作者：周伯文（上海人工智能实验室主任、首席科学家）

　　人工智能以其基础性、平台性和通用性特点，在多个维度上对经济社会产生深远影响，科学研究就是其中的重要方面。国务院日前印发的《关于深入实施“人工智能+”行动的意见》提出加快实施六大重点行动，其中之一就是“人工智能+”科学技术。近年来，人工智能在生命科学、数学、生物、材料科学等领域发挥着越来越重要的作用。人工智能驱动科学研究快速发展，这一趋势已成为科学界的共识。

　　科学研究离不开相互影响的三个要素：研究者、研究工具和研究对象。从研究者角度看，人工智能可以帮助科学家突破认知局限，提出更好的问题，找到更有价值的研究方向；从研究工具层面看，人工智能不仅优化既有工具效率，更能自主构建新工具或实现创新性组合；在研究对象上，人工智能让研究者能够更全面地审视研究对象，发现被忽视的潜在关联……这些都是人工智能在科学研究方面应该着力解决并且可能带来巨大回报的发展方向。

　　从科学技术发展的历程看，科学这座“大厦”已经越来越完善，学科变成一个个“小房子”，取得重大科学发现、解决重大科技问题的难度变得越来越大。另一方面，许多重大科学发现有一定的偶然性，这些偶然的科学发现可能会受限于科学家的认知水平和知识传播的滞后性。1905年，爱因斯坦在思想实验中想象电车以光速经过钟楼的情形，产生了关于狭义相对论的灵感。由于他当时并未掌握黎曼几何这一关键数学工具，直到数年后才成功构建广义相对论的完整框架。因此，如何打通这些学科间的壁垒、推动科学发现从“偶然”走向“必然”，成为人工智能驱动的科学研究亟须解决的关键问题。

　　从人工智能自身发展看，在大模型出现前，人工智能发展主要沿着专业深度方向推进，深蓝、阿尔法围棋都是典型代表；大模型出现后，人工智能在泛化能力上取得重大突破，但专业深度又面临不足。因此，实现“通专融合”是通用人工智能发展的重要路径，而这种“通专融合”的能力，也恰是取得科学发现的前提。

　　当前，人工智能已可以帮助研究者理解文献、增强计算能力、丰富研究对象的表征维度等，但人工智能在科研方面的价值远不止于此。具体看，人工智能可以帮助研究者更好地产生跨领域的想法，帮助判断哪些科研假设更具价值；人工智能还能够自主构建新工具或实现已有工具的创新性组合；在人工智能的支撑下，研究者还可以更全面、更交叉地审视研究对象、提升认知水平，进而提出更优质的科学问题等，形成良性迭代循环。这些都是人工智能驱动的科学研究的机遇所在——不只在于单点突破，而是要通过“通专融合”，推动整个科研范式的系统性变革。

　　例如，上海人工智能实验室已发布并开源“书生”科学多模态大模型，在“通专融合”方面进行了诸多探索——它融合了蛋白质序列、基因组、化学分子式、脑电信号等科学数据，经过科学推理专项优化，具备严谨的逻辑推理能力和科学多模态能力。目前，基于“书生”大模型，我们推出了科学发现平台，并与国内多家科研单位合作，成功研发基于人工智能的量子计算中性原子排布算法、专注于靶标发现与临床转化评估的多智能体系统等。目前，该平台在量子计算、药物研发、高分子化学等方面均取得了进展。

　　人工智能在科技创新中发挥关键作用，未来还将成为跨学科、跨领域突破的重要引擎。加快探索人工智能驱动的新型科研范式、加快建设应用科学大模型，将进一步强化人工智能的牵引带动作用，推动科学技术取得更多“高点”上的突破。