近年来，人工智能（AI）技术在科学研究中的应用日益广泛，AI4S（AI for Science）正成为科技发展的前沿领域。从材料发现到蛋白质结构预测，AI正在改变科学研究的范式，推动科学发现的精度和效率。本文将探讨AI4S的现状、挑战与未来，并分析高质量数据与开源在其中的关键作用。
AI4S的现状与机遇
AI4S不仅是当前科技发展的前沿，更是历史性的机遇。欧洲科学院外籍院士、清华大学人工智能研究院常务副院长孙茂松指出，AI4S的黄金时期已经到来，谁动手快，成果就落到谁家。他引用李白的诗句“长风破浪正当时，直挂云帆济沧海”，形容当前的历史性机遇。
孙茂松提到，AI4S的对象是自然科学，其中存在不变的规律，这恰恰最适合人工智能发挥作用。例如，DeepMind利用深度学习发现新材料的研究，发表在《自然》杂志上的文章显示，用此方法发现新的稳定材料数量急剧增加，极大提高了科学发现的精度和效率。
高质量数据：AI4S的核心驱动力
在AI4S的发展中，高质量数据扮演着至关重要的角色。上海人工智能实验室青年科学家何聪辉指出，主流模型的训练语料在过去4年间提升了3个数量级，对数据需求快速增强，全网数据预计将在2026-2028年使用完毕。因此，寻找更高效地提升模型性能的方法，是当前AI领域的重要任务。
何聪辉强调，未来的数据优化方向将集中在“高知识密度”数据上。这类数据超出一般水平，包含更加深刻知识和见解，如科学领域的硕士、博士级别的专业数据，甚至包括博士、博士生导师和科学家们思考深度过程的数据。这类数据的获取虽然不易，但其价值不可估量。
开源：推动AI4S发展的重要力量
开源正在快速重构AI产业生态，也在改变竞争规则。何聪辉作为开源项目OpenDataLab和MinerU的创始人，认为开源加速了AI技术的民主化，让大家不用“重复造轮子”，聚焦在已有成果上的二次创新。例如，MinerU智能文档解析工具在发布短短几个月内在Github上获得2.6万个星标，加速了数据准备、模型迭代和落地的效率。
开源不仅提升了技术透明度，还促进了AI的安全可信，推动了AI治理和可持续发展。DeepSeek的开源计划也备受期待，何聪辉希望能在数据集构建、数据处理管线、数据合成方法等领域向DeepSeek学习。
未来展望：AI4S的挑战与机遇
尽管AI4S前景广阔，但也面临诸多挑战。孙茂松指出，目前大模型虽取得了显著成果，但对于其产生能力的机理却尚未明晰。研究大模型的机理迫在眉睫，一旦揭示清楚，可能会推动人工智能的大发展，实现经验主义与理性主义的结合。
此外，AI4S的未来发展还需要更多跨学科的合作与创新。孙茂松认为，AI4S不仅需要解决根节点问题，还要确保问题有高度相关的高质量数据，且是人做得不太好的领域。参加公开学术比赛也是一条捷径，AlphaFold就是通过参加学术比赛取得第一，从而推动了自身发展。
结语
AI4S正处在黄金时期，高质量数据与开源是推动其发展的核心驱动力。随着技术的不断进步与跨学科合作的深入，AI4S将为科学研究带来更多突破性成果。正如孙茂松所言，“花开堪折直须折，莫待无花空折枝。”抓住这一历史性机遇，AI4S必将迎来更加辉煌的未来。
相关文章
