近日，由中国计算机学会主办的第21届全国高性能计算学术大会在内蒙古鄂尔多斯召开。大会上，中国工程院院士、中国计算机学会理事长孙凝晖在题为《AI（人工智能）赋能科学发现》报告中，分享了对这一备受关注话题的思考。
“第五范式”登上历史舞台
孙凝晖首先谈到，“科学智能”是AI for Science，即“AI赋能科学发现”。这一研究范式的出现，始于AlphaFold在蛋白质结构预测上的突破。2020年，AlphaFold在CASP14大赛中成功预测了2/3的目标蛋白结构，开启了基于AI预测蛋白、核酸等分子结构的历史进程。
2024年诺贝尔物理学奖和化学奖授予AI基础理论和科学发现领域的科学家，展现了对AI的“偏爱”。孙凝晖认为，这标志着国际学术界公认AI技术已进入科学领域，“代表着科研范式的重大改变”。
“融合大模型、大算力、大数据和大团队服务等特点的科学研究，对科学发现的作用就像大科学装置一样，是一个新范式。”孙凝晖说，新范式的形成，除了“大模型、大算力、大数据”外，还离不开物理、化学、生物、AI等各领域科学家和工程师团队的长期工作，以及企业资金的支持。
孙凝晖表示，在“AI赋能科学发现”之前，现代科学活动存在4种范式，即基于实验观察的科学实验范式、依赖科学家的理论推演范式、借助计算设备的科学计算或数值模拟范式、基于实验和理论数据计算的科学数据范式。如今，“AI赋能科学发现”当属“第五范式”，正登上历史舞台。
帮助科学家从“增肌强体”到“赋予大脑”
AI如何赋能科学发现？孙凝晖提出，从信息化视角看，“AI赋能科学发现”的核心在于构建观测（Observe）、模拟（Orient）、猜想（Hypothesis）与实验（Verify）4个环节，并将数据驱动和智能算法驱动引入这4个环节，形成“OOHV全环的AI赋能”。
“在这4个环节中，信息技术总能发挥作用，让知识获取、分享、检索、交换更方便，让信息抽取更简单。”孙凝晖谈到，推演模拟环节本质上是“高性能计算+AI”，而机器学习、大模型能通过处理科学数据发现规律、验证猜想，此外，观察和实验未来也可依靠具身智能。
从具体案例看，孙凝晖认为，信息学科的主要任务是提供工具。他有一个形象的比喻：信息技术赋能科学的手段如同从“增强肌肉（算力）”到“提供营养”（数据），如今正朝着“赋予大脑”（AI）的方向进化。
“‘AI赋能科学发现’更大的作用是突破人类认知极限，这也是科学研究的更高追求。”孙凝晖说，人类在第三范式和第四范式下都有许多突破认知极限的工作，比如通过科学计算，我们既能做公里级精度的中短期天气预报，也能做全球尺度的气候变化预测；通过数据解析，人类得以从基因组层面认识自己，利用天文望远镜摸到黑洞的“脉搏”。如今，在“第五范式”下也有突破人类认知极限的工作。
不过，孙凝晖提醒，AI工具并不是万能的，科学发现依然离不开高性能计算这一基础手段。同时，在解决实际科学问题时，如何对齐“AI赋能科学发现”共性工具的科学语义，将成为一个关键问题。
崭新的 *** 论和学术生态正在形成
孙凝晖剖析了“AI赋能科学发现”面临的数据、模型和计算问题。“科学数据大概来自4个方面，即理论数据、观测数据、实验数据和知识数据，‘AI赋能科学发现’数据集不仅需要长期积累，还需要关注数据的AI-Ready化与成熟度。”孙凝晖表示。
在模型方面，孙凝晖提到，OpenAI将实现通用人工智能的路径分为5个阶段：对话者、推理者、 *** 者、创新者、组织者。这5个阶段对应的AI依次加入了数据驱动、知识嵌入、物理约束、人机协同、群体智能的能力。目前，“AI赋能科学发现”的能级正处于“数据驱动+知识嵌入+物理约束”的三轮驱动阶段。
在孙凝晖展示的能级图中，AI进阶像“单车”到“高铁”那样循序渐进。仅靠数据驱动的AI仿佛“单轮车”，随着知识嵌入，AI成了“自行车”；加入物理约束后，AI堪比“三轮摩托车”；而随着人机协同、群体智能等更多“车轮”的加入，AI有望变成“跑车”“高铁”，将大大加速人类科学发现的进程。
在计算问题上，孙凝晖提到，衡量计算有两个关键维度，即精度和架构。“AI赋能科学发现”不仅需要高精度计算，还需要能够降低负载的融合架构。他表示，未来智算的融合架构是什么样，成为计算机科学家需要思考的问题。
孙凝晖展望说，随着算力集群的堆叠、数据来源的多样化、模型参数规模等的进一步提升，未来算力将进化成为Z级（每秒可进行1021次浮点运算）智能超算，数据方面将发展为由海量常识数据、高质量理论数据、实验数据及增强数据来解决更复杂的问题，模型方面将出现一个参数量超过千亿的通用科学智能大模型。
孙凝晖认为，随着AI技术对科学研究范式的重构，新研究工具链涌现，顶级期刊开设专栏，全球顶尖机构成立相关或专门研究单元，崭新的“AI赋能科学发现” *** 论和学术生态正在形成。
（原标题为《孙凝晖：“AI赋能科学发现”更大作用是突破人类认知极限》）
