导读

2024年，诺贝尔奖将人工智能（AI）推上了科学界的中心舞台，AI领域的科学家连续获得了诺贝尔物理学奖与化学奖，这一令人意外的结果震惊了学术界。多年后，当我们回顾2024年的诺贝尔奖颁奖时，或许会发现这不仅仅是一个偶然事件，而是一个历史性的转折点——AI驱动的新科学正式接过传统科学的接力棒，开启了全新的AI for Science研究时代。

AI正在编织一张跨越传统学科界限的大网

美国国家工程院外籍院士沈向洋在一次对谈中表示：“如果今天我们必须做一件事，那一定是AI for Science。今年诺贝尔奖的颁布是最好的证明。”AI for Science不仅加速了科学研究的发展，还引领我们进入一个前所未见的未来。

AI for Science：加速科学进步

今年诺贝尔奖颁发前，美国机器学习之父汤姆·米切尔（Tom M. Mitchell）在其撰写的AI for Science白皮书中提到，AI for Science带来了加速科学发展的机遇。AI已经在多个领域，如细胞生物学、材料科学、天气和气候建模、神经科学等方面取得了显著进展。谷歌DeepMind的报告也指出，AI for Science有望开启科学发现的新黄金时代。现代科学的进步受到了规模和复杂性的限制，而深度学习方法擅长从大规模数据中提炼信息，识别模式。

科研范式的转变

从科学家手动整理资料、依赖学科理论提出假设，到AI主导，直接从数据出发识别模式和提出假设，这不仅提高了效率，还改变了科研范式。AI赋能各个学科的交叉研究，正在逐步打破学科界限。图灵奖得主、中科院院士姚期智认为，AI for Science带来的变革是“不可阻挡”的。AI正在引领学科交叉创新，改变世界的面貌。

AI赋能科学家，更专注于从0到1的创新

在中国，充分利用AI的优势，把握科学研究范式变革的机遇，有利于在基础研究的国际竞争中取得主动地位。各大高校纷纷投入算力资源，打造AI基础设施。例如，西湖大学成立了高性能计算中心，为学校提供算力支持。申恩志研究员利用AI技术，对非编码RNA进行了深入研究。AI的应用使科学家能够更专注于从0到1的创新，从而加速对人类面临问题的解决。

寻找最高效的智能模型

金耀初教授致力于研究智能系统的演化和发育机制。他认为，人脑虽然具有千亿级复杂度的神经元，但其功耗极低。金教授希望通过AI模拟人类的起源过程，在自然环境中不断演化出更智慧的智能系统。金教授的研究成果在多个复杂工程系统中得到了应用，并荣获了2025年IEEE Frank Rosenblatt Award大奖。

算力：AI时代创新的瓶颈

尽管AI驱动科学的前景美好，但很多高校面临算力不足的问题。例如，申恩志团队从事的非编码RNA研究，对算力和AI算法的稳定性、泛化能力有着很高的要求。高通量技术带来的海量转录组数据，需要依靠AI进行快速处理。然而，许多大学缺乏足够的算力资源。斯坦福大学教授李飞飞称学术界正在面临AI计算资源的严重短缺，而西湖大学在算力支持方面走在了前列。该校计算中心与浪潮信息合作，构建了领先的算力平台AIStation，统一管理计算资源，提高了资源利用率，满足了各学科领域对大规模数据处理和科学计算的需求。