以人工智能引领科研范式变革

摘要：中央政治局近日就加强人工智能发展和监管进行第二十次集体学习。习近平总书记在主持学习时强调，以人工智能引领科研范式变革，加速各领域科技创新突破。这不仅是实现高水平科技自立自强的内在要求，也是推动经济社会高质量发展的重要支撑，对于把握未来科技发展的主动权至关重要。

文丨崔盛

中央政治局近日就加强人工智能发展和监管进行第二十次集体学习。习近平总书记在主持学习时强调，以人工智能引领科研范式变革，加速各领域科技创新突破。这不仅是实现高水平科技自立自强的内在要求，也是推动经济社会高质量发展的重要支撑，对于把握未来科技发展的主动权至关重要。

科研范式是特定时期科学共同体进行科学研究的基本模式，体现了科学研究的世界观和方法论。人类科研范式经历了经验范式、理论范式、计算范式和数据驱动范式四个阶段，每个阶段都推动了科学的重大进步。随着人工智能技术的快速发展，科研范式正迎来新的变革。

提升科研效率，加速科学发现。传统科研模式在数据处理、实验设计和结果分析等方面往往效率较低。人工智能凭借强大的数据处理和分析能力，能够快速处理海量科研数据，挖掘其中隐藏的规律和关联，为科研人员提供有价值的信息。例如，机器学习算法可用于图像识别、数据分析等任务，帮助科研人员从大量实验数据中提取关键信息，节省时间和精力。在天文学领域，人工智能可快速分析天文望远镜获取的海量图像数据，发现新的天体和宇宙现象。人工智能还能辅助实验设计，通过模拟和预测，帮助科研人员优化实验方案，减少不必要的实验次数，提高实验成功率。

促进学科融合，拓宽探索维度。现代科学研究越来越呈现出多学科交叉融合的趋势，许多重大科学问题需要综合运用多个学科的知识和方法才能解决。人工智能作为一种通用技术，能够跨越不同学科领域，促进学科之间的深度融合。在生物医学领域，人工智能可结合生物学、医学、计算机科学等多学科知识，实现疾病的早期诊断、药物研发和个性化治疗。通过分析大量的医疗数据，人工智能可以发现疾病的潜在生物标志物，为疾病诊断提供新的指标；在药物研发方面，人工智能可通过虚拟筛选和分子设计，加速新药研发进程，降低研发成本。人工智能还能促进人文社会科学与自然科学的交叉融合，为解决复杂的社会问题提供新的思路和方法。

重塑研究范式，激发创新活力。人工智能为科研人员提供了全新的研究视角和方法，帮助他们突破传统思维的局限，发现新的科学规律和研究方向。深度学习算法能够自动学习数据的特征和模式，为科研人员提供更深入的数据分析结果。在材料科学领域，人工智能可通过对材料结构和性能数据的学习，预测新材料的性能，指导新材料的设计和研发。人工智能还能通过模拟和仿真，帮助科研人员探索复杂系统的行为和规律，为解决实际问题提供理论支持。在气候科学领域，人工智能可通过模拟气候变化的过程，预测未来气候变化的趋势，为制定应对气候变化的政策提供科学依据。

数据隐私与安全。在科研数据的收集、存储和使用过程中，数据隐私与安全至关重要。例如，在生物学研究领域，人类个体医学特征信息往往涉及诸多隐私，如果在数据使用过程中，数据隐私无法得到有效保障，就会侵犯个人的合法权益，进而影响科学研究的正常推进。虽然目前部分专家学者正在尝试确保数据安全的前提下，实现数据共享交换以及模型的搭建训练，但这一问题仍需要持续深入地探索与完善。

算法的可解释性。人工智能模型的决策过程有时被形容为“黑箱”，原因在于其内部运作机制缺乏透明度。因此，深入理解模型的工作原理极为关键，也将直接关乎模型预测结果的准确性，以及科学发现的可靠性。一个不透明的模型结果，科研人员难以判断其可靠性，也不利于进一步的研究和改进。在医疗诊断中，若人工智能诊断模型给出一个疾病诊断结果，但无法解释其判断依据，医生很难完全信任并据此进行治疗决策。

科研伦理与道德困境。随着人工智能在科研中的深入应用，科研伦理与道德问题日益凸显。在合成生物学领域，利用人工智能设计和构建新的生物系统时，可能会引发一系列伦理争议，如生物安全问题、对生命本质的干预风险等。如何确保人工智能在科研活动中的应用符合伦理道德规范，避免因技术滥用而带来不可挽回的后果，是当前科研界需要注意的重要问题。需要制定完善的科研伦理准则，规范人工智能在科研中的应用行为，引导科研人员正确使用人工智能技术至关重要。

人才与技术储备。人工智能引领科研范式变革，需要大量既懂人工智能技术又具备专业科研知识的跨学科人才。然而，目前这类复合型人才相对匮乏。同时，在人工智能基础理论、关键核心技术等方面，还需要尽快攻关，如高端芯片、基础软件等核心技术，仍需集中力量攻克。只有加强人才培养和技术研发投入，构建自主可控、协同运行的人工智能基础软硬件系统，才能为人工智能在科研领域的深入应用提供坚实保障。

●政府：政策支持与环境营造的关键主体

第一，制定相关政策，引导产业发展。政府可出台支持举措，激励企业加大人工智能技术研发投入；制定人工智能产业发展规划，引导其布局和发展方向。同时，政府还可以设立人工智能专项基金，支持人工智能基础研究和应用研究的开展。

第二，加强基础设施建设，提供良好的发展环境。加大对数据中心、云计算平台、5G网络等基础设施的投入力度，为人工智能技术的应用提供强大的计算和网络支持。同时，应加强知识产权保护，营造良好的创新环境。

第三，推动产学研合作，促进科技成果转化。可搭建产学研合作平台，促进企业、高校与科研机构之间的合作；组织开展人工智能科技成果对接活动，推动人工智能科技成果与企业需求的有效对接。同时，还可以通过设立科技成果转化基金等方式，支持人工智能科技成果的转化和产业化。

●学校：人才培养与创新驱动的基础平台

第一，优化专业设置，培养跨学科人才。许多高校已经开设了人工智能、数据科学与大数据技术、智能科学与技术等专业。同时，还可以建设“人工智能 +”专业群，如“人工智能 + 生物医学”“人工智能 + 金融”等，培养跨学科的复合型人才。这类专业设置有助于学生在掌握人工智能核心技术的基础上，了解其他学科的知识体系和研究方法，为跨学科研究和应用奠定基础。

第二，完善人才培养体系，提升学生实践能力。学校应构建“通识+专业+实践”三位一体的人工智能人才培养模式。在通识教育阶段，开设人工智能通识课程，让学生了解其基本概念、发展历程和应用场景；在专业教育阶段，加强人工智能核心课程的建设，如机器学习、深度学习、自然语言处理等，提升学生的专业技能；在实践环节，学校联合企业共建实习平台，提供项目实践机会，锻炼学生的动手能力和问题解决能力。

第三，加强科研平台建设，促进学术交流与合作。学校可以建设人工智能实验室，配备先进的计算设备和软件工具。同时，积极举办人工智能相关的学术会议和研讨会，促进学术交流与合作。通过这些活动，科研人员可以了解前沿研究动态，分享研究成果，拓宽研究思路。

●学者：科研攻关与成果转化的核心力量

第一，加强基础研究，突破核心技术。学者应聚焦人工智能基础理论研究，突破关键核心技术。例如，我国学者在深度学习算法的优化方面取得了一系列重要成果，提高了算法的效率和准确性，支撑了人工智能在图像识别、语音识别等领域的应用。但是依然存在深度学习算法的优化、人工智能模型的可解释性、伦理和法律问题等，只有在基础理论方面取得突破，才能为人工智能的应用和发展提供坚实的基础。

第二，开展跨学科研究，拓展研究领域。学者应积极开展跨学科研究，将人工智能与其他学科相结合。例如，计算机科学学者与物理学家合作，研究量子计算中的人工智能算法；生物学家与人工智能学者联合开发用于生物医学数据分析的人工智能工具；社会学家可以与人工智能学者合作，研究人工智能对社会结构和人类行为的影响。跨学科研究，不仅可以拓展研究边界，还能创新解决复杂问题的科学路径。

第三，推动科研成果转化，服务社会。学者应积极推动人工智能科研成果的转化，增强技术服务社会的能力。例如，许多高校的学者与企业合作，将人工智能技术应用于智能制造、智慧城市等领域，产生了良好的经济效益和社会效益。学者还可以将人工智能研究成果应用于实际产品服务，通过技术咨询、培训等方式，向企业和社会传播人工智能知识和技术，提高公众认知和应用水平。

●人工智能行业从业者：技术应用与产业合作的重要引擎

第一，加强技术研发，提升技术水平。在企业加大研发投入，吸引优秀科研人才，聚焦人工智能核心技术攻关背景下，人工智能行业从业者应加强技术研发，提升整体技术水平。例如，我国众多高科技企业在人工智能技术研发方面投入了大量资源，通过从业者的技术突破，取得了一系列重要成果。同时，行业从业者还可以加强与高校、科研机构合作，联合攻克人工智能领域的技术难题。

第二，推动人工智能技术应用，拓展应用场景。目前，人工智能技术已在智能制造、智慧城市、智慧医疗等多个领域得到了广泛的应用。在不同应用场景中，人工智能技术可以实现生产设备的智能化控制和故障预测，交通调度与环境监测的智能分析，辅助疾病诊断、医疗影像分析等，提高多个行业产品服务的质量和效率。未来，行业从业者应继续开拓人工智能技术在更多领域的应用场景，推动人工智能技术的广泛应用。

第三，加强行业合作，构建良好的产业生态。企业之间通过技术合作和资源共享，合力推动人工智能产业的发展。在此背景下，人工智能行业从业者之间应加强行业合作，构建良性产业生态。

人工智能引领的科研范式变革，是科技发展的必然趋势，也是我国实现高水平科技自立自强的重要机遇。要充分认识人工智能在科研领域的巨大潜力，积极推动人工智能与科学研究的深度融合，以人工智能引领科研范式变革，加速各领域科技创新突破，为全面建设社会主义现代化国家提供强大的科技支撑。【北京市社会科学基金重点项目“高校参与国际科创中心建设政策支持体系研究”(项目编号:24JYA004)阶段性成果】（作者系中国人民大学教育学院教授）