智能化科研(AI4R):第五科研范式

文章将“智能化科研”(AI4R)称为第五科研范式,概括它的一系列特征包括:(1)人工智能(AI)全面融入科学、技术和工程研究,知识自动化,科研全过程的智能化;(2)人机智能融合,机器涌现的智能成为科研的组成部分;(3)有效应对计算复杂性非常高的组合爆炸问题;(4)面向非确定性问题,概率统计模型在科研中发挥更大的作用;(5)跨学科合作成为主流科研方式,实现前4种科研范式的融合;(6)科研更加依靠以大模型为特征的科研大平台等。文章指出科研的智能化是一场科技上的革命,它带来的机遇和挑战将深刻影响中国科技发展的前途,呼吁各行业的科学家本身实现智能化转型。

智能时代呼唤新的科研方法

智能化科研(AI4R)是科研方法的重大变革。提出科技界不仅要关注科学智能(AI for Science,AI4S),更要重视技术智能(AI for Technology,AI4T);不仅要关注大语言模型(LLM),更要重视大科学模型(LSM)。同时提出,人工智能的突破主要不是靠大算力,而是计算模型的转变,中国应当争取在基础模型上做出颠覆性的创新;智能化科研适合做复杂问题的组合搜索,神经网络模型也许已接近能处理困难问题的复杂度阈值点;智能化科研的一种趋势是放弃绝对性,拥抱不确定性,一定时期内要适当容忍“黑盒模型”。

AI驱动的科研范式变革:跨学科视角下人工智能素养与教育培养策略研究

构建一个面向智能化科研(AI for Research,简称AI4R)的人工智能(Artificial Intelligence,简称AI)素养教育培训体系,对培养出更多既具备技术知识,又拥有创新思维和伦理意识的科学研究者具有非常重要的作用。通过对全球主要国家与AI相关的素养教育政策、课程与培训项目进行对比分析,认为这个体系框架不仅关注教育对象对AI知识的理解,注重实践能力的培养以及伦理和社会责任的教育等,还需要关注跨学科思维及情感联系的教育。面对高校教师和学生两个层面的受教对象,AI素养的教育培养策略起着至关重要的作用。这些教育培养策略可由政府、教育机构、企业等社会性机构,抑或是图书馆、社区等公益性组织实施,通过承担特定的角色和职责,共同构成了一个多层次、互补的教育培养策略,不仅推动AI技术在科学领域的应用,还培养了新一代的科研人员,使其具备利用AI技术进行跨学科研究的能力。