中国科学院院士、复旦大学副校长张人禾:科学发现与人工智能相互促进,已形成良性循环
近年来,科学智能成为各行各业热议的话题。它不仅改变了我们的生活,也为科学研究带来更多可能。
中国科学院院士、复旦大学副校长张人禾在2023 Inclusion•外滩大会上表示:“受科学机理启发而构建的新模型的持续出现,形成了科学发现启发人工智能升级,人工智能作为科学研究的新工具,进一步赋能科学发现的相互促进的良性循环。”
科技创新是推动我国科技跨越式发展、产业优化升级和生产力整体跃升的重要战略资源。张人禾表示,科学智能也是推动科学研究范式变革、重塑科学发现以及实现科技原始创新策源的利器。
在基础研究领域中,多数模型都遵循数学与物理定律,科学智能能够起到解析和探索这些规律,以促进研究者对自然现象理解,从而推动基础科学发展,改变研究范式的作用。
张人禾举例道,在量子力学中,人工智能可被用于学习神经波函数,探讨量子多体问题的求解;在蛋白质研究领域,人工智能能够在蛋白质结构预测、蛋白质表征学习、蛋白质骨架生成等方面起到重要作用。
此外,科学发现是一个多方面的过程,涉及到假设形成、实验设计、数据收集和分析等相互关联的过程。在此过程中,人工智能将扮演“加速器”的角色,在科学发现的每个阶段增强和加速研究,从而重塑科学发现,推动新的成果与进展不断涌现,进而形成科学发现的良性循环。
从范式角度出发,科学智能为数据驱动以及机理驱动提供了一条融合发展的路径。
数据驱动通过对数据的分析寻找科学规律并解决实际问题,但其可解释性较弱。机理驱动,是一种基于第一性原理的研究方式,其目标是发现物理事件的基本原理及其经典案例,但机理驱动存在因计算量过大而空有原理却无法有效使用的困境。
张人禾表示,科学智能能够更有效地融合数据和机理,降低对大数据和大算力的依赖,提升模型准确性和可解释性。
例如,气象学领域FourCastNet的经典案例。FourCastNet通过ERA5再分析数据训练,将自适应傅里叶神经算子、降水量诊断模型等技术,进行0.25度分辨率的全球关键气象要素预报,使得 AI 气象模型首次能够与传统物理模型进行直接比较。
在未来,科技智能在经济社会可持续发展中可能将起到至关重要的作用。
“目前,国内的科学智能也在迅速发展,但是仍处于起步阶段,”张人禾说,“相继涌现出的科学领域大模型,如首个工业级流体仿真大模型等,为我国近一步组织科学智能力量,聚焦基础研究关键科学问题,构建领先的模型算法和软件工具,产出突破性、颠覆性科研成果,打通科学智能生态等奠定了良好的基础。”
每日经济新闻
- 免责声明
- 本文所包含的观点仅代表作者个人看法,不代表新火种的观点。在新火种上获取的所有信息均不应被视为投资建议。新火种对本文可能提及或链接的任何项目不表示认可。 交易和投资涉及高风险,读者在采取与本文内容相关的任何行动之前,请务必进行充分的尽职调查。最终的决策应该基于您自己的独立判断。新火种不对因依赖本文观点而产生的任何金钱损失负任何责任。