AI 从科学家的”访客”变成了”房客”：下一个世纪难题，它想承包
AI 从科学家的”访客”变成了”房客”：下一个世纪难题，它想承包
科学家和 AI 的关系，最近换了一个说法。
上海人工智能实验室主任周伯文，在浦江创新论坛上打了个比方：
早期的 AI for Science，是”科学家的访客”。帮你查文献、分析数据、跑计算，随叫随到，但始终站在屋外。
现在不一样了。AI 已经走进问题定义、假设生成、方案设计和实验验证的每一个环节。
它成了”房子里的常住者”。
变化最直观的，是时间
传统抗体发现流程，往往以年计算。AI 和生物学协同之后，关键环节能压缩到大约 90 天。
蛋白质折叠，困扰了科学界几十年的问题，被 AlphaFold 撕开一个口子。
超导研究呢？中科院院士丁洪说，一种理论设想从提出到实验确认，常常要等几十年。现在，大装置提供的极端条件加上 AI，让研究者更快找到新现象、验证新可能。
复旦大学计算力学与人工智能交叉研究院创院院长蓝楚科，把 AI 带来的变化归结为两个词：
第一个是加速，第二个是发现。
10 个世纪难题，9 个等着 AI 帮忙
这届论坛发布了首届”浦江科学之问”，面向国内外顶级学术期刊、国家实验室、高校院所和领军企业征集，最后形成 10 个基础科学问题。
核聚变、量子纠错、化学反应基础模型、极端天气预测、衰老的时空异质性……
上海人工智能实验室青年科学家钟翰森注意到一个有趣的”1+9″结构：
后面 9 个科学问题，都可以用 AI 赋能研究。而第一个问题，指向了 AI 技术本身的基础。
换句话说，AI 正在变成所有科学领域的共用”地基”。
它改变的不只是某一个环节，而是所有环节之间的连接方式。
但有个底线，专家们守得很死
周伯文说得很直接：AI 发展得再深，科研方向仍然需要人来把握。
“科学探索的罗盘，始终应该由人类的心智、好奇心和价值判断来掌握。”
上海市科学学研究所副所长朱学彦说得更透：解决问题可以靠机器提高效率，但”提出什么问题、愿景是什么”，必须留给人类自己。
北大博雅特聘教授刘颖补了一句：越来越重要的，是你的科研品位和科研判断能力。哪些现象值得追问，哪些背后藏着尚未认识的规律，得靠长期积累的判断。
新加坡工程院院士关存太，给年轻科研人员的提醒很扎心：
不要被不断变化的热点牵着走。如果 10 年之后回头看，还有一个问题是你提出来的，而且大家还在继续探索——这就很了不起。
一句话总结
AI 负责跑得更快，人类负责想清楚往哪儿跑。
越快的时候，越要想明白：什么值得被追问。