编者按：

最新发布的《达摩院2022十大科技趋势》将AI for Science列为重要趋势，认为“人工智能成为科学家的新生产工具，催生科研新范式”，引起学界热议。AI究竟对传统科研意味着什么？我们做好迎接准备了吗？以下为阿里达摩院城市大脑实验室负责人华先胜的观点。

目前AI for Science已经有可圈点的突破，但主要还是比较点状的一些结果，包括分子生物学、量子力学等，还没有形成大面积的成果，仍然有很大的突破空间。

用AI去助力科研是基于两点，一个是基于数据、一个是基于计算。因为我们要在数据和算力的基础上形成AI能力。所以如果这个学科有比较好的数据、比较丰富的数据，以及它的问题是需要大规模计算相关的，可能是比较快地容易取得突破的地方。比如像分子生物学，还有天文学、地理科学、大气科学，这些都有大量数据，问题又非常复杂，需要强大的计算。这里可能能够利用一些AI的能力，能够更快取得一些突破。

从本质上来讲，AI for Science和 AI for Industry差别不大，AI也是作为推动领域发展的一个工具。只是这个领域有点不一样，它的门槛比较高，因为是科学家要做的事情，不是一个普通人、一般的技术工作人可以做的事情。但回到本质，也是这个领域因为有了数据，可以设计算法去挖掘数据中的“玄机”，去解决这个领域的问题。

今天人工智能技术又往前走了一大步，可以让计算助力科研走向智能助力科研，智能会使科学研究的方法带来一些变化。其带来的效果应该和产业界的是可以类比的，就是能够让科研的效率提升，成果的产出能够更多，甚至能从手工作坊的方式变成批量生产——当然这个很不容易。

AI for Science的下一步发展会如何发展？AI for Industry的发展经历有一定参考意义，那就是从单点技术逐渐地走向了平台化，AI for Science可能也会促使科研平台产生。这样科学家们可能有更大的自由度、更强大的工具，能够更批量地去做科学研究，实现更加丰富、更加重要的科学突破。

AI for Industry从单点技术到平台以后，再往下我判断是走向系统，或者叫进化系统或者叫协同进化系统，能够长久地、持续地、深入地解决行业的问题，产生核心价值。对于科研来讲也是，如果说每一个领域能够建造出这样一个AI系统，那么科学的发现有可能实现自动或者半自动的模式，它可以持续、持久、深入、广泛地做出一些科学的发现，这个可能是更长远的一个未来。当然，自动模式能解决的是相对简单一些的科学发现、科学论证，并不是最前沿、最尖端、最复杂的问题——这一部分是要科学家利用强大的AI系统和科学专业能力去发现、去解决。

（作者系阿里达摩院城市大脑实验室负责人）