科技日报记者 陈可轩
AI for Science（人工智能驱动的科学研究，以下简称“AI4S”）如何推动更多社会资源投向科学研究，形成科研服务新业态？在日前中国科协立项支持，中国科技新闻学会主办的“AI4S场景创新”研讨活动上，多位专家对此进行了解读。
“AI4S首先带来了科研的自动化，将科研人员从文献分析、试验模拟、数据分析等科研活动中解放出来，从事更需要创造力的工作。同时，AI4S降低了科研的门槛，更大量、更多元的新主体得以从事科研，大批初创企业和行业龙头企业有能力开展高水平的科研活动。”北京市长城企业战略研究所副总经理黄波认为，在AI4S的科研范式中，大模型和大数据正在成为科研突破的关键。
“AI4S致力于解决海量科研投入与极其有限的科学发现之间的不平衡，缓解科学生产力供给不足的问题。”北京深势科技副总裁刘会师认为，AI4S应该让科学家有适宜的工具去发展科学。“未来，我们希望科研智能体能够帮助科学家在刚刚产生灵感或思路的时候，就可以快速利用AI完成方案模拟和实验验证。”刘会师说。
AI4S正在应用于更多前沿科学领域。例如在材料发现领域，谷歌DeepMind利用GNoME模型，预测了数百万种全新稳定晶体结构，并成功指导实验室合成了数百种新材料。在生物医药领域，其应用更是不胜枚举。
在我国，AI4S的科研服务已在制药领域获得全面应用。一些制药领域的上市公司、独角兽企业以及多个获得高额融资的初创企业，已经能够提供AI蛋白质设计平台、生命科学大模型、自动化实验室等AI4S平台服务。
用AI来进行虚拟临床试验，将“试错”在计算机上完成，再到真实试验中进行“验真”——未来，AI将大幅提升药物研发的效率。中科计算技术西部研究院研究员赵宇介绍，目前中国科学院计算技术研究所计算医学团队从全部人类基因组数据出发，将疾病模型、功能信息、细胞特征等内容数字化，形成个体数字孪生患者，这使得原本需要基于人体进行的大量临床试验，可以在数字孪生的患者模型中预先进行虚拟临床试验，进而筛选出适宜进行临床试验的患者。
在AI4S带来的激励下，商业、资本有更多可能参与科研投资。“这种情况下，科技与商业的融合速度显得非常重要。比如，当科学界发现一个具有制药潜力的新分子时，谁能够率先进行商业化的落地，谁就能抢得先机。”黄波说。“AI4S催生的科研成果还需要一个能够赚钱的商业机制和市场环境。只有‘从0到1’的科研成果能够赚到钱，企业才有创新的动力，才能投入更多资源，支持原始创新。这是AI4S产业化需要面对的问题。”清华大学药学院教授、原副院长尹航说。
网友评论
