢，它要求突破人類認知能力的上限，創造能夠協助人類認知世界的智能機器。

　　技術發展依賴於人類實踐能力。從實踐角度看，傳統科技發展中的的理論分析、實驗驗證與計算倣真等科研範式仍然難以擺脫效率低下的困境。試想，科學家們要消耗多少精力在可能的理論假設空間進行分析，發明家們要重復多少次實驗才能驗證一個具有目標特性的材料。

　　科研效率的低下無疑拖了科技快速發展的後腿。而AI驅動的科研範式提供了大量提質提效的工具與方法，極大提升了科研效率。例如，大模型操控下的機械臂可以永不停擺地完成各種實驗，預測蛋白質結構的AI工具Alphafold（谷歌旗下“深層思維”公司的德米斯·哈薩比斯和約翰·江珀因開發AlphaFold獲諾獎）可憑藉機器強大的計算能力預測海量的蛋白質結構。從提升效率的角度看，AI驅動科研也是勢在必行。

通用人工智能曙光初現

　　人工智能自提出之日至今已有70多年歷史，早在諸如人臉識別等日常應用中取得顯著效果，為何直至近幾年才日漸成為科學家們的新幫手？

　　近年來，隨着ChatGPT等生成式大語言模型的問世，AI的通識能力獲得了長足進步。通用人工智能曙光初現，機器智能在總體性水平上（而不是若干具體方面）達到甚至超越人類水平，使得AI有了成為科學家得力助手的可能。

　　總體上，生成式AI為助力科學研究帶來了兩個基本能力。

　　首先，生成式AI是跨學科知識的巨大容器，使得未來的跨學科交叉融合成為可能。今年的諾貝爾物理獎和化學獎，何嘗不是對AI與物理學、化學交叉研究成果的認可？跨學科研究是困難的，人類專家很難跳出自身學科背景所帶來的局限與其他學科深度融合。大型語言模型通常是在海量跨學科語料上訓練而成,在跨學科認知能力方面具有人類難以比擬的優勢。當我們需要對一個新學科形成洞察、理解和認知時，大模型可以成為極其有力的工具。

　　其次，生成式AI為科學研究提供了強大的理性思維能力。近期，特別是OpenAI O1大模型的推出，使得生成式AI的理性思維能力得到進一步提升，在物理、化學等領域，已接近人類博士生的水平。再加上一系列專業大模型能夠洞察海量科學數據背後的規律，使得AI有可能代替或至少部分代替人類科學家，特別是科研工作中的常規性任務。誕生能夠勝任常規科研工作的AI科學家，已經不是遙不可及的夢想。

　　生成式AI的強大認知能力在數學方程求解、化學結構預測、物理過程建模等方面取得了顯著成效。人類科學家在AI助力下，能夠高效枚舉、探索更加巨大的理論假設空間，能夠加速重復而繁重的科學實驗進程，發現蘊含於海量科學數據的隱性規律，生成冗長但合理的思考與求證過程。這些都是人類專家憑藉自身有限身心資源難以勝任，或需要耗費巨大精力才能完成的。

“元引擎”是一把雙刃劍

　　科技被視為第一生産力，成為人類社會的發展引擎。今天，AI又進一步成為驅動科研發展的新引擎，這意味着AI可能成為人類社會發展的“元引擎”。從趨勢看，人工智能技術將在推動人類社會發展進程中發揮其他科學技術無法企及的作用。

　　AI已然被人類推上“神壇”，這一角色轉變也必然帶來一系列長遠影響，因此，更多的人開始關注AI驅動的科研範式，同時會造成何種問題和風險。

　　其一，AI磨利了科技雙刃劍的劍鋒。科學技術具有兩面性，善用之，它是人類的福音；惡用之，則成為人類的災難。傳統科技的破壞力總體上溫和而可控，但AI加持的傳統自然科學技術如被“惡用”，其破壞能級可以被指數級放大。舉例來説，對於傳統自動武器，人類還有對抗的可能，但AI賦能自動武器會讓人類無處隱藏，再無逃遁可能。AI對科研助力所帶來的技術雙刃劍效應被放大，需密切關注。

　　其二，需重新審視人類科技創新的本質。人類價值體系中有個有意思的現象，一旦某個工具、動物或機器實現了人的某種能力，此項能力就會從人的核心價值中被剔除掉。以至於此次諾獎後，不少科學家開始擔心自己的飯碗。這種擔心不無道理，事實上常規性的科研工作，比如繁瑣的計算、常規性實驗等等，AI基本上可以勝任。

　　但AI本質上仍是人類智能的産物，並未改變其人類工具的屬性。目前AI從事科研工作仍需人類科學家去設計、引導、規範和糾正，仍然難以具備人類科學家的原始創新能力，難以創新理論框架進而顛覆傳統理論。

　　AI輔助科研主要還是計算、搜索、枚舉與匹配。這些技術性的操作再怎麼組合，也尚不具備和人類科學家一樣的評價能力、鑒賞能力、質疑能力和創新能力。這些能力構成了人類進行科技創新的真正有價值的能力。

　　其三，需高度重視AI驅動科研所帶來的過速科技發展與緩慢社會適應之間的矛盾問題。如果將整個人類社會的發展比做一列行駛中的火車，那麼科技無疑是火車頭，整個人類社會是車身。AI驅動的科研給這個火車頭帶來強勁前進動力，科技發展加速。先進的科學技術所造就的先進生産力，要求生産關係、經濟結構、價值倫理等與之適應、快速調整。

　　然而，從人類發展歷史和社會經驗看，社會結構重塑是經年累月的過程，經不起劇烈震蕩，科技的過速發展並不能為之留下充足寬裕的調整時間。事實上，當前人類社會的就業結構、教育體系等，都已經嚴重滯後於當下科技與AI的發展了。

　　從根本上講，人的本質或許就在於其超越性，也就是不斷超越當前自我而成為更高水平的存在。今天，人類以自身的智能為模板創造了AI，協助人類提升認知與改造世界的能力。人類通過創造AI正在續寫“創世神話”，如果非要為這一系列事件附加上一個意義，那麼可以這樣講，AI驅動的科研新範式標誌着人類探索未知之境的加速鍵已然按下。

　　（作者係復旦大學計算機科學技術學院教授、博導、上海市數據科學重點實驗室主任，長期專注於知識圖譜、知識工程、大數據管理與挖掘等領域研究）