“ AI+科学研究”，革命是科学研究的范式吗？

原始标题：“ AI+科学研究”，革命是否会成为科学研究的范式？当一种称为“ alpha折叠2”的人工智能模型（AI）实现了蛋白质复杂结构的预测时，人们意识到，算法驱动的科学革命已经悄悄地到达。在实验室深夜，即使灯熄灭，AI剂仍然很安静，优化了抗癌药物的分子结构，分析大量蛋白质数据，甚至开发了完整的药物设计报告。 “ AI+科学研究”模型的兴起在提高科学研究效率和扩大研究范围方面表现出了巨大的潜力。从智能清洁大量天文数据到第二级蛋白质结构检查；从文献的文献映射图表到药物开发实验的虚拟模拟... AI技术是对整个链的重新组合的科学研究具有惊人的光谱渗透。那么，“ AI+科学研究”需要多少障碍才能真正实现从“辅助工具”到“ Paradigbarbig Revolution”的跳跃？ “ AI+”正在塑造科学的新模型 “根据美国的状况模型，由美国和中国科学技术大学开发的潜水算法缩短了将蛋白质成功设计为6个月至不到1天的时间。”在第34届“任命星期二”人工智能特别活动中，“ AI+科学研究”系列会议促销系列，Heilongjiang Iflytek Ardaverintelligence Research Institute的副主任Jiang Lifeng介绍。 从江是的角度来看，科学研究的AI改进主要在三个层面上找到。首先，我们将使用大型文学模型，代码写作等的强大技能来提高科学研究的基本工作效率。第二，我们将使用E深神经网络，以实现对科学和模型科学活动的端到端准确描述；第三，依靠大型认知模型来确定现场知识并为科学实验计划提供辅助设计。 目前，AI尝试了许多研究领域。 Spark Research Assistant由中国科学院文献中的信息中心和直接接触的Iflytek的文献中心创建的是许多疼痛点，例如时间不足和费力的研究，低文学阅读效率以及写作科学研究的不均匀质量。它启动了三个主要功能：研究结果，造纸研究和学术写作，这些功能提高了研究人员的研究技能超过10次，造纸研究的卓越和学术写作率超过90％。 由Tsinghua大学智能工业研究所和北京Shuimu Molec共同推出的OpenBiomed Intellbod Body平台Ular Biotechnology Co.，Ltd破坏了人类语言和生物分子语言之间的障碍。研究人员只需要输入自然语言教学，而AI可以自动从目标发现候选人设计中完成整个过程，从而缩短传统的研发周期，该研发周期持续了多年时间 - 时间 - 时间水平。 在提高科学研究的效率的同时，AI还可以处理人们很难完成并继续扩大研究范围的任务。例如，在天文学领域，AI可以通过研究大量误解图像来帮助科学家发现新的占星术或奇迹。智能数据处理方法不仅可以极大地提高工作效率，而且还提高了数据背后的隐藏信息，从而为研究人员提供了更多的研究方向。 在025中gu的年度会议上发布的“ AI for Science Innovation Map”的中国科学技术研究所的信息ISIT杂乱无章的论坛表明，科学研究的全球AI正在迅速增长。从2019年到2023年，科学论文全球AI增长率的平均年率为27.2％。其中，情报应用的人工作用数量最多，已经发表在生活，物理和化学科学领域。 中国科学学院科学技术战略研究所主任潘·乔芬（Pan Jiaofeng）认为，人工智能以前所未有的速度，思维和研究方式的深刻变化以及速度，深度，宽广的，宽泛的理解和恢复科学研究的科学研究和链接的科学研究，以了解和恢复各个方面的科学研究，以实现速度，深度和广泛的研究，以速度，深度和广泛的态度渗透到科学研究的每一个联系。 Tambalan的T才华的实践是关键 但是，新范式的转换不会在一夜之间发生。其中，人工智能技术和多小幅问题的整合吸引了很多注意力。 张温南（Zhang Weinan）是哈尔滨技术学院人工智能学院执行院长，将人工智能整合到主要面临三重挑战的其他领域或学科。首先，识别问题的权利所有者的问题。有必要阐明研究问题是由AI研究人员还是相应领域的研究人员定义的。第二个是AI解决问题的想法的问题。各个领域的研究人员具有不同的理解和AI应用功能，因此有必要加强人工智能技术的受欢迎程度和培训。第三是AI功能边界处的Scratchga问题。如果用户可以准确判断AI的功能，应用程序范围和限制以做出合理的选择和对实际应用程序的判断，则涉及这涉及。 张·温南（Zhang Weinan）认为，为了应对这三个挑战，最终有必要耕种在工业和现场知识方面熟练并熟悉AI技术的食品复合人才。对行业中特定问题和AI研究人员的纪律的理解水平直接决定了他们在使用AI方法和模型来解决行业问题并进行跨学科合作方面的有效性。同时，接受特定的行业和学科对AI技术的实践，如果成功地改变自然研究思想，这对于斗争的跨学科帮助也很重要。 张·温南（Zhang Weinan）介绍，哈尔滨理工学院人工智能学院于2024年创立了“ AI+先进技术领导班”，以实施了跨整合学科的“ AI+X”教育。通过跨学科的导师小组的指导，它可以通过新材料，新能源，新设备和其他领域来促进人工智能的深入整合和转变。 有许多其他大学的行动。千江大学，以及中国的福丹大学，科学技术大学，上海北港大学和其他大学，共同建立了该国的第一个学校间“ AI+X” Micro-Major Major； Tsinghua大学有117个试点课程和147个教学课程，以执行人工智能教学技能，并将建立新的本科通用学院，专注于通过跨学科接触的培养复合人才...许多大学都在努力地促进“ AI+X”阶级交叉融合教育，以生成多层级别的跨界和跨场才能培训系统。 仍然需要面对三个挑战 除了人才问题外，接受采访的学者普遍认为，“ AI+科学研究”的整个实施也需要系统的技术，数据和系统。 从技术的角度来看，AI模型通常被认为是“黑匣子”，他们的决策过程通常是模糊的，而科学研究需要严格。但是问题也包含潜力。一些科学团队研究通过研究和开发开发了AI模型的定义，使用决策制定，研究规则和其他方法来改善模型解释，提高模型透明度，并使研究人员能够更好地理解和信任模型。例如，中国科学院和其他单元的达利安化学物理研究所发起的智能化学模型2.0的平均准确性为61.94％，占化学，催化剂和化学设备领域中的十项了解知识的测量。接受采访的学者认为，即使是“ AI+科学研究”，通过采用目标解决方案，也会面临许多技术困难，预计它将逐渐克服困难和在各个领域的帮助，这些领域更具创新性。 从数据级别，“ AI+科学研究”面临数据管理和股票问题。为了解决这个问题，哈尔滨大学计算机科学技术学院的教授王·韦（Wang Wei）建议可以建立一个可信赖的数据管理和流通平台。政府，研究机构和行业协会共同为科学研究数据共处的通用格式和元数据规范，以便可以在同一平台上将来自各种资源的数据组合和共享，以提高证书和数据可用性。同时，可以在数据共享中建立联盟，并且可以概述数据共享的政策和激励机制，并且在保护数据和隐私安全的同时，将在经济或学术认可方面给出一些贡献数据。 从机构的前景来看，对智力权利所有权和权利的分配的争论也是“ AI+科学研究”的问题。 Wang Wei是谎言认为，应提高权利的智力分配和分配政策，以及科学研究数据，AI模型的专利应用条件以及各方在研究结果商业化过程中的权利和利益的版权。 接受采访的专家认为，通过开发有效的沟通机制，统一的数据平台以及完美的政策和法规，它可以促进深度的AI整合和科学研究，ITADVAISS ITADVAINS ITADVIST，ITADVIST，ITADVIST，ITADVISE构成了科学研究的现代发展，从而从“辅助工具”到“ Paradigaw Revolution”。 （编辑：Luo Zhizhi，Chen Jian） 遵循官方帐户：人 - 金融融资 分享让许多人看到