科技日报记者 李均 通讯员 许凤婷
日前，第四十届人工智能协会年会（以下简称“AAAI 2026”）在新加坡召开。多位学者作大会特邀报告，共同探讨人工智能如何作为科学发现的新范式，赋能突破性研究和应对技术挑战与社会伦理问题。
上海人工智能实验室主任、首席科学家周伯文指出，当前科技界已身处“通用人工智能”（AGI）突破前夕，但仍面临“通专融合的智能”这一重要环节的缺失，亟须推动科学智能从1.0版向2.0版迭代演进，即从AI4S迈向AGI4S。他提出，若AGI等于通专融合，可深度专业化通用模型则是实现AGI的可行路径。
聚焦可深度专业化通用模型的关键挑战，周伯文认为，在训练过程中，专家化模型需要低成本、可规模化的密集反馈，能够持续不断地学习与主动探索，并具备为同一个问题提供多视角、多种解决方案的能力。
美国加州大学欧文分校物理学与天文学教授丹尼尔·怀特森分享了人工智能赋能科学研究的实践和思考：机器学习不仅提升了粒子物理学的数据分析效率，更拓展了科学发现的边界，使原本因假设限制而“不可见”的新物理现象成为可探索的目标。这一交叉领域正推动人类逼近宇宙的更深层真相。
还原数万亿粒子运动的模拟系统，曾占据了欧洲核子研究中心绝大部分的计算资源。如今，科学家能在一瞬间生成模拟数据，而非耗费数千小时的CPU运算时间。这是生成式人工智能在该领域的一项变革性应用。“这一应用可以让那些我们曾认为完全不可能的发现，成为现实。”怀特森期待，机器学习将带来能直接斩获诺贝尔奖的科学发现。
“未来几年，人工智能有望从根本上重塑科研、发明和技术进步，使人类突破探索极限，迈向人工智能辅助创造的新时代。”谷歌研究科学家、总监伊莎贝尔·盖恩在AAAI 2026报告中说。
伊莎贝尔·盖恩认为，人工智能将不再仅仅被用作发现工具，而是被嵌入到参与科学过程的智能体中，管理端到端的科学工作流程。这包括从现有文献中生成新假设、设计可验证实验、自动化验证和同行评审流程以检查严谨性和是否存在冲突，甚至提出修正建议的系统，从而从根本上重构验证和发表周期。
“为了确保这些人工智能体能够像优秀的科学家一样行事，我们必须构建一种奖励机制，这一机制不仅要重视预测准确性，还要重视创新性、实用性以及可重复性。”伊莎贝尔·盖恩说。
当前，人工智能时代曙光初显，它既带来前所未有的机遇，也带来严峻挑战。微软研究院杰出科学家、企业副总裁兼人工智能前沿实验室主任埃斯·卡玛尔认为，为构建理想的未来，人类必须直面最紧迫的社会技术、跨学科等开放性问题。“对我们这一代人来说，这场技术革命势必成为影响最为深远的变革。”埃斯·卡玛尔说。
网友评论
