中国科学院院士、复旦大学副校长张人禾：科学发现与人工智能相互促进，已形成良性循环

近年来，科学智能成为各行各业热议的话题。它不仅改变了我们的生活，也为科学研究带来更多可能。

中国科学院院士、复旦大学副校长张人禾在2023 Inclusion•外滩大会上表示：“受科学机理启发而构建的新模型的持续出现，形成了科学发现启发人工智能升级，人工智能作为科学研究的新工具，进一步赋能科学发现的相互促进的良性循环。”

科技创新是推动我国科技跨越式发展、产业优化升级和生产力整体跃升的重要战略资源。张人禾表示，科学智能也是推动科学研究范式变革、重塑科学发现以及实现科技原始创新策源的利器。

在基础研究领域中，多数模型都遵循数学与物理定律，科学智能能够起到解析和探索这些规律，以促进研究者对自然现象理解，从而推动基础科学发展，改变研究范式的作用。

张人禾举例道，在量子力学中，人工智能可被用于学习神经波函数，探讨量子多体问题的求解；在蛋白质研究领域，人工智能能够在蛋白质结构预测、蛋白质表征学习、蛋白质骨架生成等方面起到重要作用。

此外，科学发现是一个多方面的过程，涉及到假设形成、实验设计、数据收集和分析等相互关联的过程。在此过程中，人工智能将扮演“加速器”的角色，在科学发现的每个阶段增强和加速研究，从而重塑科学发现，推动新的成果与进展不断涌现，进而形成科学发现的良性循环。

从范式角度出发，科学智能为数据驱动以及机理驱动提供了一条融合发展的路径。

数据驱动通过对数据的分析寻找科学规律并解决实际问题，但其可解释性较弱。机理驱动，是一种基于第一性原理的研究方式，其目标是发现物理事件的基本原理及其经典案例，但机理驱动存在因计算量过大而空有原理却无法有效使用的困境。

张人禾表示，科学智能能够更有效地融合数据和机理，降低对大数据和大算力的依赖，提升模型准确性和可解释性。

例如，气象学领域FourCastNet的经典案例。FourCastNet通过ERA5再分析数据训练，将自适应傅里叶神经算子、降水量诊断模型等技术，进行0.25度分辨率的全球关键气象要素预报，使得 AI 气象模型首次能够与传统物理模型进行直接比较。

在未来，科技智能在经济社会可持续发展中可能将起到至关重要的作用。

“目前，国内的科学智能也在迅速发展，但是仍处于起步阶段，”张人禾说，“相继涌现出的科学领域大模型，如首个工业级流体仿真大模型等，为我国近一步组织科学智能力量，聚焦基础研究关键科学问题，构建领先的模型算法和软件工具，产出突破性、颠覆性科研成果，打通科学智能生态等奠定了良好的基础。”