2025年2月6日，谷歌發布《利用AI構建科學未來政策框架》文件，旨在為世界各地的政策制定者提供一份藍圖，以幫助制定政策，充分釋放AI在推動科學進步方面的潛力。

該文件指出，當前由AI驅動的科學革命并非要取代人類科學家，而是要將他們的能力提升到前所未有的程度。AI的真正力量在于其能夠極大地加速科學研究過程，在某些領域，如新藥研發、材料科學和疾病診斷，AI甚至能將傳統實驗和研究所需的數百年乃至上千年的工作壓縮至幾個月甚至幾天內完成。

此外，AI工具使得對海量數據的復雜分析成為可能，并使更多的研究者能夠參與其中，促進了科研合作，開辟了全新的研究方向。

2015年1月谷歌的調查顯示，70%的人認為AI將在科學（72%）和醫學（71%）領域產生積極影響，領先于在農業（60%）和網絡安全（57%）等領域的應用。

如今，AI在自然科學領域的應用正以前所未有的速度加速發現，如AlphaFold對蛋白質結構的預測，GNoME更是已經成功發現了220萬個新晶體，相當于近800年來經典研究技術的知識積累等。AI在氣候科學領域（如谷歌的洪水預測AI模型、野火AI探測等）、能源領域、醫療保健、量子科學等領域也已有突破性應用。這些成功案例表明，AI不僅加速了科學研究的進程，還拓寬了科學探索的邊界。

但是AI的潛力尚未完全釋放。通過制定合適的政策，各國政府可以為科學家提供必要的工具和資源，從而推動更多科學突破，解決全球性的挑戰。

基于此，該文件提出了一個政策框架，即“三I支柱”：基礎設施（Infrastructure）、投資（Investment）、創新（Innovation）。

支柱一：基礎設施——提升對AI基礎設施的訪問

該文件指出，當前AI在科學領域的應用面臨諸多挑戰，如數據獲取的困難、計算能力的限制以及跨學科合作的障礙。為了解決這些問題，文件提出以下建議：

一是建立國家和國際數據、模型、計算和軟件庫。

各國政府應建立國家AI科學資源中心，提供高質量的科學數據、AI模型、計算能力和軟件工具，開展案例征集以及提供AI教育資源等。這些中心不僅應服務于本國科學家，還應與國際資源中心合作，促進全球范圍內的科學協作。

例如，在美國，Data.gov匯集了來自各政府機構的數據集，國家科學基金會還資助建立了國家數據平臺，產業界和學術界還合作建立了一個名為The Well的大型科學數據存儲庫，其中包含15TB的物理模擬數據，涵蓋了不同的科學領域。美國政府還與私營部門合作正在開展“國家AI研究資源試點”（NAIRR），通過提供計算、數據、軟件和培訓資源，促進AI研究。

二是促進數據可訪問性和軟件互操作性。

該文件認為，為了最大化數據的價值，政府應制定開放數據政策，確保政府資助的研究數據和公共數據集的可訪問性。例如，例如，美國NASA的EMIT、德國的EnMAP和日本的HISUI為開發氣候科學的人工智能模型提供了寶貴的數據。同時，該文件還建議，政府應該制定明確的路線圖，列出它們最緊迫的挑戰，并創建一個科學界缺乏數據的優先領域列表。但在構建科學數據集時必須保護個人隱私信息。在敏感領域，如醫療和衛生保健，政府應推動創建可以用于訓練AI模型和解決公共產品與服務差距的全面匿名化、廣泛代表性的數據集。

此外，該文件還強調了軟件互操作性的重要性。通過開發和推廣開源工具和標準化接口，科學家可以更方便地整合不同來源的數據和模型，從而提高研究效率。

支柱二：投資——投資AI科學

該文件指出，長期的科學研究需要穩定的資金支持，而AI的快速發展也為科學投資提供了新的機遇。

一是推動對社會有益的科學創新AI項目和倡議。

第一，擴展現有的財政支持機制，并建立新的資金支持體系，以幫助推動AI賦能科學應用領域的小型企業發展。

第二，增加對高社會影響項目的資金投入，以填補私人投資的不足。

第三，創建聚焦解決科學問題的公共重大挑戰項目，包括減輕人口增長和過度消費、生態系統破壞、氣候變化影響和污染等相互關聯的問題。醫療、教育和國家安全等領域的AI挑戰獎項還可能會加速創新。

第四，加強公共部門采購，以推動AI創新。例如，全球許多城市已經采納了GreenLight項目，利用AI驅動的交通信號燈控制來減少交通排放和優化城市交通。

第五，確保在長時間內追求雄心勃勃的目標的充足和持續的資金。政策制定者應確保為AI研究提供的資金能夠持續足夠長的時間，以便研究議程能夠演變、成熟并產生有形的結果。

第六，擴大利用科學進步造福社區的非營利組織的社會影響力。政府鼓勵AI與科學研究進行社會有益組合的另一種方式是非營利領域。支持可以采取贈款和財政援助的形式，或者更重要的是擴大解決方案的合作努力。

二是加強跨學科研究以促進學科合作。

第一，建立和資助AI賦能科學的研究中心和項目，以應對復雜的科學挑戰。AI專家與科學領域專家之間的跨學科合作對于開發更高效、更精確的AI科學解決方案至關重要。然而，研究環境的孤立化以及職業發展中對跨學科工作的激勵機制不足，往往阻礙了這種合作。MIT-Google計算創新計劃是產學合作如何將跨學科團隊聚集在一起，加快全球社會和可持續發展挑戰研究的一個例子。通過建立跨學科研究中心和項目，政府可以激勵AI專家和非AI科學家之間的合作，整合多領域知識，推動跨部門創新。

第二，資助AI與其他新興技術交叉領域的研究。AI與量子計算、生物技術和納米技術等領域的融合進步為協同突破提供了前所未有的機會。

三是建立強大的人才儲備。

第一，投資所有科學學科開展AI教育，培養下一代精通AI的科學家。政府應該通過公共資金和公私伙伴關系，增加獎學金、研究基金及資助計劃的投入，支持從事AI與科學領域交叉研究的研究生及早期職業研究人員。

此外，政府應通過更新專業發展計劃，率先對教育工作者進行AI概念的培訓。大學和學院也可以將AI整合到他們的課程中發揮關鍵作用。學術機構可以通過提供專門的AI項目和跨學科課程，將AI與其他科學學科相結合，為下一代科學家提供駕馭未來AI驅動未來所需的技能。

第二，在STEM領域競爭人才，無論在哪里。STEM領域的學生、研究人員和科學家來自世界各地，政府應該給予自己一切機會，從競爭激烈的全球科學和人工智能人才中吸引候選人。為了爭奪人才，政府可以增加獲得培訓項目和研究基礎設施的機會，通過簡化簽證計劃來積極招募國際研究人員，并在國內培養下一代AI和科學專家。

第三，支持提供AI技能項目的非營利組織。提升AI技能水平將增強各國社會在科學應用領域的開發和采用能力。專注于AI技能提升（upskilling）和再培訓（reskilling）的非營利組織在這一過程中發揮著重要作用，它們不僅能夠擴大AI技能在社區中的普及度，還能培養新一代的AI創新者、開發者和應用者，使其能夠構建和利用AI技術，以推動科學和社會的進一步發展。

這種支持可以以贈款和合同的形式，提供培訓/教育材料，或簡化贈款申請和評估過程，以及數據驅動的贈款分配，以增強以教育為重點的非營利組織。

支柱三：創新——實施促進科學和創新的法律框架

該文件指出，科學進步依賴于數據的自由流動和開放合作，但同時也需要適當的法規來確保數據隱私、知識產權和跨境數據流動的安全。基于風險、特定行業、與技術中立的法律法規框架將促進全球合作、數據共享和合規，使世界各地的機構和公司能夠快速、安全地創新。

一是制定負責任和合理使用數據的協調條例。

第一，制定（或維護）版權框架，以便安全使用公開可用的信息來訓練和測試人工智能系統。AI模型并非僅僅是其訓練數據的壓縮副本。訓練模型是對訓練數據的一種轉化性、非表現性的使用，應該在具有合理使用條款的司法管轄區內被視為合理使用，或在依賴于列舉例外條款的司法管轄區內被視為符合文本數據挖掘（TDM）例外的條件。

第二，制定統一的數據隱私法，重點是負責任和合理的數據收集和使用。對于政策制定者來說，尤其重要的是要在數據保護權和科學進步的社會利益之間權衡。隱私法規應旨在具有適應性、基于風險、技術中立性，并側重于減輕輸出的潛在危害，而不是規定開發中使用的輸入。

第三，加強貿易政策，支持跨境數據流動。AI依賴于快速訪問大量數據（其中大部分可能存儲在海外）的能力，以及在通常位于世界各地的不同研究小組之間快速交換信息的能力。使用和匯總來自不同地區的數據也使研究人員能夠訪問更廣泛的樣本、變量和條件，從而得出能夠很好地推廣到現實世界場景的穩健解決方案。

二是促進負責任的AI發展的法規。

第一，采用適度和基于風險的監管方法，重點關注使用環境和實際風險，而不是底層技術。通過將監管重點放在已知人工智能風險可能或可能產生重大影響的潛在有害用例上，各國可以實施相稱的方法，保護人民并為科學進步留出空間。

第二，采取措施減輕整個科學生態系統發生危險后果的風險。

第三，將用于科學目的的進入市場前AI研發從AI法規中豁免。

第四，促進國際合作框架并接受科學屆AI賦能研究共同指導方針。

第五，為快速實驗建立與供應商無關的監管沙盒。

該文件最后指出，AI是我們實現突破的新方式。但AI帶來的科學收益并非自動實現。公共政策將在塑造社會是否以及如何實現AI的科學潛力方面發揮重要作用，并決定我們是否能夠取得新的發現，并將這些發現應用于健康、能源以及其他關鍵挑戰的實際解決方案中。

資料來源：

Google（2025）. A Policy Framework for Building the Future of Science with AI. https://static.googleusercontent.com/media/publicpolicy.google/zh-CN//resources/ai_policy_framework_science_en.pdf

[本文為教育部國別和區域研究基地中國教育科學研究院國際教育研究中心成果]

本文由“教育國際前沿課題組”（IFRGE）課題組成員整理，課題負責人張永軍，編輯劉強。內容僅供參考，點擊左下角“閱讀原文”可官網下載該文獻。