一、大會(huì)情況

人工智能技術(shù)的快速發(fā)展正在深刻重塑科學(xué)研究范式，其對(duì)科學(xué)發(fā)現(xiàn)的加速作用備受關(guān)注。在MetaScience2025倫敦大會(huì)的全體會(huì)議上，圍繞主題"AI在科學(xué)中的應(yīng)用：加速發(fā)現(xiàn)？"與會(huì)專(zhuān)家深入探討了人工智能在科學(xué)研究中的變革性作用，包括AI模型在藥物發(fā)現(xiàn)、生物醫(yī)學(xué)研究、材料科學(xué)等領(lǐng)域的突破性應(yīng)用，傳統(tǒng)科學(xué)評(píng)估體系如何適應(yīng)AI驅(qū)動(dòng)的研究范式，AI生成科學(xué)內(nèi)容的質(zhì)量控制與倫理考量，以及全球科技發(fā)展不平衡背景下AI科學(xué)應(yīng)用的公平性等關(guān)鍵問(wèn)題。專(zhuān)家們從技術(shù)創(chuàng)新、政策制定、哲學(xué)思辨和科學(xué)計(jì)量等多個(gè)維度，分析了AI技術(shù)對(duì)科學(xué)發(fā)現(xiàn)模式的深層影響，強(qiáng)調(diào)在科學(xué)研究日益數(shù)據(jù)化和智能化的時(shí)代背景下，如何確保AI真正服務(wù)于科學(xué)發(fā)現(xiàn)而非僅僅追求技術(shù)炫技的重要性。

會(huì)議由倫敦大學(xué)學(xué)院(UCL)研究創(chuàng)新與全球參與副校長(zhǎng)Geraint Rees主持，Google DeepMind影響力加速器負(fù)責(zé)人Anna Koivuniemi圍繞AI在科學(xué)領(lǐng)域的變革性應(yīng)用作開(kāi)幕主旨演講。倫敦大學(xué)學(xué)院神經(jīng)學(xué)教授Parashkev Nachev，印度科學(xué)研究所DST政策研究中心高級(jí)研究員Moumita Koley，慕尼黑工業(yè)大學(xué)科學(xué)技術(shù)哲學(xué)與歷史教授、倫理數(shù)據(jù)倡議科學(xué)主任Sabina Leonelli，西北大學(xué)管理與組織學(xué)教授、科學(xué)學(xué)與創(chuàng)新研究中心創(chuàng)始主任王大順等五位來(lái)自不同國(guó)家和研究領(lǐng)域的頂尖學(xué)者組成主旨小組，分別從神經(jīng)科學(xué)應(yīng)用、發(fā)展中國(guó)家科技政策、科學(xué)倫理哲學(xué)以及科學(xué)創(chuàng)新計(jì)量分析等角度，深入探討了AI技術(shù)在推動(dòng)科學(xué)發(fā)現(xiàn)過(guò)程中的機(jī)遇與挑戰(zhàn)。

二、主要內(nèi)容

1.Google DeepMind的實(shí)踐案例與全球合作愿景

Google DeepMind影響力加速器負(fù)責(zé)人Anna Koivuniemi強(qiáng)調(diào)，AI的使命是負(fù)責(zé)任地構(gòu)建AI以造福人類(lèi)，科學(xué)研究是這一使命中的重要組成部分。通過(guò)天氣預(yù)測(cè)、蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)、AI科學(xué)家三個(gè)案例，Anna展示出AI理解復(fù)雜系統(tǒng)的強(qiáng)大能力和在科學(xué)發(fā)現(xiàn)中的巨大潛力。Google的"Weather Next Gen"模型成功預(yù)測(cè)颶風(fēng)登陸德克薩斯州，比全球氣象機(jī)構(gòu)更準(zhǔn)確，并提前4天預(yù)警。AlphaFold解決了困擾科學(xué)界數(shù)十年的蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)難題。如今已向研究人員提供2億個(gè)結(jié)構(gòu)，超過(guò)300萬(wàn)研究人員受益，并對(duì)藥物發(fā)現(xiàn)做出巨大貢獻(xiàn)。Google推出的"AI科學(xué)家"模型與帝國(guó)理工學(xué)院合作，在幾天內(nèi)發(fā)現(xiàn)了科學(xué)家多年研究才找到的抗生素耐藥性細(xì)菌假設(shè)。

在AI工具應(yīng)用普及方面，AI工具在全球南方的應(yīng)用存在較大數(shù)字鴻溝，非洲等地區(qū)AlphaFold使用率較低，主要因缺乏技能和經(jīng)驗(yàn)。Google正培訓(xùn)這些地區(qū)研究人員，如喀麥隆研究員利用AlphaFold研究抗生素耐藥性的成功案例。

最后，Anna對(duì)AI for Science未來(lái)發(fā)展提出四大合作方向：1.定義21世紀(jì)重大科學(xué)問(wèn)題、2.提高數(shù)據(jù)可獲得性、3.確保公平受益、4.開(kāi)展元科學(xué)研究。在風(fēng)險(xiǎn)防控措施上，需要承認(rèn)AI可能降低科學(xué)創(chuàng)造性、影響可靠性等風(fēng)險(xiǎn)，Google正開(kāi)發(fā)相應(yīng)防范工具并建立負(fù)責(zé)任實(shí)踐機(jī)制。

2.從資源約束到創(chuàng)新機(jī)遇：印度科研環(huán)境下的AI應(yīng)用調(diào)研

來(lái)自印度科學(xué)院班加羅爾分校DST政策研究中心的高級(jí)研究分析師Moumita Koley針對(duì)全球南方國(guó)家使用AI的情況進(jìn)行了調(diào)研，涵蓋了印度來(lái)自化學(xué)、數(shù)學(xué)、公共科學(xué)、政策和生物科學(xué)等不同領(lǐng)域的研究人員。她圍繞研究生命周期的五個(gè)階段提出了四個(gè)核心問(wèn)題：1.研究人員在哪些階段使用AI、2.看到了什么機(jī)會(huì)、3.面臨什么挑戰(zhàn)，4.AI是否真正加速了科學(xué)發(fā)現(xiàn)。

調(diào)研結(jié)果顯示，在當(dāng)前印度的AI for Science應(yīng)用中，呈現(xiàn)明顯的階段性特征。在研究問(wèn)題制定和研究設(shè)計(jì)階段，AI使用非常有限，主要是大語(yǔ)言模型的應(yīng)用。在數(shù)據(jù)分析和解釋階段，部分學(xué)科開(kāi)始廣泛使用AI，特別是機(jī)器學(xué)習(xí)技術(shù)。而在研究交流階段，幾乎所有研究人員都在使用大語(yǔ)言模型。

研究人員對(duì)AI持謹(jǐn)慎樂(lè)觀態(tài)度，特別是材料科學(xué)領(lǐng)域的研究者較為樂(lè)觀。然而，他們也表達(dá)了幾個(gè)主要擔(dān)憂：首先是資源問(wèn)題，擔(dān)心AI工具過(guò)于昂貴，特別是對(duì)于印度等發(fā)展中國(guó)家的研究機(jī)構(gòu)；其次是語(yǔ)言障礙，非英語(yǔ)母語(yǔ)研究者希望AI能幫助改善學(xué)術(shù)寫(xiě)作質(zhì)量；最后是內(nèi)容質(zhì)量問(wèn)題，擔(dān)心AI生成的大量低質(zhì)量?jī)?nèi)容會(huì)影響真正有價(jià)值的研究成果的可見(jiàn)度。

Moumita最后提到，當(dāng)前的研究激勵(lì)制度可能是導(dǎo)致科學(xué)創(chuàng)新性下降的原因，建議可以利用AI處理常規(guī)工作，讓研究人員專(zhuān)注于思考更重要的問(wèn)題。

3.批判性反思AI for Science的五大挑戰(zhàn)

慕尼黑工業(yè)大學(xué)科學(xué)技術(shù)哲學(xué)與歷史系主任Sabina Leonelli在發(fā)言中提出了AI在科學(xué)研究中應(yīng)用面臨的五大核心挑戰(zhàn)，為當(dāng)前普遍樂(lè)觀的AI科學(xué)應(yīng)用討論提供了批判性視角。

一是創(chuàng)造性與常規(guī)工作的界限模糊。當(dāng)前AI工具普遍基于"常規(guī)枯燥工作"與"創(chuàng)造性思維"的二元?jiǎng)澐?，但科學(xué)史表明這種區(qū)分極其困難。以DNA雙螺旋結(jié)構(gòu)發(fā)現(xiàn)為例，看似枯燥的X射線晶體學(xué)工作實(shí)際上成為了重大發(fā)現(xiàn)的源泉，這說(shuō)明所謂的"常規(guī)工作"往往蘊(yùn)含著創(chuàng)新潛力。

二是算法偏見(jiàn)和透明度不足。AI模型中嵌入的概念假設(shè)和偏見(jiàn)往往難以識(shí)別和評(píng)估，模型越復(fù)雜，這些問(wèn)題越難察覺(jué)。

三是關(guān)鍵技能的潛在流失。過(guò)度依賴(lài)AI工具可能導(dǎo)致研究人員喪失閱讀、寫(xiě)作和獨(dú)立思考能力。Leonelli特別強(qiáng)調(diào)了"便利"概念的復(fù)雜性——便利是主觀的、語(yǔ)境化的，在AI for Science場(chǎng)景應(yīng)用中，需要明確的方案比較才能清晰評(píng)估。

四是資源偏見(jiàn)和技術(shù)壟斷。AI技術(shù)發(fā)展需要巨大的硬件資源和超算設(shè)施，只有大公司和少數(shù)機(jī)構(gòu)能夠參與技術(shù)開(kāi)發(fā)，普通研究者被排除在外。當(dāng)前AI發(fā)展過(guò)分關(guān)注通用人工智能，而非科學(xué)應(yīng)用的特定需求。

五是模型驗(yàn)證和成果質(zhì)量控制的高昂成本。AI模型的驗(yàn)證、監(jiān)控和質(zhì)量評(píng)估需要大量人力投入，但這類(lèi)工作往往報(bào)酬微薄、缺乏認(rèn)可。

Leonelli強(qiáng)調(diào)，需要建立負(fù)責(zé)任的AI實(shí)踐，優(yōu)先考慮生物、社會(huì)和科學(xué)多樣性，確保最脆弱群體的代表性，并思考跨學(xué)科、跨文化的合作形式，以確保AI技術(shù)的負(fù)責(zé)任發(fā)展。

4.AI驅(qū)動(dòng)的的創(chuàng)新發(fā)現(xiàn)系統(tǒng)介紹

凱洛格管理學(xué)院技術(shù)學(xué)系主任王大順教授展示了如何利用數(shù)據(jù)分析發(fā)現(xiàn)隱藏的科研創(chuàng)新潛力。幾年前，西北大學(xué)領(lǐng)導(dǎo)層要求王教授研究本校的科研創(chuàng)新情況。通過(guò)整合大學(xué)的專(zhuān)利轉(zhuǎn)讓、授權(quán)信息、出版記錄、資助數(shù)據(jù)和人力資源數(shù)據(jù)，并結(jié)合全球研究創(chuàng)新數(shù)據(jù)集，他們構(gòu)建了一個(gè)全流程的科研影響分析系統(tǒng)SciSciGPT。

醫(yī)學(xué)院教授Cathy Green的案例體現(xiàn)出分析系統(tǒng)的潛力，她擁有數(shù)百篇論文和數(shù)千萬(wàn)美元研究資助，但從未申請(qǐng)過(guò)專(zhuān)利。然而，數(shù)據(jù)分析顯示，她的論文被其他專(zhuān)利大量引用作為重要先驗(yàn)技術(shù)，特別是被一家德國(guó)免疫療法初創(chuàng)公司的十項(xiàng)專(zhuān)利所引用。當(dāng)技術(shù)轉(zhuǎn)移辦公室主任與Cathy交流這一發(fā)現(xiàn)后，她在一周內(nèi)就提交了首個(gè)專(zhuān)利申請(qǐng)，三年后還獲得了STTR資助并開(kāi)始皮膚癌相關(guān)的創(chuàng)業(yè)項(xiàng)目。

西北大學(xué)內(nèi)部已經(jīng)發(fā)現(xiàn)了約100名類(lèi)似的"隱藏創(chuàng)新者"，其他大學(xué)也有數(shù)百名這樣的研究人員。利用AI持續(xù)掃描和監(jiān)控所有機(jī)構(gòu)的研究成果，能夠持續(xù)挖掘隱藏在大學(xué)內(nèi)的巨大創(chuàng)新潛力?，F(xiàn)在項(xiàng)目成功獲得NSF2000萬(wàn)美元資助，已與美國(guó)30所大學(xué)合作，并計(jì)劃將合作版圖擴(kuò)展至其他國(guó)家。西北大學(xué)近期成立了創(chuàng)新研究所，獲得2500萬(wàn)美元資助開(kāi)發(fā)"創(chuàng)新智能"的大語(yǔ)言模型。王教授強(qiáng)調(diào)，科研效率哪怕提升5%，對(duì)人類(lèi)健康和生活質(zhì)量的影響都將是巨大的，這種AI驅(qū)動(dòng)的創(chuàng)新發(fā)現(xiàn)系統(tǒng)將大幅提升機(jī)構(gòu)和國(guó)家的科研成功率與全球競(jìng)爭(zhēng)力。

5.從生產(chǎn)力危機(jī)到智能化解決方案

UCL腦科學(xué)教授Parashkev Nachev指出了當(dāng)前科學(xué)研究面臨的嚴(yán)重生產(chǎn)力危機(jī)。以醫(yī)藥領(lǐng)域?yàn)槔?，?950年到2010年，學(xué)術(shù)論文發(fā)表數(shù)量每九年翻一番，但能夠成功進(jìn)入市場(chǎng)的新藥投資回報(bào)卻每九年減半，這表明傳統(tǒng)的科學(xué)評(píng)估體系存在根本性問(wèn)題。現(xiàn)有的評(píng)估方法主要依賴(lài)引用數(shù)量和研究者聲譽(yù)等定性指標(biāo)，無(wú)法有效預(yù)測(cè)研究的實(shí)際應(yīng)用價(jià)值和社會(huì)影響。

為解決這一問(wèn)題，Parashkev教授團(tuán)隊(duì)在加州大學(xué)洛杉磯分校醫(yī)學(xué)研究中心的支持下，開(kāi)發(fā)了基于內(nèi)容分析的AI預(yù)測(cè)模型。他們分析了超過(guò)4000萬(wàn)篇來(lái)自Microsoft Academic的學(xué)術(shù)論文，重點(diǎn)研究這些論文的標(biāo)題和摘要內(nèi)容與其是否被納入專(zhuān)利申請(qǐng)或政策文件之間的關(guān)系。

研究結(jié)果令人鼓舞。通過(guò)建立高維度的內(nèi)容表征模型，他們發(fā)現(xiàn)論文內(nèi)容與其實(shí)際應(yīng)用價(jià)值之間存在明顯的結(jié)構(gòu)性關(guān)聯(lián)。更重要的是，這種基于內(nèi)容的AI模型在預(yù)測(cè)論文是否會(huì)產(chǎn)生實(shí)際影響方面，比傳統(tǒng)的引用指標(biāo)表現(xiàn)出更高的準(zhǔn)確性。該模型不僅能夠預(yù)測(cè)專(zhuān)利相關(guān)性，甚至可以識(shí)別與諾貝爾獎(jiǎng)相關(guān)的研究工作，且這種預(yù)測(cè)能力在1991年以來(lái)的時(shí)間跨度內(nèi)保持穩(wěn)定。

Parashkev教授強(qiáng)調(diào)，這種方法的核心價(jià)值在于結(jié)合復(fù)雜的AI模型與人類(lèi)專(zhuān)業(yè)判斷，通過(guò)深度分析研究?jī)?nèi)容來(lái)指導(dǎo)科學(xué)投資決策，從而在研究早期就能預(yù)測(cè)其潛在影響力。

AI正在科學(xué)系統(tǒng)中扮演越來(lái)越多元的角色——既是知識(shí)發(fā)現(xiàn)的加速引擎，也是科研體系自身的調(diào)度器與重構(gòu)者。它既能參與生成新知識(shí)、提出假設(shè)、驗(yàn)證模型，也正在被用于優(yōu)化科研資源配置、評(píng)估潛在影響力、識(shí)別隱形創(chuàng)新者。在此過(guò)程中，AI不僅提升了科研效率，更重新塑造了我們理解科學(xué)的方式。未來(lái)的科研生態(tài)，將是人與機(jī)器共構(gòu)、個(gè)體與系統(tǒng)協(xié)同的智能閉環(huán)。

本文由上海市科學(xué)學(xué)研究所科技與社會(huì)研究室博士后吳琪執(zhí)筆。李輝，高繼卿，吳文偉參與潤(rùn)色。文章觀點(diǎn)不代表主辦機(jī)構(gòu)立場(chǎng)。

◆ ◆ ◆

編輯郵箱：sciencepie@126.com