推动科学研究从“马拉松”到“加速跑”，纵观人类历史，大量先进技术成果涌现，随之向产业界转化，最终实现社会经济指数级增长。事实上，人类从事科学研究的范式一直在迭代：几千年前是经验范式，几百年前是理论范式，几十年前是计算范式，十几年前是数据范式，而今迈入人工智能（AI）范式。
AI for science，即是科研第五范式。7日举行的世界顶尖科学家科学大会专题论坛上，科学引领科研范式变革——AI for science打造科研第五范式，多国科学家就人工智能驱动的科学研究变革提出真知灼见。
“传统科研面临的最大问题是比较低效。”中科院院士、北京科学智能研究院院长鄂维南开门见山：围棋博弈中，AlphaGo比人类学习得更好，可以更快速找到最佳策略。事实上，围棋的最佳策略是一个Bellman方程的解，AlphaGo所做的事情就是试图解一个Bellman方程。
鄂维南又举了第二个例子——图像识别。从图像识别到内容识别犹如一个函数，每个图像都可以看成是3072维空间的函数，如此高维函数以前人类是根本没办法处理的，而AI深度学习正好可以帮助人类开拓维度空间。
在科学家看来，像量子力学、流体力学等基本理论和基本定律之外，人工智能也可以作为第一性原理。早在一百年前，量子力学奠基人之一的保罗·狄拉克一百年前就曾表示，寻求基本原理这个任务已基本完成，但用基本原理解决实际问题的效率比较低效，因为表达基本原理的数学问题太难了。
作为科研第五范式的AI for science，运用在分子动力学，可以实现更加高效、精准的实验与计算成果，由此发挥更大潜力；运用在大语言模型，可以有效利用大量现有知识，拓展人类局限的想象力……第五范式将带来革命性改变。鄂维南说，曾经做科研的具体操作犹如“小农作坊”，AI for science将推动下一工具建设过渡到“安卓模式”，事实上他牵头团队已针对基本原理建设科研大平台开源平台，以此实现科研的“加速跑”迭代。
诺贝尔化学奖得主阿里耶•瓦谢尔在论坛上开诚布公表示，“我与AI为数不多的联系，是物理科学在酶反应中的应用。” 酶是生物化学催化剂中非常重要的部分，瓦谢尔与他的团队开创《酶和溶剂中化学反应的计算机模型》，他直言这一模型非常有效，实现了传统酶反应实验的高倍加速。
瓦谢尔说，AI仿佛设定了一场比赛，一场与定向进化一并竞争，这为他带来深思，进一步研究AI加持后为何会有这样反应，而这成就了后续研究的动力。尽管AI建模为这位科学家带来突破性研究成果，但瓦谢尔直言：令我感兴趣的永远是“酶为何会这样工作”，而不是AI本身。
复旦大学复杂体系多尺度研究院院长马剑鹏教授，曾运用阿尔法折叠（AlphaFold）来研究解决药物蛋白质动态模拟问题。他也提出，实际上AI不能解决所有问题。如果缺乏实验信息等，AI本身没有办法判断计算机模型是正确还是错误的。
AI用于药物研发，成绩如何？科学家表示，利用AlphaFold2、MSA等来开展药物设计敏感度差强人意，“在预测准确性上有显著提高，但仍有偏差，AlphaFold2更偏重于高同源性蛋白质，这就提示我们在蛋白质设计中要相当谨慎。”
马剑鹏直言：结构生物学领域未来还将会进一步依赖于经验性方法，包括AI等计算性方法将会提升在结构分析方面的能力，但不会取代传统经验方法。未来药物研发还是需要湿式、干式方法结合，仅靠AI本身无法推进药物的设计和研发。
AI是非常优秀的工具，诺贝尔物理学奖得主乔治·斯穆特曾被誉为“宇宙胚胎学之父”，他在论坛中提出：AI熟练度比五年前好很多，例如Alpha fold可以运用惊人准确率预测蛋白质结构。但一些伦理思考应该跟上。
斯穆特说，AI已渗透到人类生活的每个角落。一家新餐厅刚开业，想过去订位但是订不到，为什么？原来AI已抢先订了所有房间。你必须以更高价格从订好的人手上拿票。这些小细节以始料不及的方式影响了生活，带来意想不到的额外成本。
正因此AI的下一个十年，人类要做的还有更多。专家认为，AI向善至关重要。先进的AI可以写论文、拿数据，对观察结论进行分析处理，与普通学者写出来的论文水平持平。在这样的情况下，该如何确定作者身份？类似一系列新问题也将随之出现。
正是基于一系列考量，斯穆特认为：第五范式迎面而来，但AI时代还有很多不透明，不可靠之处，目前人类还未考虑到部分关键问题。当前AI取得的突出成果是碎片式的，在逼近研究过程中，没有AI是完全正确的，有的逼近研究虽然很接近，但仍是错误的，可能会导致非常危险的结果。
专家最后表示，与AI打交道中，人类自身的伦理道德、人机互动之间的伦理门槛等均需深思，最终人类设计培养的AI应该是友善的、能与人类沟通的。人机互动建立在信任基础上，以此发挥科技变革最大的优势。
