科学研究是否会从“寻找针头变成草堆”转变为
作者：bet356体育官方网站日期：2025/09/20 浏览：
国务院最近发表的“关于人工智能 +行动的深度实施的意见”（因此，从因此被称为“意见”）建议加速实施六项基本行动，而“人工智能 +科学技术”是第一个排名。
它发送了什么信号？ AI如何忽略传统的科学研究模型？ “科学模型”与熟悉的Chatgpt和DeepSeek有什么区别？ AI如何破坏数学，物理和化学等“纪律障碍”？科学形式在未来5到10年内会受到土壤震动的变化？
这个问题的客人来自AI科学技术领域的先驱北京科学与情报研究所。我们邀请了研究所的主任李Xinyu。他将以生动的语言将我们带入“科学研究的未来之旅”，并将对正在进行的科学融资有深刻的了解范式的体面”。
这个问题的客人：北京科学与情报学院院长李Xinyu
您的浏览器不支持HTML5音频播放。 00:00:00-主机介绍了此问题的客人和主题
00:00:34-为什么“ AI+科学技术”是六个主要动作中的第一个？
00：02：47-传统科学研究逻辑的“重新写作”如何？
00:06:35-哪些地方可用于“ AI+”？
00:10:05 -KAPANA-兴奋的案例共享
00:13:27-“超级科学研究工具”即将出生？
00:17:56-全球科学模型在哪里形成？
00:19:42-科学数据足够了吗？
00：22：50- AI成为跨学科的“粘性”！
00：26：38-“虚拟社会实验”开放了新的研究边界
00:30:31-科学研究将在未来5 - 10年内发生巨大变化！
00:32:47-科学研究人员如何更好地拥抱AI？
对话AI摘录：
主持人：“国内理事会意见H实施“人工智能 +”行动“人工智能 +科学技术”首先是六个主要动作。它在您看来会发出什么信号？
Li Xinyu：首先，该国努力地触及了其在社会发展中的重要性。从历史的角度来看，“科学和技术是主要的生产力”一直是基本的，首先将其与整体发展逻辑相一致。这是“ AI+所有行业和领域”的基本支持。这是重新表达这两个之间的关系的重要政策 - 这次将恢复科学和技术，以达到和重新获得“使用科学和技术突破作为鼓励发展不同领域的基础层的基本结构”，这尤其重要。
主持人：许多人知道Alphafold案。您能告诉我有关AI领导的科学研究范式的革命吗？什么是ScientifIC研究范式？什么是“革命”传统科学研究方法的“生活”？
李Xinyu：托马斯·库恩（Thomas Kuhn）在“科学革命的结构”中提到了“研究研究的范式”。换句话说，这是科学研究社区的普遍信念 - 您认为哪种方法可以解决科学问题？问题是，共识的发展是范式。历史上只有几类：第一个是“实验”，它依赖于观察来总结体验；后来，牛顿和其他人使用“理论推理”来解释世界。当计算机到达时，“计算”已成为一种重要方法。在互联网上，“数据驱动”成为主流。现在，在谈论任何科学问题时，科学研究人员会问“我可以帮助AI”，因此科学的AI已成为新的范式。
至于“革命”，这并不是真正的革命，而是像计算机一样，它给了我们一个stroNGER工具 - 我们想做的事情，但过去无法做，但是现在我们可以做到。例如，折叠蛋白，存在生物信息学方法，并且蛋白质结构已经基于蛋白质，但是尚未发现有效预测蛋白质结构的工具，并添加了深层神经网络，并解决了该问题。现在，所有行业和领域都可以以这种方式实现科学突破，这是革命带来的科学研究范式的机会。
主机：目前，是否有可能在所有领域中授权AI？通常没有什么可以实现的吗？
Li Xinyu：这取决于科学研究的过程。如果我们从找到文学和对早期成就的分类开始，则通常会授权AI。过去，一个人可以阅读论文并了解他一生中有限的工作，但是现在大型语言模型可能会充分了解知识。将来，经过深入研究文献，我们可以确定我们以前的研究是否研究并可以准确地定义“人类知识的边界”。这种效率提高了很多。从这一点上开始，AI效应是圆形的。
但是，专注于科学研究的特定问题需要三个尺寸。首先，问题很清楚吗？例如，对于蛋白质结构的预测以及它是否与真实结构相似，有明确的标准。其次，数据足够了吗？如果数据和工具未正确积累，则AI无法发挥作用。第三，人工智能可以做出令人不安的突破，还是逐渐发展？它应该基于该领域的重要性。并非所有问题都可以通过AI解决，并且在某些patls中的传统瓶颈并不是AI可以施加的。
主持人：“意见”表明“加快科学发现过程”，尤其是“ 0到1”的垮台。您能否分享大多数与您一起娱乐的特定案例，并且AI可以帮助主要的科学迪斯科有什么？
Li Xinyu：大多数从“ 0到1”的突破都是公众不熟悉的。最常见的例子是每个人都认识的蛋白质结构的预测 - 由诺贝尔奖提升，这确实是一个重大成功。但是实际上，许多领域都在发生：例如，alphago的核心是为大型决策空间找到最佳解决方案，而这项科学研究中有很多事情。例如，电池的电解质公式 - 电解质是正极和负MGA电极之间的导电介电。该配方特别复杂，互补导电物质中锂盐的比率很难理解。以前，它只能依靠大量的实验，这些实验的成本高且循环长。现在，使用计算模拟以及AI可以快速筛选出“不糟糕”的解决方案，以便进行大量食谱，然后使用少量的实验来证明，这将是Willl提高效率。该国强调“ 0到1”，因为这意味着我们有很多机会。
主持人：“意见”指出“加速了大型科学模型的构建和应用”。可以用普通百姓可以理解的方式来解释，这是一个科学模型？崭新的科学武器可以像“超级显微镜”和“超级望远镜”一样？
Li Xinyu：Chatgpt就像一个“伟大的普通人”，可以写报告并处理一天的工作；科学模型就像具有三个基本功能的“好科学家”：首先，“了解科学家可以理解的东西” - 科学模型应识别专业数据，例如电子显微镜，核磁谱，pastronomical图像；其次，“像科学家一样的认可” - 在科学家观察到这种现象之后，他们可以根据科学系统和逻辑框架得出结论。这种“科学长链推理”的能力应拥有；第三， ”可以使用科学家使用的工具。“例如，科学模型必须操纵显微镜来进行伪影并使用计算模拟软件执行模拟。在这三个点中，是一种科学的，革命性的模型，以提高科学研究生产率。
一般模型有什么区别？如果您将来要追求通用人工智能（AGI），那么两者可能以相同的目标结束，并且他们都是“未知和有力的”知识分子。但是现在由于训练技术的局限性，大型 - 科学模型可以采用“垂直突破”路线 - 尽管诗歌和绘画写作不如通用模型，但他们在科学研究中的技能远不止于此。
主持人：目前，国内和外国科学模型的发展在哪里？
Li Xinyu：主瓶颈仍在“数据”中。现在是我们在主要大型模型中吃简单的文本数据，在布置之后，它具有一些科学的研究H功能，但它并没有触及大型模型 - 科学数据的本质不是问题，而是“如果可以使用的话”。过去，一般模型依赖于“人为标记的高质量数据”，标签阈值较低，但是标记科学数据的阈值很高：许多分子化学公式只能由化学学生识别，并且只能解释天文学图片。如果您获得该领域的专家，则此过程将很长。但是，这对我们国家来说是一个很好的机会 - 我们是本科生高于世界教育的国家，我们有足够的专业才能来标记这一点。
主机：除了标签标签外，现有的现有科学数据是否数量？是否缺乏数据？
Li Xinyu：AI开发进入“下半场”，部门标准是库存比率和增加数据 - 库存数据几乎是挖出的，ResT应该使用并更深入。例如，数据中心和库中存在许多科学数据，但它是在“无AI”上下文中构建的。我从未考虑过可以使用AI。现在，要将其用于AI，我必须首先更改人们“理解”以“理解“ AI”的数据。这是第一步。
此外，许多科学仪器现在正在生产新的数据日。我们需要更改Onesthis结构，以产生满足“资源”需求的高质量数据。这也是一个长期的过程。以前，数据是用于“人类参考”的，但现在是为了“以AI（神经网络）为食”。数据的“导出”已经改变，形式和标准完全不同。我们正在构建一个“数据和AI共同进化”系统，但尚不完美。完成后，人工智能赋予科学研究能力的能力将大大提高，速度将更快。它进入了迭代周期发展的逻辑。小齿轮“提到”跨学科牵引力的加强以及在推动人工智能和促进多学科课程的合并发展中的作用。
Li Xinyu：首先回顾了该学科的根源 - 科学研究最初与哲学分开。主要原因是“人类的生活有限”。他无法研究自己一生中的所有领域，只能专注于细分方向。随着时间的流逝，不同的学科具有自己的方法，工具甚至语言系统，并且障碍变得越来越深。人工智能的出现使我们能够打破障碍：首先，知识得以迅速获得并可以探索许多领域；其次，它可以包括知识“作为主要问题”而不是“以纪律为主要的”知识。例如，“寻找新的药物”：化学称为“计算化学”，物理学称为“计算物理学”，生物学称为“计算生物学”，数学称为“应用数学”，但其本质是解决“新药物设计”。在过去，该主题的语言是不同的，并且相同的方法是不同的名称，而不知道其他方面的方法。帕帕尔（Papel）允许“您想做的事情可以实施”，因此在没有AI的情况下，“加强拉力和驾驶纸”的词是特别准确的。
主持人：独特暗示“创新哲学和社会科学研究方法”的“意见”。这是AI的额外扩展，以促进科学概念吗？
Li Xinyu：哲学，社会学和自然科学起初尚未分离。例如，社会学也是放弃了“科学技术哲学的历史”，但最终它逐渐逃脱了，因为社会的长期发展是“线性进化”，没有过度理解的科学和技术革命。为了恢复历史，农业时期取代了原始社会，蒸气时期取代了农业时期。每个革命将使哲学和社会学“重新思考” - 基本假设，例如社会组成，伦理学，负责任的主题，而负责任的话题正在发生变化。如今，AI正在迅速发展，这是另一个“令人不安的技术革命”，这自然会给哲学和社会学带来新的问题。例如，如果“全知和全能AI”的出现将改变社会结构？如何定义AI的道德责任？这些问题比过去更复杂。
因此，首先，哲学和社会学研究的“研究范围”将随着AI而扩展 - 我们不仅可以关注当前的“ AI道德挑战”，而且我们必须从“规范社会的科学与技术革命”的角度重新考虑基本建议。我想在这里称呼：讨论道德和哲学问题的人的karaminstead是AI技术的研究人员，但是长期以来一直是科学和社会学哲学的学者可能会更深入地理解，但通常被排除在“技术外行”。这是一个损失。 Pangalawa，Ang Mga Pamamaraan ng Pananaliksik ay Maaari Ring Magbago -Ngayon ang ai ai ay ay ay ay maaaring magamit magamit upang maisagawa upang'na mga eksperimento sa lipunan sa lipunan“ sa lipunan” Ebolusyon Nito，Na Hindi Maisip Sa Nakaraan.Mula Sa Puntong Ito，Talagang pinalawak ng ang ang Mga ganganan ng pananaliksik ng pilosopiya at iSang panlipunan at iSang pagpapalawig pagpapalawig ng kensonspto ng ai para in Science中
主持人：查看接下来的五个十年来，科学研究在接受“ AI+”处理后会是什么样？海上工作风格与年轻科学家的思维方式有什么区别？
Li Xinyu：您可以首先想到一个方案：如果您对科学研究有了新的想法，则不必花几个月的时间撰写“文学评论”。只需输入模型，您就可以立即得到答案：在人类知识的界限内，这个想法是吗？以前有过研究吗？这将完全改变科学研究的起点。以前，撰写文献测试是为了“确认先前研究的范围”，并花费大量时间来寻找文学作品。将来，此过程由AI简化，年轻的科学家可以更多地专注于“更改”，而不是“重复验证”。其次，年轻科学家可以动员的“科学研究工具”比现在更加敏捷。例如，年轻的化学家现在花费很长时间研究本科研究中的“试管滴定”，而有颤抖的人无法进行实验；但是，在将来的自动化实验室，只要它们编程“有多少试剂掉落”，AI就可以精确起作用。换句话说，“虚弱的动手能力”不再是科学研究的障碍 - 即使您擅长理论派生，而在实验中不擅长，AI也会帮助您弥补缺点并利用“大脑优势”。这种变化将非常快，将不等待十年。也许三到五年，与年轻科学家合作的方法会有所不同。
主持人：作为一名年轻的院长，在AI和科学研究的一体化之前，您对年轻的研究人员和学生对这场科学和技术革命的关注有何建议？他们如何更好地拥抱AI？
Li Xinyu：目前最重要的是“保持开放和包容性的心态”和“继续保持古怪OTE”。如果您在进行科学研究时没有为自己设定限制，则没有真正的限制。将AI视为“合作伙伴”，请使用它来加速您的研究开发并扩大您的研究范围。
（编辑：Zhao Zhuqing，Gao Lei）
遵循官方帐户：人 - 金融融资
分享让许多人看到 上一篇：让法治的骨头植根于年轻人的心中并发芽（金泰
下一篇：没有了
下一篇：没有了
相关文章
- 2025/09/20科学研究是否会从“寻找针头变成草堆”
- 2025/09/19让法治的骨头植根于年轻人的心中并发芽
- 2025/09/19开幕第17届匈奴泰旺经济，贸易与文化交
- 2025/09/19第二届国际传播“丝绸之路奖”的作品简
- 2025/09/19摩洛哥外交部长布里达访问中国
客户经理