构建面向人工智能时代的科研生态当前，以深度学习、大语言模型为代表的人工智能（以下简称 AI）技术深度赋能科学研究，带来科研范式和产 业 形 态 的 新 变 革 。 人 工 智 能 驱 动 的 科 学 研 究（AIforScience，以下简称 AI4S）已在蛋白质三维结构预测、分子动力学模拟、芯片全自动设计、新型药物研发等领域展现出超越传统科研范式的强大优势，有望成为驱动科学研究的“第五范式”。近年来，美国、欧盟、日本加速推动 AI4S，我国也启动了人工智能驱动的科学研究专项部署工作，将 AI4S 提升到国家科技战略的高度。AI4S 不仅代表着一种新型科研技术手段和方法，更是一种全新的知识生产模式，要求对科学研究的思维、行为和组织模式进行全方位变革。我国在 AI 技术、科研数据和算力资源等方面有良好基础，但是传统科研生态在人才培养、科研组织、科研资源和科技伦理等方面面临突出挑战。推动构建与 AI4S发展相适应的科研生态有助于增强我国基础科学研究实力促进“人工智能+”赋能新质生产力发展，助推实现高水平科技自立自强。 人才培养：从专门人才到复合人才 人类特有的非线性抽象思维与机器的逻辑推理模式在AI4S 中深度融合。科研工作者通过提供创新思维和专业知识来优化 AI 模型，AI 则以其强大的数据处理能力为科研工作者提供海量知识库、模拟自然现象并推断未知规律。“人类在环”模式是 AI4S 的关键，它强调了在科研过程中人类角色的不可或缺性。从提出研究要求、设定目标，到提供专业知识、控制过程和评估结果，每一步都离不开人的参与。尽管 AI 科学家和工程师的协助至关重要，但在各领域的智能化建模中，本领域的科学家仍需占据主导地位这一模式对科研人才的能力提出了更高要求。 因此，必须转变传统的“专门人才”培养模式，积极构建面向 AI4S 的复合型人才培养体系。一要重视培养具备深厚 AI 技术理论基础和实践应用能力的专业人才。建设面向 AI4S 基础设施、基本算法的研究人才梯队，支撑并引领AI4S 发展。二要完善交叉学科人才培养体系。促进科研人员跨学科学习，实现 AI 技术与本领域知识的融合应用，形成既懂 AI 又懂专业领域知识的复合型人才队伍。三要加强思想引导与技能提升。引导科研人员认识到 AI4S 在各学科领域的重要性，鼓励他们主动拥抱这一新型科研范式。同时，提升科研人员进行高水平人机交互的能力，使他们熟练运用 AI 工具开展科学研究。 科研组织：从作坊模...
VIP
