科学驱动视角下产业创新网络与生态主体研究——以5G产业为例

利用产业科学关联度指标清晰界定科学驱动的产业与创新,通过社会网络分析方法探究其在整个产业中的网络地位及其作用,并挖掘产业创新生态参与主体的网络关系。研究发现:科学驱动的创新成果处于网络中心位置,更容易被频繁的引用,能够为其他创新成果提供经验输出和知识依赖,成为驱动创新发展的基石,同时科学驱动的创新成果审查周期和技术覆盖广度在数值上显著大于“技术驱动的创新”,表明其能够产生高价值技术的可能性更大;科学驱动的产业是科学驱动的创新大量汇聚的产业,是整个行业发展的关键核心技术,具备取得、协调及配置资源的能力,能够整合内外部信息和知识资源,通过频繁的交流、协作带动其他产业的共同发展,为产业的形成演化奠定基础;在科学驱动的产业中,创新主体之间网络结构紧密,产学研协同融合体系发挥重要作用,企业占据主体地位成为创新的主体和参与科学研究的主体,而大学等公共机构的创新成果传播速度更快,在创新网络中的中心性地位具有不可替代的优势。

落实党的二十大精神应积极活跃科学驱动的创新

党的二十大报告强调要深入实施“创新驱动发展战略,开辟发展新领域新赛道,不断塑造发展新动能新优势”。文章认为,科学驱动的创新正是能够开辟新领域新赛道的创新,我国亟待积极有效地活跃科学驱动的创新。相应地,我们应有效构建有利于科学驱动的创新的社会生态:将“活跃科学驱动的创新”明确作为新的国家战略;积极有效地营造有利于科学家创新创业的社会氛围;多途径大幅度提升全社会科学研究经费投入规模;用“接力研发”来构建“科学驱动的创新”的创新链;用科学驱动的创新的逻辑重构高水平院所及大学的科研成果转化机制;充分重视国家级科研机构与央企在科学驱动的创新中的作用。

古生物学数据库现状与数据驱动下的科学研究

化石数据是了解地球历史以及深时生命演化的重要信息来源。通过数百年的积累,古生物学家已经发表了海量的古生物学数据。过去三、四十年里,随着计算机、数据库和互联网技术的快速发展,国内外涌现出大量的古生物学数据库,彼此间的目标、体系架构、数据组织方式和服务对象通常存在显著差异,呈现百花齐放的特点。文章系统介绍了古生物学领域主要数据库的发展历史、数据表结构、数据特征和数据量等建设情况,对比分析了其数据整理方式、核心在线功能、数据共享特点和数据质量控制措施。同时,结合近年来数据驱动下的古生物学领域的科学研究实例,提出一站式全生态链数据平台的建设设想,为深时数字地球(DDE)建设多学科融合、数据开放与共享的大数据平台提供参考。

教育科研新范式:人工智能驱动的教育科学研究

范式的更迭与转换推动了科学变革。当前,人工智能立于科学变革潮头,给自然科学领域的科学发现与科研进步带来冲击,也为教育科研转型带来新机遇,有望在本体论、认识论、方法论和价值论维度影响教育研究,推动形成人工智能驱动的教育科学研究范式。该范式将通过提供强大的计算能力,为教育科研注入计算思维和技术基因,实现教育科研的底层理念之变;通过提升知识发现效率和释放科研人员生产力,推动构建人机混合增强的教育科研创新模式,实现教育科研的实践形式之变;通过强化多学科交叉融合和跨学科协作交流,促进形成交叉共融的教育科研组织体系,实现教育科研的组织生态之变。在此基础上,人工智能驱动的教育科学研究范式可以为教育分支学科或交叉学科的研究活动开辟新的思考向度与实践路径。未来,人们有望创造出人工智能与教育科研并行发展、双向赋能的新图景。但同时,为增强人工智能在教育科学中的积极影响力,人们必须应对算法创新与算法风险带来的挑战,让人工智能更好地驱动教育科学研究。

大数据时代科学研究新范式的哲学反思

大数据时代出现了一种新的科学研究类型——直接通过科学数据分析进行科学研究并作出科学发现。科学界及哲学界就其是否构成新的科学研究范式、数据驱动型科学发现是否会终结科学理论、数据与理论的关系等问题,展开了争论。但是,进一步的研究显示,还需要区分不同的学科和研究层次,并从认知角度从机制上说明数据在科学发现活动中的作用及其与理论的关系。

新时代科技政策话语体系需要引入“工程科学”与“工程科学家”

当今世界前沿技术领域已经成为大国竞争的焦点,更加凸显工程科学的战略地位。美国《无尽前沿法案》将NSF更名为NSTF,意味着工程科技的研究与开发得到政府特别关注。习近平强调要通过加强多学科融合的现代工程和技术科学研究,带动基础科学和工程技术发展,意味着我国新时代科技发展将逐渐从“基础研究驱动的线性模式”转向“工程科学驱动的复杂网络模式”。然而,目前科技政策使用线性模式的“基础—应用”话语体系不能凸显甚至遮蔽工程科学的战略地位,需要将“工程科学”和“工程科学家”概念引入政策话语体系。为此,工程科学的相对独立性与先导性需要从学理上被证成,赵汀阳“动词存在论”的哲学视域可能使该问题变得更加清晰。最后重申钱学森“工程科学作为一种新职业”的思想,阐释推动工程科学共同体研究的政策意义。

基于跨学科融合的AI for Science多元化投入机制研究

当前,人工智能领域的科技研发与应用,取得了诸多骄人的成果。尤其是生成式人工智能工具的广泛应用,使人工智能驱动的科学研究(AI for Science)范式成为现阶段引领人工智能研究的一种全新科学范式——“第五范式”。对此,科技部和国家自然科学基金委员会正式启动了“人工智能驱动的科学研究”专项部署工作,基于跨学科融合的AI for Science的研究纷纷呈现。本文从此角度切入,对AI for Science理论做了简要概述,分析了跨学科融合的AI for Science多元化投入的现状,并针对其中存在的问题,研究了跨学科融合的AI for Science多元化投入机制。以期通过本文的分析与研究,能够为这种全新范式的成熟与应用提供参考与借鉴。

AI for Science:智能化科学设施变革基础研究

近年来,人工智能(AI)在前沿科技领域取得了诸如AlphaFold2、核聚变智能控制、新冠药物设计等诸多令人瞩目成果,表明AI for Science正在成为一种新的研究范式。实现智能时代的基础科学源头创新及其下游重大技术创新,需破解2个方面的核心问题:(1)如何利用新一代AI(特别是生成式AI及大模型)的通用性和创造性推动新范式的形成;(2)如何利用AI实现对传统科学设施的赋能与改造。文章提出一种智能化科学设施的建设构想,兼顾“高度智能化的科学新设施”和“AI赋能已有科学大设施”2个层面的需求,构筑AI for Science的科学设施体系,形成科学领域大模型、生成式模拟与反演、自主智能无人实验及大规模可信科研协作等创新功能,加速重大科学发现、变革性物质合成,以及重大工程技术应用。

平行科研院所:从数字化转型到智能化变革

为应对当前科研院所在管理工作与科研业务方面面临的双重复杂性挑战,平行科研院所的概念被提出。平行科研院所以虚实互动的平行智能理论为基础,利用基于数字孪生与元宇宙的数字化建设技术、基于区块链与去中心化自治组织与运营(DAO)的分布式治理技术、基于多模态大数据与大模型的智能化决策技术以及基于分布式自主科学(DeSci)与人工智能驱动的科学(AI4S)的科学创新范式,形成基于复杂科学的科研院所变革引导方案,构建可信、可靠、可用和高效益的智慧科研组织与运营生态。介绍了平行科研院所的体系设计与关键技术,描述了其主要特征与优势,并探讨了其典型应用场景。平行科研院所超越简单的科研院所数字化转型,强调更高级的智能化变革,旨在促进科研院所的可持续健康发展。

人工智能驱动的科学研究新范式:从AI4S到智能科学

近期,以ChatGPT为代表的大模型技术正开启人类社会智能化的新纪元。研究人工智能成功案例背后的技术原理,探索人工智能驱动的科学研究(AI for Science,AI4S)新范式,对促进我国科技进步、增强国家竞争力具有十分重要的意义。文章首先以数学、物理学、生物学、材料科学领域为例,简述AI4S的研究进展。其次,面向近年来最为成功的人工智能范例,分析AlphaFold和ChatGPT的基本原理和关键技术。最后,在以上分析的基础上,从算法、模型、数据、知识、人的因素等角度,总结大模型时代人工智能技术发展新趋势,探讨AI4S研究新范式。

洛阳市林下经济发展模式探讨及对策

对洛阳市林下经济发展情况作了简要回顾,探讨了洛阳市林下经济的发展模式,主要有林下养殖、林粮间作、林菜(瓜果、牧草)间作、林药间作、林菌种植、森林休闲观光旅游等模式,分析了林下经济发展中存在的规模小、科技含量较低、资金制约、基础条件差等问题,提出了加强领导,广泛宣传发动;统筹规划,科学驱动;培育龙头,示范带动;强化服务,合力推动的发展对策和措施。

探讨AI for Science的影响与意义:现状与展望

以ChatGPT为代表的新一轮人工智能技术浪潮正推动人类社会全面变革,科学研究范式正加速转换,一场人工智能驱动的科学研究(AI for Science,AI4S)革命正在到来。分析了AI4S的基本概念和特点,从数学、物理、生物、材料等角度简要综述了AI4S的发展现状。大力发展AI4S对提高国家竞争力、发展社会经济、加强技术储备都具有十分重要的意义。为更好地推动我国AI4S的发展,以下两点十分关键:一是变革当代的教学与教育,倡导AI for Education和Education for AI;二是以DAOs和DeSci为基础建立适应“新科学研究范式”的“新组织方式”和“新科研生态”,为AI4S研究提供公开、公平、公正的可持续性支持。

AI助力打造科学研究新范式

科学研究的目的是发现基本原理和解决实际问题。尽管人类在发现基本原理和解决实际问题上已经取得了巨大成就,但有效工具和有效科研组织模式的缺乏仍然是制约科研效率的主要瓶颈。人工智能(AI)的迅速发展为改变这种状况提供了新的可能。近年来,深度学习方法在科学研究领域大放异彩,不仅助力解决了一些核心科学问题,扩展了科学方法,也开始带动科学研究从传统的“作坊模式”转向“平台模式”。目前,我国已在人工智能驱动的科学(AI for Science)领域打下良好基础,应把握机遇,争取引领科技创新,为人类的科技发展作出贡献。

情绪智力研究的两种取向

情绪智力研究的兴起为心理学的发展注入了新的生机与活力,淡化了对智力重要性的盲目崇拜,突出了非智力因素对生活幸福与事业成功的重要影响,消除了理性与情绪之间的分水岭,体现了当代社会公正平等的时代精神。围绕情绪智力的概念、测量、应用等基本问题出现了科学驱动与实践驱动两种研究取向的对立与纷争。科学驱动取向强调精确、可靠、严谨,对研究结果的应用关注不够;实践驱动取向致力于现实应用与问题解决,对理论发展的细节与假设检验的精确重视不够。当代许多心理学家主张超越两种研究取向的纷争,倡导科学-实践的混合模型,既关心研究的科学基础又关心理论建构与现实问题解决之间的关联。

中国海洋科技发展的潜力与挑战

科学技术的发展继续主导着新一轮世界海洋竞争的话语权和主动权。以科学目标、而不是具体技术指标为驱动力的海洋技术与装备的发展才会有长久的生命力。特别是在我国大部分海洋技术装备处在落后但具有明显后发优势的状态下,对更基础和更前沿科学问题的回答是新海洋技术和装备发展必须认真考虑的方面。在"一带一路"倡议下,重点培养具有国际视野和竞争力的科学家、提升在国际组织框架下领导西太平洋和极地海洋科学研究与技术发展的能力应是我国成为海洋强国的根基和突破口。

岩溶景观旅游开发方式演变及主题融合式开发的探讨

基于景观资源特色、区域发展水平、区位条件、知名度和管理水平等,将中国近千处岩溶景观区分为四大类,即岩溶旅游胜地、岩溶旅游经典目的地、岩溶旅游新目的地、岩溶旅游新开发区。以时间为主线,运用归纳总结法和类比分析法,深入分析中国岩溶景观近70年以来的旅游开发方式。结果表明:1)1950年以来实施并分别取得不同实施效果的主要旅游开发方式有9类38种,它们分别有不同的条件要求,与不同类型岩溶景观的特征/特色相匹配。2)不同或同一岩溶景观资源共同体/景观区往往具有多种在重要程度、开发效益、发展趋势等方面差异较大的旅游开发方式;反之,同一旅游开发方式则可能在不同岩溶景观资源共同体/景观区的开发中具有不同的实施效果、开发效益和发展趋势。3)总结出特征-利益驱动型无主题分离式开发、特色-科学驱动型主题融合式开发两大开发模式,认为它们均是岩溶旅游在特定阶段的产物,其中前者对促进岩溶旅游的发展和繁荣发挥了非常重要的作用,而后者则融“资源共同体及其特色、科学研究、开发、保护、管理、反馈”等多位一体的新模式,是新形势下岩溶旅游的主要发展趋势之一。最后,运用系统动力学方法,探索主题融合式开发的基本流程:资源共同体及其特色与科学研究分别是“内、外发动机”,以主题为灵魂“发动”衍生出开发、保护、管理、研究(后期)、反馈等运行体系。

数据驱动的科学发现的神经机制:一项fMRI研究

作为人脑的一种高级认知功能,数据驱动的科学发现的神经机制仍不清楚.数列完型任务是一种典型的数据驱动的科学发现任务,一些研究已经证实了数列完型任务中的启动效应,并将其归因于规则发现及其应用这一核心成分.为了降低实验任务的异质性并使得实验任务适于进行脑成像研究,本文对数列完型任务中的数字大小及运算规则进行了进一步的约束.与预期一致,行为实验一显示了稳定的启动效应.在实验一的基础上,实验二采用事件相关fMRI研究数据驱动的科学发现的脑机制.fMRI结果揭示了左侧DLPFC(背外侧前额)和左侧APFC(前额前部)对于简单和复杂数列完型任务的双分离.简单任务在左侧DLPFC的启动效应强于复杂任务,而复杂任务在左侧APFC的启动效应强于简单任务.这一双分离说明了左侧DLPFC和左侧APFC在数据驱动的科学发现中的不同作用.左侧DLPFC(BA46)可能与规则识别有关,而左侧APFC(BA10)可能与规则识别与应用过程中的心理状态保持有关.

论学科信息学的兴起与发展

随着数据密集型科学研究新范式的出现与日臻发展，科学研究日益成为数据驱动的知识发现活动，D．science（数据驱动的科学）时代来临。以数据计量分析为核心的一系列专门学科领域的“学科信息学”获得了快速发展和应用，有关的概念、技术和方法等已经得到了相应学科领域的认可。同时，支撑专门领域学科信息学发展的信息分析和应用的一般性知识体系不断完善，为一般学科信息学的产生奠定了坚实的基础。本文基于科学研究新范式的时代背景，提出一个全新的概念——“学科信息学”（SubjectInformatics）。文章首先从分析专门学科信息学出发，介绍了学科信息学的缘起，总结了一般学科信息学的内涵；其次，明确了学科信息学的主要研究内容、学科体系及其关键技术与方法；最后，重点剖析了学科信息学在促进学科知识创新和知识发现、催生数据科学兴起与应用、推动知识计算理论与方法发展以及促进学科情报分析与战略研究计算化、定量化发展等方面所起的作用。本研究对发展学科信息学理论体系、完善学科信息学研究内容、促进学科信息学发展应用、推动知识创新以及发展领域知识发现研究等具有重要意义。

系统生物学与药物发现研究

系统生物学是假说驱动的科学,是21世纪医学与生物学的核心驱动力。近代药物发现研究主要基于药物新靶点的发现,但是在疾病生物学模型中,化合物的有效性与安全性并不全决定于靶点的选择,系统生物学为药物发现提供了一个全新的研究模式,能明显降低新药研究开发的时间与费用。

分布式自主科学:科学多样可持续性发展的新范式

人工智能驱动的科学(artificial intelligence for science, AI4S)的兴起,使得如何确保科学系统的公开性、公平性、公正性和多样可持续性变得尤为重要和迫切。这关系到各国在全球创新和产业革新中的话语权和领导地位,同时也影响人类命运共同体的安全、稳定与可持续发展。为了应对这些挑战,AI4S需要引入新的科学组织和运营方式。基于Web3和分布式自主组织与运营(DAOs)等智能技术之上的分布式自主科学(decentralized science,DeSci)与AI4S相辅相成,为AI4S提供强有力的支撑。DeSci可以有效解决现有科研体系中的信息孤岛、偏见、不公平分配和垄断等问题,进而促进多学科、跨学科和交叉学科合作。文章首先从理论层面对DeSci的基本概念、特征和框架进行界定,其次分析DeSci的研究现状与应用现状,最后探讨和总结DeSci对于科学系统进一步发展的启示与意义。