2024年11月，谷歌旗下人工智能公司Deepmind發(fā)布《科學(xué)發(fā)現(xiàn)的新黃金時(shí)代：抓住人工智能輔助科學(xué)的機(jī)遇》（A New Golden Age of Discovery: Seizing the AI for Science Opportunity）報(bào)告，探討了人工智能在科學(xué)研究中的應(yīng)用機(jī)遇、要素、風(fēng)險(xiǎn)挑戰(zhàn)及政策議程。報(bào)告指出，人工智能的應(yīng)用不僅能夠加速科學(xué)發(fā)現(xiàn)，還能推動(dòng)社會(huì)進(jìn)步，但同時(shí)也面臨諸多挑戰(zhàn)，如對(duì)科學(xué)創(chuàng)造力、可靠性和理解的潛在影響等。報(bào)告建議，政策制定者應(yīng)通過(guò)定義人工智能在科學(xué)中的關(guān)鍵問(wèn)題、優(yōu)化數(shù)據(jù)管理、加強(qiáng)人工智能教育和推動(dòng)新型科學(xué)組織等方式，迎接人工智能賦能科學(xué)的黃金時(shí)代。

一、人工智能應(yīng)用于科學(xué)研究的五大機(jī)遇

（一）科學(xué)知識(shí)的管理與傳播

為了取得新發(fā)現(xiàn)，科學(xué)家需要掌握一個(gè)不斷擴(kuò)展且日益專(zhuān)業(yè)化的知識(shí)體系，這解釋了為何作出變革性發(fā)現(xiàn)的科學(xué)家多數(shù)是年長(zhǎng)、跨學(xué)科的，并集中在頂尖大學(xué)。在以前，多數(shù)科學(xué)家們通過(guò)晦澀難懂、充滿(mǎn)專(zhuān)業(yè)術(shù)語(yǔ)的論文分享研究成果，這可能降低決策者、企業(yè)和公眾對(duì)其工作的興趣。如今，科學(xué)家們已經(jīng)開(kāi)始使用基于大語(yǔ)言模型的科學(xué)助手，例如通過(guò)Gemini大語(yǔ)言模型可在一天內(nèi)從20萬(wàn)篇論文中提取并篩選最相關(guān)的數(shù)據(jù)。未來(lái)，隨著大語(yǔ)言模型的微調(diào)和改進(jìn)，科學(xué)家們將能夠更高效地整合和傳播知識(shí)。

（二）科學(xué)數(shù)據(jù)的收集、標(biāo)注與生成

人工智能可以提升現(xiàn)有數(shù)據(jù)收集的準(zhǔn)確性，例如，它可以減少DNA測(cè)序、檢測(cè)樣本中的細(xì)胞類(lèi)型或捕捉動(dòng)物聲音時(shí)產(chǎn)生的噪音和錯(cuò)誤。科學(xué)家還可以利用大語(yǔ)言模型的能力，提取科學(xué)出版物、檔案以及教學(xué)視頻等資源中隱藏的非結(jié)構(gòu)化科學(xué)數(shù)據(jù)，并將其轉(zhuǎn)換為結(jié)構(gòu)化數(shù)據(jù)集。人工智能還可以為科學(xué)數(shù)據(jù)添加標(biāo)注，提供科學(xué)家使用數(shù)據(jù)所需的支持信息。此外，經(jīng)驗(yàn)證的人工智能模型還能生成新的合成科學(xué)數(shù)據(jù)，通過(guò)對(duì)其他數(shù)據(jù)的補(bǔ)充，為科學(xué)數(shù)據(jù)發(fā)展提供有力支持。

（三）科學(xué)實(shí)驗(yàn)的模擬和優(yōu)化

許多科學(xué)實(shí)驗(yàn)成本高昂、過(guò)程復(fù)雜且進(jìn)展緩慢。人工智能可以幫助模擬和優(yōu)化實(shí)驗(yàn)。以人類(lèi)DNA中的錯(cuò)義變異為例，Deepmind的AlphaMissense模型可將7100萬(wàn)個(gè)潛在變異中的89%分類(lèi)為無(wú)害或有害，幫助科學(xué)家聚焦于高風(fēng)險(xiǎn)變異來(lái)進(jìn)行實(shí)驗(yàn)，從而提高研究效率。人工智能模擬實(shí)驗(yàn)并非替代物理實(shí)驗(yàn)，而是為其提供指導(dǎo)和優(yōu)化，推動(dòng)科學(xué)研究的高效發(fā)展。

（四）復(fù)雜系統(tǒng)的建模和仿真

傳統(tǒng)數(shù)學(xué)模型在描述生物、經(jīng)濟(jì)、氣象等復(fù)雜系統(tǒng)時(shí)面臨維度災(zāi)難、混沌特性和突發(fā)行為等根本性挑戰(zhàn)，人工智能的出現(xiàn)則為解決這一難題帶來(lái)新曙光。以天氣預(yù)報(bào)為例，傳統(tǒng)數(shù)值方法雖有用但存在局限性，而深度學(xué)習(xí)系統(tǒng)在2023年實(shí)現(xiàn)了更準(zhǔn)確、快速的10天氣候預(yù)測(cè)，甚至助力應(yīng)對(duì)氣候變化。人工智能與基于智能體的建模相結(jié)合，通過(guò)生成智能體和強(qiáng)化學(xué)習(xí)，模擬經(jīng)濟(jì)系統(tǒng)中個(gè)體行為的動(dòng)態(tài)變化，為復(fù)雜系統(tǒng)提供更靈活、精準(zhǔn)的模擬方式。未來(lái)，人工智能將在豐富拓展傳統(tǒng)方法的基礎(chǔ)上推動(dòng)復(fù)雜系統(tǒng)研究的突破。

（五）科學(xué)問(wèn)題的解決方案

在科學(xué)研究中，許多領(lǐng)域仍有許多潛在待探索的解決方案，例如設(shè)計(jì)小分子藥物或蛋白質(zhì)結(jié)構(gòu)時(shí)，傳統(tǒng)方法難以有效探索這些解決方案，而人工智能可以更快地鎖定最可行的解決方案。例如，DeepMind的AlphaProof和AlphaGeometry 2系統(tǒng)在國(guó)際數(shù)學(xué)奧林匹克競(jìng)賽中成功解決了數(shù)學(xué)問(wèn)題，展現(xiàn)了強(qiáng)大的推理能力。這些系統(tǒng)基于Gemini 大語(yǔ)言模型架構(gòu)，通過(guò)生成大量新想法并結(jié)合數(shù)學(xué)邏輯逐步篩選，高效鎖定可行的解決方案。人工智能為分子設(shè)計(jì)、數(shù)學(xué)證明等復(fù)雜問(wèn)題開(kāi)辟了新的探索路徑，顯著提升了研究效率，為科學(xué)研究帶來(lái)了前所未有的機(jī)遇。

二、人工智能助力科學(xué)研究的九大要素

（一）問(wèn)題選擇

科學(xué)進(jìn)展依賴(lài)于能夠識(shí)別一個(gè)重要問(wèn)題并提出解決它的正確思路。許多時(shí)候，一個(gè)問(wèn)題在理論上適合人工智能，但由于實(shí)際條件尚未到位，因此需要暫時(shí)擱置。除了選擇正確的問(wèn)題，明確其合適的難度層次也很重要。如果選擇一個(gè)過(guò)于困難的問(wèn)題，就無(wú)法產(chǎn)生足夠的反饋或數(shù)據(jù)來(lái)推動(dòng)進(jìn)展。要做到這一點(diǎn)，需要結(jié)合直覺(jué)判斷和不斷嘗試的實(shí)踐過(guò)程。

（二）評(píng)估

科學(xué)家們通過(guò)基準(zhǔn)測(cè)試、指標(biāo)和競(jìng)賽等評(píng)估方法來(lái)衡量人工智能模型的科學(xué)能力。如果這些評(píng)估方法運(yùn)用得當(dāng)，可以用于跟蹤進(jìn)展、激勵(lì)方法創(chuàng)新，并激發(fā)研究人員對(duì)科學(xué)問(wèn)題的興趣。通常情況下，需要多種評(píng)估方法來(lái)綜合衡量模型的表現(xiàn)。最具影響力的“人工智能驅(qū)動(dòng)的科學(xué)研究”評(píng)估方法通常是由社區(qū)主導(dǎo)或認(rèn)可的。例如，“蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)關(guān)鍵評(píng)估”（CASP）競(jìng)賽。該競(jìng)賽不僅成為了一個(gè)獨(dú)特的全球科研社區(qū)，也成為了推動(dòng)研究進(jìn)步的催化劑。社區(qū)認(rèn)可的需求也支持了發(fā)布基準(zhǔn)測(cè)試的必要性，以便研究人員能夠使用、評(píng)估和改進(jìn)這些測(cè)試。此外，科學(xué)家、人工智能實(shí)驗(yàn)室和政策制定者還應(yīng)探索評(píng)估人工智能模型科學(xué)能力的新方式，比如建立新的第三方評(píng)估機(jī)構(gòu)、舉辦競(jìng)賽，以及讓科學(xué)家更自由地對(duì)人工智能模型能力進(jìn)行開(kāi)放性探索。

（三）算力

多項(xiàng)政府審查已認(rèn)識(shí)到算力資源在推動(dòng)人工智能、科學(xué)及更廣泛經(jīng)濟(jì)領(lǐng)域發(fā)展的重要性。人工智能實(shí)驗(yàn)室和政策制定者應(yīng)采取務(wù)實(shí)的、長(zhǎng)期的視角，考慮人工智能模型和具體應(yīng)用場(chǎng)景的不同算力需求，以及與不依賴(lài)人工智能的科學(xué)進(jìn)步方法相比的效益。此外，人工智能實(shí)驗(yàn)室和政策制定者需要通過(guò)實(shí)證手段跟蹤算力資源的使用情況，了解其演變趨勢(shì)，并預(yù)測(cè)這些趨勢(shì)對(duì)未來(lái)需求的影響。

（四）數(shù)據(jù)

數(shù)據(jù)與算力一樣，是人工智能科學(xué)研究的關(guān)鍵基礎(chǔ)，需要持續(xù)開(kāi)發(fā)和更新。自上而下的數(shù)據(jù)項(xiàng)目（如美國(guó)奧巴馬政府發(fā)起的材料基因組計(jì)劃）為科學(xué)研究提供了重要基礎(chǔ)，但許多突破性進(jìn)展依賴(lài)于個(gè)人或小團(tuán)隊(duì)生成的數(shù)據(jù)。例如，gnomAD遺傳變異數(shù)據(jù)集和Lean編程語(yǔ)言的成功，展示了個(gè)體努力的價(jià)值。然而，數(shù)據(jù)管理存在諸多問(wèn)題：部分?jǐn)?shù)據(jù)因缺乏資金和標(biāo)準(zhǔn)而被丟棄或未被充分利用；數(shù)據(jù)許可限制和不一致的存儲(chǔ)標(biāo)準(zhǔn)也阻礙了人工智能的應(yīng)用。因此，需要結(jié)合自上而下的規(guī)劃和激勵(lì)機(jī)制，鼓勵(lì)個(gè)人參與數(shù)據(jù)管理各階段工作，確保數(shù)據(jù)的高質(zhì)量、可訪(fǎng)問(wèn)性和可持續(xù)性。

（五）組織設(shè)計(jì)

學(xué)術(shù)界和工業(yè)界在科研方向上分別呈現(xiàn)自下而上和自上而下的特點(diǎn)。近年來(lái)，新的科研機(jī)構(gòu)不斷涌現(xiàn)，它們?cè)谀繕?biāo)、資金模式和研究方向上各具特色，但共同追求高風(fēng)險(xiǎn)、高回報(bào)的研究。這些機(jī)構(gòu)聚焦于應(yīng)用人工智能或解決特定科學(xué)問(wèn)題，試圖在自上而下的協(xié)調(diào)和自下而上的科學(xué)家賦權(quán)之間找到平衡，例如，一些機(jī)構(gòu)通過(guò)設(shè)定里程碑聚焦特定問(wèn)題，而另一些則給予研究者更多自由資金，這種平衡對(duì)吸引和留住研究帶頭人至關(guān)重要。

（六）跨學(xué)科合作

許多復(fù)雜科學(xué)問(wèn)題需要跨學(xué)科合作，但研究人員在多學(xué)科團(tuán)隊(duì)中往往難以突破學(xué)科壁壘。為了培養(yǎng)這種合作，研究團(tuán)隊(duì)?wèi)?yīng)為其研究人員創(chuàng)造融合學(xué)科的角色和職業(yè)路徑。此外，還需鼓勵(lì)研究人員定期更換項(xiàng)目，促進(jìn)思想交流，并營(yíng)造好奇心、謙遜和包容的文化，以推動(dòng)不同背景的研究人員能夠在公開(kāi)討論中評(píng)價(jià)彼此的工作。

（七）可信使用

為了讓科學(xué)家信任并使用人工智能科學(xué)模型，必須明確其使用方式和潛在的安全風(fēng)險(xiǎn)。因此，開(kāi)發(fā)人員在發(fā)布模型時(shí)需平衡科學(xué)推廣、商業(yè)目標(biāo)和安全風(fēng)險(xiǎn)。為此，Deepmind創(chuàng)建了一個(gè)“影響力加速器”計(jì)劃以推動(dòng)突破性應(yīng)用。以AlphaFold 2為例，為促進(jìn)科學(xué)家使用，Deepmind開(kāi)源了代碼并與歐洲生物信息研究所合作開(kāi)發(fā)數(shù)據(jù)庫(kù)，方便科學(xué)家獲取蛋白質(zhì)結(jié)構(gòu)。AlphaFold 3進(jìn)一步擴(kuò)展了模型的能力，催生了AlphaFold Server等新工具，滿(mǎn)足多樣化需求，同時(shí)強(qiáng)調(diào)培養(yǎng)科學(xué)界計(jì)算技能的重要性。

（八）公私合作

人工智能驅(qū)動(dòng)的科學(xué)研究工作需要公私合作，以整合多樣化專(zhuān)業(yè)知識(shí)。合作需要貫穿項(xiàng)目全周期，從數(shù)據(jù)集創(chuàng)建到成果共享，尤其在人工智能模型評(píng)估中，科學(xué)家的專(zhuān)業(yè)知識(shí)不可或缺。例如，材料科學(xué)家對(duì)人工智能預(yù)測(cè)的新材料進(jìn)行評(píng)估，蛋白質(zhì)設(shè)計(jì)團(tuán)隊(duì)與研究機(jī)構(gòu)合作驗(yàn)證人工智能設(shè)計(jì)蛋白的功能。然而，建立合作關(guān)系面臨挑戰(zhàn)，如目標(biāo)對(duì)齊、成果權(quán)利、開(kāi)源與許可等問(wèn)題。此外，成功的合作還需明確價(jià)值交換規(guī)則，發(fā)揮各方優(yōu)勢(shì)。

（九）安全與責(zé)任

科學(xué)家對(duì)人工智能模型的潛在益處和風(fēng)險(xiǎn)存在分歧，倫理和安全評(píng)估有助于討論并指導(dǎo)人工智能模型的開(kāi)發(fā)。評(píng)估的起點(diǎn)是識(shí)別關(guān)鍵影響領(lǐng)域，同時(shí)還需對(duì)其可能影響的時(shí)間范圍以及人工智能在實(shí)現(xiàn)這些影響中的重要程度進(jìn)行評(píng)估。目前，許多人工智能的安全評(píng)估主要依賴(lài)于明確指出模型不應(yīng)輸出的內(nèi)容類(lèi)型，這些安全評(píng)估對(duì)由人工智能在科學(xué)研究中引發(fā)的風(fēng)險(xiǎn)（如生成不準(zhǔn)確內(nèi)容）是有用的。但對(duì)于其他風(fēng)險(xiǎn)（如生物安全風(fēng)險(xiǎn)），我們能否提前認(rèn)定“某些科學(xué)知識(shí)是危險(xiǎn)的”這一想法已經(jīng)受到了質(zhì)疑。事實(shí)上，科學(xué)知識(shí)具有“兩面性”，它既可用于有益的方面，也可被用于有害的方面。未來(lái)應(yīng)評(píng)估人工智能模型的危險(xiǎn)程度及其危害人類(lèi)的能力，并結(jié)合威脅行為者分析和訪(fǎng)問(wèn)管理來(lái)判斷風(fēng)險(xiǎn)程度。

三、人工智能在科學(xué)研究中面臨的五大風(fēng)險(xiǎn)挑戰(zhàn)

（一）創(chuàng)造力的同質(zhì)化

科學(xué)創(chuàng)造力指的是創(chuàng)造既新穎又有用的東西。目前，一些科學(xué)家擔(dān)心，人工智能系統(tǒng)往往專(zhuān)注于特定任務(wù)，依賴(lài)它們可能會(huì)忽視偶然的突破。還有人擔(dān)心，如果科學(xué)家普遍使用人工智能，可能導(dǎo)致研究輸出趨于同質(zhì)化。為緩解上述這些風(fēng)險(xiǎn)，科學(xué)家可以通過(guò)個(gè)性化調(diào)整人工智能的使用方式，促進(jìn)自己的創(chuàng)造力。例如，通過(guò)微調(diào)大語(yǔ)言模型來(lái)提出個(gè)性化的研究思路，或幫助科學(xué)家引導(dǎo)出自己的創(chuàng)意。

（二）科學(xué)研究的可靠性下降

科學(xué)研究的可靠性是指科學(xué)家能依賴(lài)彼此的研究結(jié)果，并確保這些結(jié)果并非偶然或錯(cuò)誤的。目前，科學(xué)研究的可靠性面臨一系列挑戰(zhàn)，如統(tǒng)計(jì)錯(cuò)誤和科學(xué)欺詐問(wèn)題。一些科學(xué)家擔(dān)心人工智能會(huì)加劇這些問(wèn)題，尤其是大語(yǔ)言模型可能產(chǎn)生虛假或誤導(dǎo)性輸出。還有人擔(dān)心大語(yǔ)言模型會(huì)產(chǎn)生大量低質(zhì)量論文。為應(yīng)對(duì)這些問(wèn)題，科研界正在推動(dòng)人工智能在事實(shí)核查方面的研究，旨在通過(guò)驗(yàn)證模型輸出的準(zhǔn)確性，確保其生成的內(nèi)容更加可靠。

（三）理解深度受限

科學(xué)家擔(dān)心，人工智能依賴(lài)模式匹配而忽視深入理解，這可能會(huì)削弱科學(xué)進(jìn)步。事實(shí)上，人工智能在數(shù)據(jù)集構(gòu)建和評(píng)估中融入了先驗(yàn)知識(shí)，一些模型還具備可解釋性輸出，例如FunSearch方法不僅輸出代碼，還解釋其解決方案的形成過(guò)程。人工智能還能通過(guò)開(kāi)辟新的研究方向促進(jìn)科學(xué)理解，例如，AlphaFold通過(guò)生成大量合成蛋白質(zhì)結(jié)構(gòu)，幫助科學(xué)家發(fā)現(xiàn)Cas13蛋白家族的新成員，挑戰(zhàn)了之前的進(jìn)化假設(shè)。盡管準(zhǔn)確性與可解釋性之間可能存在權(quán)衡，但人工智能的不透明性可能源于其在高維空間的運(yùn)行能力，這種能力雖難以解釋?zhuān)瑓s可能是實(shí)現(xiàn)科學(xué)突破的關(guān)鍵。

（四）社會(huì)公平失衡

科學(xué)研究領(lǐng)域存在顯著的不公平現(xiàn)象，包括研究資源、數(shù)據(jù)和成果的分布不均等。例如，高收入地區(qū)少數(shù)實(shí)驗(yàn)室主導(dǎo)科學(xué)成果，熱帶疾病和低收入國(guó)家的農(nóng)業(yè)問(wèn)題常常被忽視，女性和少數(shù)族裔科學(xué)家代表性不足等。一些科學(xué)家擔(dān)心，人工智能在科學(xué)領(lǐng)域的應(yīng)用日益增多，可能會(huì)加劇這些不平等現(xiàn)象。然而，人工智能也為改善公平性提供了機(jī)會(huì)。通過(guò)低成本工具和更廣泛的數(shù)據(jù)接入，人工智能可以幫助研究被忽視的問(wèn)題。例如，基于更大、更多樣化的數(shù)據(jù)集訓(xùn)練的人工智能模型在預(yù)測(cè)疾病風(fēng)險(xiǎn)時(shí)表現(xiàn)出更好的準(zhǔn)確性和公平性。

（五）環(huán)境影響爭(zhēng)議

近年來(lái)，越來(lái)越多的科學(xué)家對(duì)人工智能可能對(duì)環(huán)境產(chǎn)生的影響表示擔(dān)憂(yōu)。主要關(guān)注點(diǎn)集中在大語(yǔ)言模型訓(xùn)練和使用過(guò)程中的溫室氣體排放以及冷卻數(shù)據(jù)中心所需的水資源。生命周期評(píng)估方法可用于分析這些直接和間接影響。目前，數(shù)據(jù)中心和人工智能模型的直接排放僅占全球排放量的0.1-0.2%，但隨著大語(yǔ)言模型規(guī)模擴(kuò)大，排放可能增加。然而，通過(guò)微調(diào)和提高效率，未來(lái)大語(yǔ)言模型的能耗有望降低。在某些情況下，人工智能模型的排放量甚至低于傳統(tǒng)方法，例如AlphaFold 2的訓(xùn)練能耗與實(shí)驗(yàn)確定少量蛋白質(zhì)結(jié)構(gòu)的能耗相當(dāng)。

四、人工智能驅(qū)動(dòng)的科學(xué)時(shí)代下的政策議程

（一）為科學(xué)中的人工智能定義“希爾伯特問(wèn)題”

1900年，德國(guó)數(shù)學(xué)家大衛(wèi)·希爾伯特提出的23個(gè)數(shù)學(xué)問(wèn)題深刻影響了20世紀(jì)數(shù)學(xué)的發(fā)展。如今，為推動(dòng)人工智能科學(xué)進(jìn)步，國(guó)際社會(huì)呼吁科學(xué)家和技術(shù)人員提出關(guān)鍵的人工智能科學(xué)問(wèn)題，并由全球基金支持解決。這些問(wèn)題需明確其重要性、數(shù)據(jù)瓶頸及評(píng)估方法等方面。通過(guò)新數(shù)據(jù)集、評(píng)估方法和競(jìng)賽基準(zhǔn)，頂尖想法可成為科學(xué)競(jìng)賽的基礎(chǔ)，如人工智能科學(xué)奧林匹克競(jìng)賽，吸引全球青年人才。該倡議不僅直接推動(dòng)技術(shù)發(fā)展，還能協(xié)調(diào)國(guó)際科學(xué)合作與投資，激勵(lì)跨學(xué)科科學(xué)家共同探索人工智能的未來(lái)。

（二）建立“人工智能科學(xué)數(shù)據(jù)觀(guān)測(cè)站”網(wǎng)絡(luò)

當(dāng)前多數(shù)科學(xué)數(shù)據(jù)存在未收集、不完整等問(wèn)題，難以用于人工智能模型訓(xùn)練。為此，政策制定者可以建立一個(gè)國(guó)際性的“人工智能科學(xué)數(shù)據(jù)觀(guān)測(cè)站”網(wǎng)絡(luò)，以解決這些問(wèn)題。觀(guān)測(cè)站要開(kāi)展“數(shù)據(jù)盤(pán)點(diǎn)”，繪制數(shù)據(jù)狀況圖，明確數(shù)據(jù)集優(yōu)先級(jí)，確定新數(shù)據(jù)庫(kù)創(chuàng)建范圍等。政策制定者還應(yīng)借鑒相關(guān)國(guó)家經(jīng)驗(yàn)，推動(dòng)公共資助研究成果的開(kāi)放，與產(chǎn)業(yè)界等共同資助數(shù)據(jù)集計(jì)劃，以解決數(shù)據(jù)問(wèn)題，推動(dòng)人工智能在科學(xué)領(lǐng)域更好應(yīng)用。

（三）將人工智能融入科學(xué)教學(xué)

隨著科學(xué)技術(shù)的發(fā)展，科學(xué)家與技術(shù)的距離卻在拉大。為解決這一問(wèn)題，需為現(xiàn)有科學(xué)家提供資金支持，鼓勵(lì)他們參與短期、戰(zhàn)術(shù)性的人工智能培訓(xùn)計(jì)劃和獎(jiǎng)學(xué)金。政策制定者應(yīng)設(shè)定目標(biāo)，讓每個(gè)理科研究生都能獲得人工智能入門(mén)課程。培訓(xùn)內(nèi)容需根據(jù)學(xué)科和情況定制，從基礎(chǔ)的大語(yǔ)言模型使用到高級(jí)的模型微調(diào)，再到應(yīng)對(duì)數(shù)據(jù)泄露等復(fù)雜挑戰(zhàn)。同時(shí)，政策制定者需制定長(zhǎng)期計(jì)劃，將人工智能培訓(xùn)納入各級(jí)科學(xué)教育環(huán)節(jié)，如讓中學(xué)生了解人工智能的影響，大學(xué)生獲得跨學(xué)科人工智能學(xué)位。設(shè)立專(zhuān)門(mén)獎(jiǎng)學(xué)金如英國(guó)“BIG獎(jiǎng)學(xué)金”，為培養(yǎng)下一代科學(xué)家提供支持。

（四）收集證據(jù)并嘗試新的科學(xué)組織方式

科學(xué)家使用人工智能的速度正在迅速增長(zhǎng)，但政策制定者對(duì)誰(shuí)在最有效地使用它、如何使用以及有哪些障礙正在阻礙其他人的使用等情況，知之甚少。目前，Deepmind正在通過(guò)引文數(shù)據(jù)分析、訪(fǎng)談和社區(qū)互動(dòng)，了解科學(xué)家如何使用Deepmind的模型。這一證據(jù)基礎(chǔ)將為政策制定者提供決策依據(jù)，幫助他們預(yù)測(cè)人工智能如何改變科學(xué)與社會(huì)，以及如何優(yōu)化科學(xué)激勵(lì)機(jī)制設(shè)計(jì)。此外，人工智能的崛起為新型科研機(jī)構(gòu)的試驗(yàn)提供了機(jī)遇，從高風(fēng)險(xiǎn)高回報(bào)的研究機(jī)構(gòu)到解決特定瓶頸問(wèn)題的重點(diǎn)組織，甚至全新的跨學(xué)科機(jī)構(gòu)。誰(shuí)能更快地進(jìn)行實(shí)驗(yàn)，誰(shuí)就能在科學(xué)發(fā)現(xiàn)的黃金時(shí)代獲益最多。

免責(zé)聲明：本文轉(zhuǎn)自啟元洞見(jiàn)。文章內(nèi)容系原作者個(gè)人觀(guān)點(diǎn)，本公眾號(hào)編譯/轉(zhuǎn)載僅為分享、傳達(dá)不同觀(guān)點(diǎn)，如有任何異議，歡迎聯(lián)系我們！

轉(zhuǎn)自丨啟元洞見(jiàn)

研究所簡(jiǎn)介

國(guó)際技術(shù)經(jīng)濟(jì)研究所（IITE）成立于1985年11月，是隸屬于國(guó)務(wù)院發(fā)展研究中心的非營(yíng)利性研究機(jī)構(gòu)，主要職能是研究我國(guó)經(jīng)濟(jì)、科技社會(huì)發(fā)展中的重大政策性、戰(zhàn)略性、前瞻性問(wèn)題，跟蹤和分析世界科技、經(jīng)濟(jì)發(fā)展態(tài)勢(shì)，為中央和有關(guān)部委提供決策咨詢(xún)服務(wù)。“全球技術(shù)地圖”為國(guó)際技術(shù)經(jīng)濟(jì)研究所官方微信賬號(hào)，致力于向公眾傳遞前沿技術(shù)資訊和科技創(chuàng)新洞見(jiàn)。

地址：北京市海淀區(qū)小南莊20號(hào)樓A座

電話(huà)：010-82635522

微信：iite_er