肖仰华教授在《环球》杂志（新华通讯社与瞭望周刊联合主办）发表了题为“人工智能（AI）的爆发：为人类探索未知领域加速”的专文。文章强调，2024年诺贝尔奖凸显了AI在科研中的核心作用，特别是两项大奖与AI技术的紧密联系。肖教授分析了AI如何从日常应用扩展到科研领域，并在高端科研中发挥巨大价值。他深入讨论了AI在科研中的必要性、成为了科研新范式的路径，以及伴随的潜在问题和挑战。文章指出，AI的发展不仅促进了科学研究从单一还原到综合集成的转变，还显著提升了科研效率。同时，AI作为科技发展的新引擎，也带来了新的风险和挑战，包括科技的双刃剑特性，对人类创新能力的潜在影响，以及科技发展与社会适应之间的矛盾。以下为文章的详细内容。
5月30日，在瑞士日内瓦举行的2024年“人工智能造福人类全球峰会” 上，绘画艺术家机器人Ai-Da在画画。
2024年诺贝尔奖已陆续揭晓，而人工智能（AI）成为“大赢家”。诺贝尔三大科学奖项中的两大奖项与人工智能研究相关，先是物理学奖颁给了曾获图灵奖的机器学习先驱，紧接着化学奖也将一半颁给了“程序员”。
如果说此前的AI应用主要还是针对普通人的日常生活与工作，此次AI助力诺奖级成果则表明，AI在专业性门槛极高的科研工作中彰显出巨大甚至是决定性价值。AI从赋能普通人日常生产生活到赋能科学家进行高水平科研探索，这一转变正引发一系列连锁反应，必将给人类社会发展带来长远影响。
表象背后三大追问
从表象看，此次诺奖事件宣告AI驱动的科学研究新范式受到了认可。这一表面现象背后，潜藏着三个值得深思的关键问题。
一是科学研究为何需要AI新引擎？
尽管AI功能强大，科学家们也完全可以说一句“我不需要”而弃之不用。但如果不是科学家在科学研究发展过程中遇到了只有依靠AI的强大能力才能突破的根本性困境，AI成就诺奖级成果的高光时刻势必还要推迟。由此不由得让人发问，推动科学研究发展的“内在需求”究竟是什么？
二是AI如何成为科学研究的新范式？
尽管AI最近几年在巨大算力与海量数据的推动下发展迅速，但其毕竟还只是部分能力达到了普通人的智识水平。AI究竟要具备怎样的能力，方能使其赋能科学家精英们的高端智力活动成为可能？
三是AI驱动的科研范式存在哪些问题，带来哪些挑战？
作为新生事物，这一新兴科研范式不可能完美，它存在哪些风险与问题，又会对人类社会产生怎样的长期影响，特别是负面影响，这些问题都值得人们深思并审慎回答。
从文艺复兴到AI驱动
自文艺复兴以来，不同于古希腊对世界的总体性把握与认知，近现代科学认知世界的方式总体上采取还原主义路线，从世界所呈现出的不同侧面来认知世界，因而发展出物理、化学、生物等自然科学以及社会学、人口学、经济学等社会科学。
还原主义成就了现代科技文明，人类在各细分学科基础上建立起对于世界丰富而细致的专业性认知，但与此同时，人类对世界的整体性认知图景随之而被肢解得支离破碎。今天的科学家已经很难像亚里士多德那样在总体性水平上把握与认知世界。各细分学科也无力承担起重建世界整体性认知的重大使命。
7月4日，2024世界人工智能大会暨人工智能全球治理高级别会议在上海开幕，图为当天工作人员在展示手势控制机器人操作流程。
科学研究依赖于人类认知能力。而人类的认知能力（即便是其中的极少部分科学家精英）受限于其生物智能，因此不仅总体上有限，并且发展缓慢。和人相比，机器的认知能力能够随着算力与数据的增长而快速增强。通过发展机器认知，形成人机协作的认知，人类才可能完成对世界更大范围和更具深度的认知，也才能实现既具深度的专业性认知又具广度的跨学科认知。
科学发展到今天，从还原走向综合正成为科学研究发展的根本性趋势，它要求突破人类认知能力的上限，创造能够协助人类认知世界的智能机器。
技术发展依赖于人类实践能力。从实践角度看，传统科技发展中的的理论分析、实验验证与计算仿真等科研范式仍然难以摆脱效率低下的困境。试想，科学家们要消耗多少精力在可能的理论假设空间进行分析，发明家们要重复多少次实验才能验证一个具有目标特性的材料。
科研效率的低下无疑拖了科技快速发展的后腿。而AI驱动的科研范式提供了大量提质提效的工具与方法，极大提升了科研效率。例如，大模型操控下的机械臂可以永不停摆地完成各种实验，预测蛋白质结构的AI工具Alphafold（谷歌旗下“深层思维”公司的德米斯·哈萨比斯和约翰·江珀因开发AlphaFold获诺奖）可凭借机器强大的计算能力预测海量的蛋白质结构。从提升效率的角度看，AI驱动科研也是势在必行。
通用人工智能曙光初现
人工智能自提出之日至今已有70多年历史，早在诸如人脸识别等日常应用中取得显著效果，为何直至近几年才日渐成为科学家们的新帮手？
近年来，随着ChatGPT等生成式大语言模型的问世，AI的通识能力获得了长足进步。通用人工智能曙光初现，机器智能在总体性水平上（而不是若干具体方面）达到甚至超越人类水平，使得AI有了成为科学家得力助手的可能。
总体上，生成式AI为助力科学研究带来了两个基本能力。
首先，生成式AI是跨学科知识的巨大容器，使得未来的跨学科交叉融合成为可能。今年的诺贝尔物理奖和化学奖，何尝不是对AI与物理学、化学交叉研究成果的认可？跨学科研究是困难的，人类专家很难跳出自身学科背景所带来的局限与其他学科深度融合。大型语言模型通常是在海量跨学科语料上训练而成,在跨学科认知能力方面具有人类难以比拟的优势。当我们需要对一个新学科形成洞察、理解和认知时，大模型可以成为极其有力的工具。
其次，生成式AI为科学研究提供了强大的理性思维能力。近期，特别是OpenAI O1大模型的推出，使得生成式AI的理性思维能力得到进一步提升，在物理、化学等领域，已接近人类博士生的水平。再加上一系列专业大模型能够洞察海量科学数据背后的规律，使得AI有可能代替或至少部分代替人类科学家，特别是科研工作中的常规性任务。诞生能够胜任常规科研工作的AI科学家，已经不是遥不可及的梦想。
生成式AI的强大认知能力在数学方程求解、化学结构预测、物理过程建模等方面取得了显著成效。人类科学家在AI助力下，能够高效枚举、探索更加巨大的理论假设空间，能够加速重复而繁重的科学实验进程，发现蕴含于海量科学数据的隐性规律，生成冗长但合理的思考与求证过程。这些都是人类专家凭借自身有限身心资源难以胜任，或需要耗费巨大精力才能完成的。
“元引擎”是一把双刃剑
科技被视为第一生产力，成为人类社会的发展引擎。今天，AI又进一步成为驱动科研发展的新引擎，这意味着AI可能成为人类社会发展的“元引擎”。从趋势看，人工智能技术将在推动人类社会发展进程中发挥其他科学技术无法企及的作用。
AI已然被人类推上“神坛”，这一角色转变也必然带来一系列长远影响，因此，更多的人开始关注AI驱动的科研范式，同时会造成何种问题和风险。
其一，AI磨利了科技双刃剑的剑锋。科学技术具有两面性，善用之，它是人类的福音；恶用之，则成为人类的灾难。传统科技的破坏力总体上温和而可控，但AI加持的传统自然科学技术如被“恶用”，其破坏能级可以被指数级放大。举例来说，对于传统自动武器，人类还有对抗的可能，但AI赋能自动武器会让人类无处隐藏，再无逃遁可能。AI对科研助力所带来的技术双刃剑效应被放大，需密切关注。
其二，需重新审视人类科技创新的本质。人类价值体系中有个有意思的现象，一旦某个工具、动物或机器实现了人的某种能力，此项能力就会从人的核心价值中被剔除掉。以至于此次诺奖后，不少科学家开始担心自己的饭碗。这种担心不无道理，事实上常规性的科研工作，比如繁琐的计算、常规性实验等等，AI基本上可以胜任。
但AI本质上仍是人类智能的产物，并未改变其人类工具的属性。目前AI从事科研工作仍需人类科学家去设计、引导、规范和纠正，仍然难以具备人类科学家的原始创新能力，难以创新理论框架进而颠覆传统理论。
AI辅助科研主要还是计算、搜索、枚举与匹配。这些技术性的操作再怎么组合，也尚不具备和人类科学家一样的评价能力、鉴赏能力、质疑能力和创新能力。这些能力构成了人类进行科技创新的真正有价值的能力。
其三，需高度重视AI驱动科研所带来的过速科技发展与缓慢社会适应之间的矛盾问题。如果将整个人类社会的发展比做一列行驶中的火车，那么科技无疑是火车头，整个人类社会是车身。AI驱动的科研给这个火车头带来强劲前进动力，科技发展加速。先进的科学技术所造就的先进生产力，要求生产关系、经济结构、价值伦理等与之适应、快速调整。
然而，从人类发展历史和社会经验看，社会结构重塑是经年累月的过程，经不起剧烈震荡，科技的过速发展并不能为之留下充足宽裕的调整时间。事实上，当前人类社会的就业结构、教育体系等，都已经严重滞后于当下科技与AI的发展了。
从根本上讲，人的本质或许就在于其超越性，也就是不断超越当前自我而成为更高水平的存在。今天，人类以自身的智能为模板创造了AI，协助人类提升认知与改造世界的能力。人类通过创造AI正在续写“创世神话”，如果非要为这一系列事件附加上一个意义，那么可以这样讲，AI驱动的科研新范式标志着人类探索未知之境的加速键已然按下。