在7月8日举行的2021世界人工智能大会全体会议“科学前沿”上，中国科学院院士、普林斯顿大学数学系和应用数学研究所教授、北京大数据研究院院长鄂维南发表了演讲。他认为，戈登贝尔奖的意义不仅在于奖励，更在于展示了机器学习、科学计算和高性能计算这三大关键技术结合所带来的巨大潜力。

鄂维南指出，这三大技术的结合极大地推动了科学研究的发展，尤其是在解决实际问题方面。例如，鄂维南及其团队利用机器学习将分子动力学的极限从基线提升到了一亿个原子，同时保证了高精度计算，效率提高了1000倍。这一成就不仅标志着技术的重大突破，也体现了科学计算领域的重要进展。

鄂维南回顾了自己的学术生涯，从1982年中国科技大学数学系毕业，到1985年在中国科学院计算中心获得硕士学位，再到1989年在美国加州大学洛杉矶分校取得博士学位。此后，他多次获得国内外重要奖项，包括国际工业与应用数学协会科拉兹奖、美国工业与应用数学学会克来曼奖、美国工业与应用数学学会卡门奖、以及美国工业与应用数学学会和苏黎世联邦理工学院联合授予的Peter Henrici奖，并在2020年获得了戈登贝尔奖。

鄂维南认为，科学研究有两个主要目标：一是探索基本规律，二是解决实际问题。他指出，虽然在量子力学建立后，基本规律的研究取得了重大进展，但在解决实际问题方面仍然存在许多挑战。特别是在材料设计、分子动力学等领域，尽管已有基本原理，但实际应用中的难题依然存在。这些问题的核心在于所谓的“维数灾难”，即随着变量数量的增加，计算复杂度呈指数级增长。

鄂维南提出，深度学习可能是解决这些难题的关键。他以图像识别和AlphaGo为例，说明了深度学习在处理高维数据方面的优势。鄂维南强调，神经网络可以有效表示和逼近高维空间的函数，这是传统方法无法实现的。因此，深度学习为科学研究提供了全新的、高效的工具，带来了新的计算方法、科学模型和实验方法。

鄂维南认为，传统的科学领域，如化学、材料科学、电子工程、化工、机械工程和生物学，才是人工智能更大的主战场。这些领域的研究和发展不仅需要科学方法的变革，也需要传统行业的转型升级。鄂维南呼吁科学家们共同努力，构建一个统一的大平台，以便更好地利用这些新技术，提高科研效率和成果质量。

鄂维南在演讲中表达了对现有科研模式的担忧，认为目前的科研方式效率低下，类似于“小农经济”。他希望未来能够建立起一个开放共享的平台，使得研究人员能够更加高效地进行科学研究和创新。

通过这些观点，鄂维南强调了人工智能在科学研究中的重要性和潜力，同时也指出了面临的挑战和解决方案。