人工智能驱动科学研究的逻辑、风险及其治理

基于颠覆性创新技术的人工智能具有独特的科研驱动逻辑:通过催化驱动提升科学研究效率,通过协同驱动促进多维融合交互,通过算法驱动打破研究路径依赖。三重驱动逻辑的本质是某种形式化、程序化赋能,科学能否取得实质创新,关键在于科研人员、人工智能的创新潜质及两者的耦合交互水平。人工智能赋予科学研究新前景的同时,亦内隐多重潜在风险,如科研行动“道德失范”、研究过程“机械隐蔽”、形式创新“模糊真伪”、学术责任“无人承担”等。为降低驱动风险与提升驱动韧性,需要规制人工智能系统开发与应用,引导科研人员开展负责任创新,推进科学家与人工智能深度协同交互。

人工智能驱动科学研究新范式综述——模型、应用与案例

人工智能技术的快速发展引领了第四科学研究范式——“智能科学”的发展。在该人工智能驱动科学研究的新范式下,计算机能够利用海量数据,通过机器学习、深度学习等算法,达到自主学习和推理的类人智能水平(如ChatGPT、AlphaFold等人工智能技术),为科学研究中数据、模型和实验等多个方面提供了显著助益。在新范式下,诞生了一大批新的科学模型,取代了传统的经典科学模型表示方法,通过构建基于数据-知识耦合驱动的人工智能分析机制,形成了一系列深度学习增强的复合式科学模型,有望带来更多的科学突破和创新。结合“智能科学”科学研究新范式,科学研究中实验数据、计算模型和科学实验等方面的效率能够大幅提升,科学家能够高效完成研究命题设想、研究方案设计和实验仿真验证,以获得科学结论并推动科学发展。

人工智能时代社会科学研究的“变”与“不变”

人工智能的发展推动社会科学研究在广度与深度上产生了质的飞跃,基础研究、知识创造将更加呈现跨学科交叉的趋势,形成了人工智能驱动的社会科学研究范式变革,对社会科学的知识生产和传播产生了革命性影响。一方面,人工智能以其强大的数据和算法全面赋能社会科学的发展;另一方面,人工智能也显著改变着人类的行为和决策方式,引发了道德、伦理、隐私、规范等新的社会问题,使人工智能治理成为社会科学的重要研究对象。当前,有必要在阐释人工智能赋能社会科学的深层次机理的基础上,剖析人工智能时代社会科学的“变”与“不变”,并就进一步促进人工智能与社会科学的融合发展提出对策建议。

站在巨人肩膀上的初学者:社会科学研究中的生成式人工智能

如何利用生成式人工智能助力社会科学研究是近期社会科学研究者们共同关心的重要议题之一。在此背景下,从一般社会科学研究的实践需求出发,通过具体的实例考察生成式人工智能在社会科学研究的理论、方法和研究偏误三个方面的具体表现。生成式人工智能对于总结和复现现有资料具有很大的优势,以其强大算力来预处理海量在线资料,可以帮助研究者节省信息搜索的时间成本和精力成本。但是,生成式人工智能难以对既有理论进行“阅读”后的“理解”,同时亦不擅长进行方法层面的优劣对比和新分析工具的开发。此外,在生成内容上也表现出明显的偏见或者误差。背靠人类既有资料积累的生成式人工智能可谓站在巨人肩膀上,但由于其本身缺乏成熟的能动创新能力,生成式人工智能在学术研究的意义上仍然是一位“初学者”。如何引导和培养这位“初学者”,是社会科学研究者需要思考和完成的任务。

生成式人工智能赋能哲学社会科学研究

生成式人工智能作为基于海量数据训练的模型,涵盖了丰富的社会价值和事实知识,其所展现的机器智能显著提升了各类社会生产与科学研究的效能。哲学社会科学强调与新一轮科技革命和产业变革交叉融合发展,生成式人工智能除了作为前沿技术工具丰富了哲学社会科学的研究手段,其更为突出的特征是成为哲学社会科学的研究对象,极大扩展了研究视角和观察视域。鉴于二者融合具有释放巨大势能的潜力,首先应当剖析生成式人工智能赋能哲学社会科学的前提基础,在此基础上围绕赋能过程中的创新模式与核心挑战进行深入探讨,最后系统提出赋能路径的建设策略,从而厘清生成式人工智能对于哲学社会科学的赋能机理,创新哲学社会科学的理论体系和研究方法,推进中国特色哲学社会科学的建设与发展。

面向科学、能源与安全的人工智能前沿研究方向

2023年6月,美国能源部发布《面向科学、能源与安全的人工智能前沿研究方向》报告,认为人工智能将为基础科学、能源与国家安全领域的科学研究带来颠覆性影响,能源部需制定专门计划,利用自身算力优势,确保美国在上述领域的领导地位。ChatGPT等多模态大尺度的人工智能模型的成功显示。

数据和机理驱动的人工智能科学智算

科学智算作为跨学科领域正不断演进。本文回顾从数值分析到高性能计算,再到数据驱动范式的演进历程,重点分析数据驱动和机理驱动方法在科学智算中的优劣势。数据驱动方法能够处理复杂非线性关系,但可解释能力弱、数据依赖性过高。机理驱动方法具备良好可解释性和外推能力,但计算效率较低。本文将讨论数据和机理驱动的人工智能科学智算在复杂系统模拟中的应用,包括多尺度多物理场耦合和不确定性量化。

人工智能科学(AI4S)引发的范式变革——大语言模型视角下教育研究的问题、方法与过程

人工智能科学(AI for science,AI4S)为代表的新范式正在重塑科学研究。作为AI4S的关键技术,大语言模型在教育智能体建模与仿真、教育过程挖掘、教育数据增广等方面展现出了巨大潜力。研究立足科学哲学领域的“问题-方法-过程”框架,剖析了大语言模型引发的教育研究范式变革图景:在问题维度,大语言模型基于海量数据形成的“世界知识”拓宽了教育研究的问题视野;在方法维度,大语言模型依托其“泛思维链”能力,为情境建模、模拟仿真、因果推断等方法创新提供新的可能;在过程维度;大语言模型为“端到端”和“人在回路”理念在教育研究中的融合提供了理想的技术载体,开启了人机协同的新范式;结合教育研究范式演进的历史维度,当前AI4S引领的变革是社会需求牵引和技术进步双重驱动的必然,既延续了数字时代教育研究范式的演进逻辑,还在智能维度、生成式范式、跨界整合等方面实现了独特突破。需要指出的是,这场范式变革虽然前景广阔,但其复杂性也不容忽视。研究对教育知识生产“单一文化”、理解错觉加剧、模型黑箱效应等潜在风险作了深度探讨,提出了重塑教育研究的反思性、审慎评估大语言模型适用边界的策略实施,为应对AI4S时代的教育机遇与挑战提供了新思路。

人工智能与神经科学研究主题研究

在当前社会经济与科技持续稳定发展背景下,人工智能(AI)促使各个行业全面转型发展,医学领域也迎来了全新的发展机遇。当前临床决策支持系统、人工神经网络以及大数据挖掘等技术在人工智能的支持下顺利开展。目前,以医学影像技术与神经网络技术为代表的AI技术已经被广泛应用到疾病的筛查、诊断、治疗以及康复等多个方面,对诊断的准确率以及工作效率的提升有着一定的积极影响。神经科学研究具有前沿性强以及交叉性比较显著的特点,将人工智能技术融入其中,使两者之间互相促进,收获更多的科研成果,助推我国科技事业的发展。

生成式人工智能赋能科研知识生产研究述评

梳理国内外生成式人工智能赋能科研知识生产的研究成果,以期为其理论和实践应用提供参考。本研究主要采用文献计量与内容分析方法,并借助VOSviewer软件从知识生产与传播、生成式人工智能赋能、社会影响与变革、治理路径等四个方面综述国内外生成式人工智能赋能科研知识生产的研究现状。目前生成式人工智能赋能科研知识生产的研究取得了明显进展,但未来还需要深入探索并加强生成式人工智能对科研知识生产的影响因素、赋能科研知识生产全流程、科研知识生产的治理路径,以及拓展与丰富生成式人工智能赋能科研知识生产研究方法等方面的研究。

深切V型峡谷物理驱动人工智能波动模拟

高山峡谷区场地地震效应是地震工程领域研究热点。V形峡谷引起的圆柱形SH波散射和衍射波函数的级数解已较为成熟,并为众多河谷区重大工程提供了合理、科学的地震动输入。采用物理驱动深度学习方法结合与解析结果的对比分析,近一步明确了V型河谷地形地震反应特性及复杂波场空间分布。此方法主要关注稀疏样本及可诠释性人工智能,结合强形式自动微分和软约束边界条件嵌入,建立深度神经网络实现半无限域地震传播模型。采用时间域分解策略,实现不同给定波场工况下V型河谷高精度预测。通过与解析解对比,评估了所提出的物理驱动人工智能方法的精度和效率。结果表明,物理驱动人工智能方法可应用于地形效应分析,柱面SH波在V型峡谷底端发生显著衰减与振荡,边缘区呈现放大效应。

关于生成式人工智能在学术研究活动中使用的若干问题

2023年以ChatGPT为代表的生成式人工智能在世界范围掀起了新一轮的人工智能研究热潮,人们对这种新型的人工智能产品进行了大量的理论分析。生成式人工智能对人类智能的模仿更进一步,已开始具有类似人的逻辑推理功能,能够“自主”生成一些以前需要人类进行长时间学习和培训才能掌握的技能(例如绘画、写作)。同时这种基于大语言预训练模式产生的人工智能形态会引起知识产权、个人隐私、数据权属、价值偏好等方面问题,这些问题构成了生成式人工智能使用中的局限。但它也有自己的优势,即具有很强的逻辑推理能力,这一点对于人们进行学术研究活动有很大帮助。在学术研究活动中我们应该积极把生成式人工智能作为一种辅助工具来使用,努力提高学术研究成果的水平。

“人工智能驱动的科学研究”专项部署工作启动

3月27日,为贯彻落实国家《新一代人工智能发展规划》,科技部会同自然科学基金委启动“人工智能驱动的科学研究”(AI for Science)专项部署工作,紧密结合数学、物理、化学、天文等基础学科关键问题,围绕药物研发、基因研究、生物育种、新材料研发等重点领域科研需求展开。

人工智能和社会科学研究

科学技术的更新迭代使人工智能驶入高速发展的快车道,在新的历史时期,如何将人工智能与社会科学研究结合起来,使其相得益彰、相辅相成,是经济社会发展过程中值得思考的一个重要问题。讨论人工智能和社会科学研究的关系,需要重点考虑以下三个方面的因素:经济社会的发展趋势、复杂理论和新研究范式、以知识和数据驱动的智能经济研究平台。

智慧教学平台支持下的高中人工智能教学实践研究——以“我为城市规划出谋划策”为例

《普通高中信息技术课程标准(2017年版2020年修订)》(以下简称“课标”)中将“人工智能初步”列入选择性必修模块。这说明我国对人工智能教育的重视程度在不断提升。为加快推进人工智能与教育深度融合,激发学生学习探索人工智能技术的兴趣,培养学生科学素养、创新思维和实践能力,厦门市2020年开展了“人工智能进百校”教育试点工作。作为该项目的试点校,笔者所在学校将人工智能课程与已有的课程、活动深度融合,开展了三年的教学实践研究。

“人工智能+”教育行动系列专题之二 数字时代的科学教育

科学教育在国家发展中有着重要地位。习近平总书记强调:要在教育“双减”中做好科学教育加法,激发青少年好奇心、想象力、探求欲,培育具备科学家潜质、愿意献身科学研究事业的青少年群体。科学教育正是培养科技创新人才、推动科技进步的重要途径。在科技飞速发展的今天,科学教育正经历着前所未有的转型与变革。数字化时代,人工智能作为一把“金钥匙”,正在为科学教育的发展提供新的机遇和挑战。我们需要充分认识到人工智能等数字技术在科学教育中的重要作用,积极探索和应用人工智能技术,以促进科学教育的创新和转型,培养更多具有创新意识和实践能力的科技创新人才。

技术驱动下的外语教学研究:热点分析、动态演进与未来展望——基于科学知识图谱的可视化分析(1990-2023年)

在技术驱动的环境下,外语教学改革与创新逐渐成为学界的焦点议题。本研究借助科学知识图谱,对1990-2023年间CNKI(包含核心期刊及CSSCI数据库)收录的关于该领域的904篇文献进行可视化分析。该分析覆盖了发文趋势、作者与研究机构合作网络、关键词聚类知识图谱以及关键词时间线图,深入剖析了技术驱动下外语教学领域的研究热点、发展趋势和未来方向。结果发现:作者与机构合作呈现“大分散、小集中”的特点;主要研究热点包括技术驱动的教学方法与创新、外语教学的数字化转型、信息资源建设与共享以及人工智能与数字技术的应用;关键词时间线图展示了这一领域经历了从初步探索到积极实践,再到持续深化的发展历程。基于上述发现,本文提出了五个未来研究方向:推进数据驱动的外语教学创新、增强虚拟现实技术在外语教学中的应用、探索数字技术驱动下的外语教学模式创新与优化、深化人工智能在外语教学中的应用以及加强外语教学资源的整合与共享。

人工智能背景下的新文科课程建设

教育是按照一定计划,通过一定的组织规范,基于某种目的或指向,系统地讲授知识与技术的活动,其对社会和个人都具有重要意义。人文社会科学作为教育体系中的综合性学科,在提高国民素质、提升人文素养等方面具有重要作用。现基于对大数据和人工智能背景下新文科人才的新培养要求的探讨和案例驱动、项目式教学的思维方式,从培养学生的计算思维、数据思维以及系统思维等方面出发,设立相关课程的教学目标,力图为当前以及未来社会培养新型复合型人才。

生成式人工智能与哲学社会科学新范式的涌现

生成式人工智能(GAI)对哲学社会科学的学术体系、学科体系和话语体系的影响虽刚刚开始,但已引发了诸多的关注和讨论,未来将更加热烈。从对学术体系的影响来看,在理论上,GAI推动了机器心理学、行为学和伦理学发展,推动智能社会科学进入新阶段;在方法上,GAI成为重要的数据分析工具;在数据上,GAI不仅能进行数据采集,其生成内容也能成为研究数据。从对学科体系的影响来看,在学术评价上,研究数据可得性更高,开展验证性研究更具可能;在人才培养上,研究者更为技术均等化、知识普及化和学习自主化,也要求其更具创新精神、智能思维。从对话语体系的影响来看,在公众话语上,学术权威部分被消解;在国家话语上,哲学社会科学不断推进知识创新、理论创新、方法创新的使命更加重大;在国际话语上,哲学社会科学引领全球的机遇显现。

人工智能助力新药研发

新药研发一直是前沿科学和技术最重要的应用领域。近年来,人工智能(AI)飞速发展,已经从前沿的概念成为了赋能各行各业的重要技术。同样的,AI在新药研发领域也正在引领着一场新的研究模式的变革。AI技术在新药研发领域的应用贯穿了新药研究的全流程。在靶标层面,AI技术为新靶标的发现提供了全新途径。运用AI技术,可以更好地从海量数据中挖掘疾病-靶标-药物的关联,构建知识库,从而建立数据驱动的靶标发现和确证的新模式,为新药研究立项提供效率更高的决策方式。