路易泽配资官网郭毅可：AI4S，一场对于科学发现底层逻辑的翻新｜新民·科技前沿

实验室里，机器东谈主的机械臂智慧操作，实验数据自动储存、传输、分析。操控它的，是一个科研智能体。这么的实验室正在中国高校助长。

东谈主工智能赋能科学沟通（AI for Science，AI4S）依然从某个范畴、某些才能的成果普及，迈向更广范畴和更高等次。跟着数据库、基座模子、智能体等新AI4S科研“基础设施”的成立和络续完善，成为科研“合鼓舞谈主”的AI会否杰出东谈主类承担起“发现”的责任？科研是否能赢得“自动驾驶”般的体验？

话题主合手：新民晚报记者易蓉

中国工程院外籍院士、香港科技大学首席副校长郭毅可

畴前一年，东谈主工智能范畴发生的大事让东谈主应接不暇，科学的智能化也成为各人最关切的话题。而科学沟通中最热切的即是科学发现，当作科学家，我最关切的问题是东谈主工智能究竟能否作出“发现”？这个“发现”是东谈主类的专属领地，照旧机器也能参与其中？这恰是我今天想探讨的核心命题。

AI能“发现”吗？从贝叶斯大脑到主动推理

要回应这个问题，咱们必须回到第一性道理：什么是“发现”？咱们赖以领悟的寰宇，果然是咱们“看见”的吗？

东谈主类的大脑只须1.4公斤，紧锁在咱们的颅骨里。咱们对外部寰宇的通盘感知都来自五官给与的信号。这些信号有两个特色：第一是糟塌，二维的，第二是有很多噪声。咱们好像拼集出一个相连、灵活、三维的寰宇图像，靠的不是录像式的记载，而是大脑的“预计”。这个“猜寰宇”的表面，在领悟科学中叫作“展望编码”表面。大脑中有一个生成模子，它不淹没据已有的先验常识展望寰宇，同期从感官给与信号——只须那些与展望不符的“偶然”，才会被大脑拿获，成为咱们修正领悟的素材。

是以，什么叫“发现”？发现即是“没猜想的事情”。贝叶斯定律告诉咱们：不是看见了才驯顺，是驯顺了才看见。这与“情东谈主眼里出西施”是一个道理。当你看到一个东谈主合计对方灿艳，是因为你心中依然有了“好意思”的模子和可爱对方的先验。先验是主不雅的领悟，似然是你的不雅察，先验和不雅察连结造成新的领悟。当不雅察与先验出现偏差，这个偏差即是“舛讹”，在物理学中被称为“摆脱能”。这个摆脱能对大脑有两个作用：一是修正领悟，这叫感知推理；二是篡改寰宇，让它稳当预期，这叫主动推理。

主动推理恰是东谈主工智能赋能科学沟通（AI4S）最热切的表面依据。感知推理是咱们练习的机器学习，而主动推理指向的则是具身智能——它不是把大模子放进机器东谈主里就万事大吉，而是让“举止”自己成为推理链条的一环。举止不是输出，而是排斥舛讹的技能。趣味心从那处来？探索举止从那处来？都源于咱们试图减少寰宇的不细目性。发现的能源，正源于此。

是以我的论断是：东谈主和机器的智能在物理上是同源的，数学上是同构的。咱们莫得必要怀疑机器是否具有发现才能，因为东谈主的领悟自己亦然一套好意思满的、可刻画的机制。从这个真理真理上说，机器不仅能发现，何况它发现的设施、逻辑，与东谈主类可能并无实质分歧。

星速优配

科学实验的AI化：从被迫记载到主动推理

畴前几年，咱们看到了AI提高药物筛选成果、加快卵白质结构展望、优化材料合成旅途……但这些更多是措置“成果问题”——让原本要作念三年的事情裁汰到三个月。这个成果的提高很猛进度上是把科学实验智能化（AI for Lab）了，系统地把科学实验信得过用AI作念起来，让AI从“成果用具”变成“合鼓舞谈主”，让实验室照看系统从“被迫记载”走向“主动推理”。

我当今正在主导AI原生创新环境（AINA，AI Native Arena）的沟通，即是这种探索的试验。传统科研经由是：科学家提议假定—设想实验—收罗数据—分析完了—撰写论说。其中充斥着大都重迭性、经由性服务，比如填电子表格、作念实验札记、照看库存、存档数据。而当今，咱们要用大模子和智能体把这些服务自动化。

咱们正在作念科研东谈主员的“实验分身”。它不错在7×24小时内自主开动，基于已有的先验模子和实验完了，谋划舛讹，驱动实验室设想，福州配资门户触发服务流。咱们依然在药物照看、动物中心照看等场景中完结了全经由自动化。举个例子：栽植细目一个沟通所在后，智能体自动生成实验决议，整理数据，发现问题后自动修改，终末生成论说，通盘这个词经由两天完成。这套系统的核心，是一套智能体自主和洽机制：任务的触发、智能体间的和洽、合手续的自我进化。主动推理在这里体现得大书特书——发现不合，从头设想实验，从头篡改服务流。这不是浅薄的自动化，而是信得过的自演化。

与畴前那种“用AI措置某个具体问题”的方法不同，今天的AINA要构建好意思满的生态系统：从数据荟萃、常识照看，到实验设想、完了考证，再到论说生成、常识传播，一都被纳入一个由东谈主、AI集群、智能体和洽的闭环中。第一层是东谈主，追究提议所在和最终决策；第二层是智能体集群，追究数据分析、推理、实验设想；第三层是智能体自主和洽机制，负株连务的触发、彭胀和自我进化。这三层架构，组成了AI原生的科研新范式。

愿景、近况与挑战：通向AI科学家的漫漫长路

当作科学家，我心中梦想的东谈主工智能赋能科学发现（AI for Discovery）是什么样的？

我但愿改日的科研，是“东谈主+AI”的深度和会。科学家不再是孤独的探索者，而是与一群智能体协同服务的“开采家”。当一个方针产生时，AI不错倏地完成文献综述、实验设想、代码生成；当实验进行时，AI不错及时监控、自动疏导、合手续优化；当完了出当前，AI不错撰写论说、提议新问题、推动下一步探索。科学家从繁琐的重迭做事中解放出来，专注于提议信得过原创的假定、洞悉信得过深远的礼貌。

咱们距离这个愿景还有多远？本天职分地说，咱们还在起步阶段。今天的智能体在处理经由化、权限显着的服务时依然证据出色。比如在科学实验室中，通盘服务经由一清二楚，权限照看严格，恰是智能体证据作用的梦想场景。但一朝离开这种范畴显着的范畴，智能体的不细目性就会急剧加多，这亦然为什么我不建议用它来照看个东谈主文献系统——覆盖性和不细目性带来的风险太大。

当前边临的挑战至少有三个：第一，多模态对都。卵白质分子、化学分子、言语翰墨，这些不同模态的信息若何对都？今天咱们不错让视频中的东谈主倏地换装，但要让一个分子结构精确对应到一段翰墨刻画，还需要底层的突破。第二，数据的质地与模范化。AlphaFold之是以成效，是因为它成就在数十年高质地、模范化的卵白质结构数据之上。在其他范畴，这么的数据基础还不存在，清洗数据的元气心灵时时跳跃建摹自己。第三，信任与考证。东谈主工智能有幻觉，东谈主类也有幻觉，但在科学范畴，幻觉必须被考证、被握住。每一个才能的质控、每一个发现的考证，都至关热切。

但即便如斯，我仍然充满信心。AI for Lab是AI for Discovery的要害一步，亦然第一步。实验室的数据蒙眬量深广，考证常识、分析常识的瓶颈正在被AI缓缓突破。这是一个深广的产业，亦然智能体时候一个绝佳的切入点。那些以为AI只可“炒认识”的东谈主会失望，因为在科学实验室里，AI果然很颖异实事。

终末，我想说：AI for Science不仅是一场时候翻新，更是一场领悟翻新。它让咱们从头注释“发现”的实质，从头念念考“智能”的范畴。在这场远征中，东谈主弥远是智能核心，但咱们将不再独行。

作家：中国工程院外籍院士、香港科技大学首席副校长郭毅可