AI和人类，谁将是谁的“外骨骼”？周伯文：预测未来的最好方法是创造未来

抖音热门 2025年09月22日 06:44 1 admin

“人工智能+”已成为时下最热门的概念。特别是在科研领域，AI正助力各学科突破瓶颈，迎来高速发展。那么，在AI的持续赋能下，科学有着怎样的前景？人类又面临怎样的未来？

在昨天举行的2025年浦江创新论坛“人工智能赋能科学研究”专题论坛上，上海人工智能实验室主任、首席科学家周伯文给出的回答颇有深意，他说：“预测未来的最好方法，就是创造未来。”

上海人工智能实验室主任、首席科学家周伯文发言

多点开花：AI赋能有哪些新探索？

论坛上，多学科专家带来了AI赋能科研的前沿成果。

中国科学院院士、广州实验室常务副主任徐涛介绍，在传染病防治领域，让AI参与抗原、抗体结构解析，从头设计产品，是最佳选择，1个月即可研发出未知病原抗原检测试剂盒，90天即可获得中和抗体药物。围绕传染病防控需求，开发系列装备，通量将能提升数十倍，抗体开发速度可压缩至2周。

徐涛指出，要让AI更好赋能学科，必须建设好大科学设施，用大设施变革赋能范式，用新仪器加速赋能发展，用大科学牵引赋能方向。

从微观粒子到宏观系统，物质科学研究面临的一大困难是跨尺度计算。中科院院士、中科院物理研究所所长方忠介绍了两种AI赋能路径：一是代理模型，即以机器学习代替费时费力的计算或实验，不仅能够算得更快、算得更大、算得更准，还能实现跨尺度计算；二是生成模型，即跳过计算，从数据中提取经验，直接由数据得出性质，再由性质反向生成材料。方忠表示，“反向设计是我们的终极目标。”

复旦大学校长助理、上海创智学院副院长、上海科学智能研究院理事长吴力波从气候科学的角度指出，AI驱动气候风险的精准感知，可帮助解决极端气候事件频发背景下的建模问题。研究人员对大气、海洋、陆地多系统反馈的认知，可在AI的赋能下进一步深化。

赋能“万物”：被高估还是低估？

对于人人都在谈论的“AI赋能”，与会专家也提出了冷静思考。周伯文引用“阿玛拉定律”说：人们总是高估技术的短期变化，却低估长期的变革。

由此，他提出AI热潮下的“新阿玛拉之问”：AI赋能科研，是否也存在一系列的“高估”与“低估”？在这个“元问题”的基础上，他进一步提出“AI4S六问”，即边界之问、预测之问、语言之问、交叉之问、验证之问、新科学之问。

“边界之问”，问的是“所有科学问题是否都能被人工智能解决”。他以数学为例。一百年前，数学界曾热烈探讨是否所有数学问题都能被“机械化解决”。1928年，希尔伯特就此提出“可判定性问题”。3年后，哥德尔定理的发现，对这个问题提出有力质疑。1936年，丘奇和图灵证明了不存在通用算法。到了1970年代，吴文俊以“吴方法”开创几何定理机器证明先河。

由数学到AI赋能，周伯文指出，在提出问题后，更应该关注AI赋能科研是否会出现划定边界的“哥德尔定理”，又是否会出现突破边界的“吴方法”。

对于AI赋能“过热”现象，周伯文认为，既要把握“被高估”的当下，也要投身“被低估”的远方。他提出的“交叉之问”，指出了AI赋能科研不能仅局限于AI与单点学科的交叉赋能，更大的价值在于加速融合多学科、激发新科学。

周伯文指出，科学研究最肥沃的领域在于现有成熟学科的融合点。他举了一个例子。美国数学家、机器翻译奠基者沃伦·韦弗1933年指出，生物学研究的未来在于与物理学等学科的交叉。作为洛克菲勒基金会自然科学分部的掌舵者，韦弗将年度预算的80%投入交叉领域。1938年，他将这一领域命名为“分子生物学”。此后，这一领域指引了数十年的科研方向，为DNA双螺旋结构、现代遗传学等奠定基础。