人工智能：科学研究新范式｜创新
关注风云之声
提升思维层次
导读
“机器能思考吗？”“机器能促进基础研究吗？”“人工智能如何赋能基础研究？”
“机器能思考吗？”人工智能的目的是让机器模仿人的思考和行为，包括学习、推理、预测等。
“机器能促进基础研究吗？”人工智能在深刻影响并改变基础科学的研究范式。
“人工智能如何赋能基础研究？”基于科学大数据的自主涌现，加速了科学发现过程。
图1人工智能赋能科学发现
“机器能思考吗?”阿兰·图灵在他的著名论文“计算机器与智能”中提出了这个经典问题。人工智能（ArtificialIntelligence，AI）的目标是开发一种能够像人类一样思考和行动的机器，使之具备理解、推理、学习、规划、预测等能力。
相关研究包括搜索算法、知识图谱、自然语言理解、专家系统、进化算法、深度学习等。AI的发展经历了感知智能、认知智能和决策智能三个层次，在诸多领域得到广泛应用（图2）。
图2AI通用处理框架
本文汇聚来自6个国家、41个单位的48位学者，分别结合各自领域，系统论述了人工智能技术对信息学、数学、医学、材料学、地学、生命科学、物理学、化学等学科发展的推动作用，人工智能正在成为基础学科及多学科交叉领域发展的新范式。
01
信息学中的AI
图3AI框架的知识图谱
●高效的AI框架大大降低了AI的技术门槛
●自动机器学习技术已成为AI发展的新方向
●AI让复杂网络及系统的自动化设计成为可能
●AI让纳米光学器件设计更快、功能更强
●AI正在赋能风险管控、数字孪生、机器人等
●AI为新型数据理论及模型自动发现提供可能
02
数学中的AI
图4数学促进AI关键问题解决
●数学理论的发展与突破一直都是支撑AI的基石
●逼近论为探索神经网络的可解释性提供可能
●优化理论可解决AI参数估计的非凸性和非光滑性
●概率论与统计可以支撑AI模型泛化能力的评估
03
医学中的AI
图5AI促进医学多领域发展
●医学影像的高效、精准AI识别正在走进临床
●AI推动医学诊疗创新，辅助医生诊疗决策
●AI加速创新药物发现，获得疗效更好的药物
●可穿戴设备+AI，助力慢性病健康管理
●AI+为患者的远程诊疗提供帮助
04
材料学中的AI
图6AI促进材料科学的发展
●AI是新颖结构、特殊功能材料发现的利器
●AI在设计、预测和发明新材料上已崭露头角
●AI直接推动了材料基因组计划的发展
●先进量子材料为AI的跨代升级提供物质基础
05
地学中的AI
图7AI应用于地学水资源管理规划
●AI为地学海量数据采集、分析提供了全新途径
●AI可视化分析、智能传感和智能反演，助力地学研究
●AI赋能的地学机器人和自动设备已广泛应用
●AI正在帮助地球科学从定性分析转向定量研究
06
生命科学中的AI
图8AI在智慧农业中应用
●AI与脑科学相互促进、启发，类脑成为AI前沿
●AI新算法加速了多组学大数据的整合分析
●PrimateAI可以准确地预测突变是否致病
●AlphaFold2极大提高蛋白质结构预测的准确率
●AI重塑了现代农业，激发每一粒种子的生长潜力
07
物理学中的AI
图9AI促进物理学发展
●AI在极小微观世界的粒子发现，极大宏观世界的探索中大展身手
●AI正在加速粒子的模拟和鉴别
●AI让核物理学更加强大
●AI在凝聚态物理方面发挥重要作用
●AI帮助天文学发展登上新台阶
08
化学中的AI
图10AI促进分子的设计、合成和测定
●AI正在实现化学研究的智能化、标准化和自动化
●AI帮助打破分析化学中人工特征选择的瓶颈
●AI提升了多个尺度计算化学方法的精度和效率
●AI使得化合物的自动化设计与合成成为可能
●AI加速高效催化剂设计和开发
总结和展望
本文系统综述了AI技术在系列基础科研中的发展和应用；AI仍然在算法安全、数据依赖、场景强相关等方面存在诸多问题；亟需突破AI模型训练和测试数据必须符合分布一致性的数理基础；不断基于新数据训练，会导致灾难性“遗忘”，终身学习成为趋势。
AIiswithustoseetheunseenandchangetheunchanged.
学科交叉与数据驱动下研究范式的转变
原标题：学科交叉与数据驱动下研究范式的转变
当今世界正经历百年未有之大变局，新一轮科技革命和产业变革深入发展，我国正处于科技驱动的数字化和智能化社会发展的快速转型期。在这一背景下，为了促进多学科交叉融合，服务国家重大战略需求，由中国人工智能学会主办，中国人工智能学会社会计算与社会智能专委会、洛阳师范学院承办的首届社会计算与社会智能交叉学科战略研讨会于2021年3月在河南洛阳召开。来自北京大学、清华大学、中国科学院、中国社会科学院、中国人民大学、复旦大学、浙江大学、国防科技大学、中国人口与发展研究中心、上海对外经贸大学等高校、科研院所不同学科的学者，分别从不同学科、不同领域、不同视角对社会计算与社会智能关键问题展开了热烈研讨，形成了对本领域未来发展有指导意义的学术共识。树立学科交叉的典范与会专家学者认为，以人为中心的社会领域是一个高度复杂的系统，需要自然科学、社会科学、计算机科学、生物科学等多学科交叉研究。中国人工智能学会社会计算与社会智能专委会主任、中国人民大学孟小峰认为，大数据催生了社会计算，在后工业化时代，复杂性社会问题越来越难以预测和模拟。大数据与人工智能恰恰为映射、分析和预测这一复杂社会提供了新材料和新方法，这为社会计算的发展创造了机遇。而社会计算与社会智能领域可以在学科交叉领域树立典范，率先发展。北京大学周晓林认为，计算建模是社会认知研究的发展方向，需要人工智能领域和认知科学领域的深度融合。社会认知领域可以借用人工智能领域最新的技术框架与数据分析手段，对人类的复杂社会行为进行提炼、分析，并最终量化为可操作的算法。而人工智能领域可以借用这些算法理解人类面对复杂社会情景时的认知计算特性，并进一步开发出更具通用性、拟人性的机器学习框架，对传统的社会计算领域进行根本性的改革。因此，基于人类社会认知特性的人工智能算法需要人工智能领域和认知科学领域的深度融合。国防科技大学吕欣介绍了复杂系统高阶依赖关系研究前沿，认为现有网络科学理论体系中的指标和模型大多建立在马尔科夫假设之下，而现实网络普遍存在高维特性，即节点间的交互作用不能仅用连接的传递作用简单累加，因此必须重视网络的高阶相互作用，使用非马尔科夫模型来进行网络研究。大数据驱动研究范式转变与会专家学者认为，当前我国正进入以万物互联、社会智能化为主要特征的工业4.0阶段，数据的累计达到了前所未有的深度与广度，数据基础设施逐步在社会中发挥关键作用。如何将社会科学研究与大数据人工智能技术交叉融合，进而从传统的体系中跳出来，依据数字社会形成的材料与结构，寻找出新的现象与脉络，开拓新的研究课题并建立新的研究方法，是与会专家学者的使命与担当。国家自然科学基金委员会管理科学部三处吴刚探讨了大数据对商务、金融、医疗健康、公共管理等领域的影响，认为大数据驱动的管理决策范式已经形成，并介绍了全景式的PAGE管理决策范式，即决策范式（Paradigm）、分析技术（Analytics）、资源治理（Governance）、使能创新（Enabling）四个维度对应的范式转变、方法创新、新型治理和价值创造。清华大学罗家德认为，社会计算是建立在社会科学理论上的大数据研究方法，通过介绍大数据探索性、大数据验证理论（尤其动态理论）、大数据和结构化数据整合、大数据和结构化数据整合验证理论、大数据社会实验五类方法案例提出了社会计算的三种决策行动与三张网：一是人的决策与行动＋人际关系网（互联网与移动互联）；二是人工智能的“决策”＋物联网IoT（InternetofThings）；三是人机交互＋人机共构网络。中山大学梁玉成认为，计算社会科学的发展必须解决社会数字化之后日益突出的真实数据稀缺问题，通过认识模型的更新换代，使用绝对数量上相对稀缺、真实性相对稀缺的数据来认识我们身处其中的世界，而ABM范式和机器学习范式都逐渐发展出了潜在的可能突破方向。上海对外经贸大学齐佳音介绍了第五研究范式（继实验科学、理论科学、计算科学和数据密集型科学后的新研究范式）与交叉学科创新思考，全面总结了当前国内外第五研究范式，认为第五研究范式尚在萌芽阶段，并进一步分析了开源平台管理理论与关键技术，提出开源平台研究的三个建议方向：知识产权策略、开源策略基础理论、理念精神文化系统。她认为，从开源软件到开源硬件、开源商业，开源表现为技术创新及商业应用两个方面，背后则是一个交叉学科群，孕育着经济学、管理学、社会学及法学等多学科理论创新的重大突破。致力于发掘新材料、新问题、新方法与会专家学者认为，对社会计算而言，发掘万物互联场景下的“新材料”，讨论其应用上带来的“新问题”，并开拓“新方法”至关重要。北京航空航天大学王静远介绍了融合计量经济学思想的可解释深度学习预测方法，分析了城市数据智能的概念框架。他认为，未来的城市安全问题可能是由AI的可解释性带来的，强调可解释预测的重要性，并通过交通速度预测、模糊认知图等案例介绍了可解释预测的相关工作。清华大学张辉从方法、案例、情景等方面分析了当前全球公共危机管理的三个科学问题：一是全球性公共危机的影响因素、形成机理及演化规律；二是全球性危机治理中的多元主体参与机制；三是危机对政治经济社会的短期与长期影响机理。他认为，全球性公共危机管理社会计算与政策智能必将在应对全人类的共同危机中发挥巨大作用。中国人工智能学会社会计算与社会智能专委会副主任、中国人口与发展研究中心黄匡时围绕人工智能时代人的拓展、迷失与重构进行了研讨，认为在人工智能时代，人的自然属性、劳动属性、消费属性、社会属性、管理决策属性等得到很大拓展，尤其是人的自然属性，在性别、年龄、健康、生育等方面即将或者正在呈现重大拓展。但是，在拓展过程中人类也面临迷失的问题，比如低生育率、人的自主性丧失、机器自主性增强等。因此，人工智能时代需要重构人口概念，从单纯的人类人口概念向数字人口概念转变，重构人类与人工智能的关系。创建有仁、有信、有情的学术共同体与会专家学者围绕社会计算和社会智能开展了热烈讨论，形成了题为《社会计算与社会智能：挑战与机遇》的学术共识。该共识从社会计算中的数据治理挑战、人工智能与人类社会的相互影响、复杂社会系统的研究与发展三个角度，归纳了当前社会计算中的八大挑战问题，即数据伦理与数据治理、开源平台建设与管理、人与社会的重构、基于认知的人工智能、复杂系统建模和分析、仿真系统建设与研究、因果推理与因果发现、全球公共危机管理。与会专家学者认为，要实现上述挑战到机遇的华丽转身，就必须完成科学研究范式的转变。与会专家学者认为，随着物联网、5G等技术的不断发展，智能万物互联等信息技术将通过更为完善的数据采集方式，以更加丰富细腻的方式描述社会现状，推动社会科学研究者们以更丰富的角度了解人与社会。黄匡时认为，社会计算应该更加关注人类，强调人性，当前以人为中心的（human-centric）人工智能导向应该更加明确为以人性为中心（humanity-centric）的人工智能发展理念。孟小峰认为，社会计算与社会智能领域的专家学者应致力于营造有仁、有信、有情的学术共同体。（作者单位：中国人工智能学会社会计算与社会智能专委会）作者：孟小峰黄匡时马友忠编辑：刘星