“从通用人工智能（AGI）到Al for Science(AI4S)，人工智能正在深刻改变着科研、教育和产业的方方面面。”上海科学智能研究院院长、复旦大学浩清特聘教授漆远如此感慨。

人工智能如何重新定义人类对科学的理解和实践之路？Al for Science的关键目标要如何实现？如何培养AI人才？在WAIC2024，《IT时报》记者试图找寻问题的解决思路。

这是人类数千年历史上科学研究的第五次范式改变，前四次分别为千年前的经验科学、百年前的理论科学、数十年前的计算科学，以及十几年前的数据科学。

“未来十年，深度学习注定将给自然科学带来变革性的影响。”微软技术院士、微软研究院科学智能中心负责人Chris Bishop认为，前四个范式由浅入深，循序渐进，从人类对自然界的直接观察到依据密集型数据，构造基于数据的、开放协同的研究与创新模式……这些范式之间都紧密相连，相辅相成。

2022年ChatGPT的出现，Scaling Law（尺度定律）成为大模型领域的“金科玉律” ，并掀起此轮AI浪潮，但漆远认为，仅依靠海量数据的压缩和归纳，并不足以实现通用人工智能（AGI）。就像AlphaGo通过学习海量的人类棋谱战胜李世石那样，人类看到了机器超越人类认知的可能性，但人类需要像Alpha Zero那样，让AI具备自我学习和创新的能力。

漆远认为，AI4S的最终目标，是创造出能够理解复杂世界、发现未知规律的“AI爱因斯坦”。要实现这一关键目标，一方面需要结合快思考的概率预测和慢思考的逻辑推理，融合神经符号计算与大模型，打造既智能又可靠的“灰盒”AI系统；另一方面，通过整合科学规律、观测数据和合成数据，致力于开发深度理解物理世界的垂直领域科学大模型。

LSTM之父、阿卜杜拉国王科技大学人工智能计划负责人、瑞士人工智能实验室（IDSIA）研发主任Juergen Schmidhuber与漆远的观点不谋而合。他认为，AI需要探索未知，而不仅仅是应用已知的方法。目前传统的强化学习存在局限，使用世界模型不仅能够基于世界认知预测行为，同时可以让AI像人类婴儿一样在设定目标下学习和成长，这种学习模式在通往AGI的道路上是非常必要的。

“未来世界模型需要新的算法机制，应该更加关注奖励组合的设计，不仅包括外部环境给予的奖励，也包含模拟对于人类追寻好奇心的内部奖励。通过奖励机制组合优化模型不仅能让模型追寻外部目标，也能让AI理解科学家内在对于实验的设计和处理，最终通过AI自己设计目标实现世界模型的升级。”Schmidhuber说道。

在杨帆看来，中国农业的高质量发展，目前需要解决两大难题：其一，突破育种关键核心技术，改变目前普遍存在的传统杂交育种的技术体系现状；其二，加速培育战略性新品种，大幅提升农作物的粮食单产，畜禽的产肉量。此外，不断地改善各种农作物的品质，“从农业实践和国际种业科技发展趋势来看，人工智能特别是以大模型为代表的科学精神，是提高农业机制生产力的最优方式。”

在Al for Science对新一代科学知识基础设施提出的新要求方面，杨帆的构想是建立一个统一的大模型，“比如今年4月，上海人工智能实验室联合崖州湾国家实验室和中国农业大学共同发布首个种业大语言模型‘丰登’。从国家科研体系来说，其他小模型就没有必要再做重复投资，我们需要做的就是集中力量办大事，把这个大模型训练好。何为好？即让它有一个非常强大的普适性，能够适应我们国家大量的育种和农业的需求。”

“科学除了研究之外，还有一个传播和应用的过程，这对整个社会的推动作用亦是至关重要的。”爱思唯尔全球高级副总裁李琳则认为，在人工智能场景中，传播的信源、信道和受众获取的方式皆发生了变化，所以新一代科学知识基础设施，要能够为科学家提供支持和赋能：一方面，支持科学知识的快速产生和验证；另一方面，支持科学数据的收集、聚合和连接；再者，支持科学数据和知识在安全性的前提下进行开放和共享。

“人工智能赋能教育是教育史上近400年来最大的挑战和机遇。”西安交通大学人工智能与机器人研究所所长、中国工程院院士郑南宁在《智能时代教育变革与人才培养》论坛上指出，今天的ChatGPT为教育革新按下了加速键，推动教育智能化转型是应对时代之变的战略选择。

“推进AI赋能教育，我们需要努力保持和培养面对面交流的机会，以维持社会的健康和谐，这意味着我们在设计智能教育系统、工作环境和社交活动时，我们要有意识融入更多人与人面对面的互动要素。”郑南宁说，讨论AI赋能教育，一方面要构建一个符合这个时代的教育体系，同时还要固本，“固”什么“本”？即要真正培养出有灵魂、有理想，能够为国家建设出力的一批优秀人才。

上海交通大学校长、中国科学院院士丁奎岭则认为，人工智能在教学方面的机遇与挑战并存。

一方面，目前的人工智能应用还处于有多少人工就有多少智能的阶段，以知识图谱为例，不同教师构建同一门课程的读法通常存在不同的理解，导致知识的歧义与不完备。与此同时，目前的人工智能技术还远远未达到对思维的真正理解，服务于大学教育的人工智能要真正辅助学生深度思考，在提升实践教学效率上成为一个高效果的教学工具。

另一方面，人工智能技术在高等教育、基础教育的应用上存在显著的差异。“大学是研究高深学问的地方，许多授课知识本身是动态、多样的。因此需要提升人工智能在面对动态、未知问题准确输出的能力，避免出现幻觉给出似是而非的答案。”丁奎岭表示。

目前不同专业对人工智能作为教学辅助的思考不同，学生对人工智能的依赖程度也形成了不同的等级，比如计算机软件教育就存在是否应该使用人工智能工具的争议，一方面担心学生依赖人工智能而影响编程思想的培养，另外一方面认为可以有效提升编程的效率。

在人工智能教育方面，特斯拉CEO埃隆·马斯克曾认为，应该将科学知识作为解决问题的方法来教，会更有效，比方说，了解内燃机最好的办法是将其拆开，那么问题自然是我们需要用什么工具来拆开它？答案是扳手、螺丝刀以及其他各种工具，“进而，你就会明白使用这些工具的原因。”

漆远的观点和马斯克的想法类似，他认为，在人工智能时代，应该引导学生基于项目学习，同时敢于提问，其中，有三种能力特别重要：第一，懂得学习如何学习，Learn to Learn；第二是学习人的价值，知道如何把持和发挥自己；第三是心理的平衡，学会在人机交互时代如何与机器相处。