科技日报记者 张晔 实习生 张鑫哲
“等我们看见它针叶变色，实际已经死了。”南京市溧水区农业农村局林特产技术推广站负责人窦浩，手指着几棵染病的松树，语气有些遗憾。
短短40天，松材线虫病就能杀死一棵健康的松树，并迅速扩散至整片松林，每年经济损失高达数千亿元。而病树变色之前，肉眼无法分辨。比人眼更早“看见”病树，正是AI的用武之地。
8月12日，百度集团与南京林业大学联合打造的全国首个AI+早期松材线虫病防治一体化平台正式亮相，可实现“病树未变色，AI先发现”，为松材线虫病的早发现、早判断和早处置提供技术支撑。
这仅仅是AI助力科研的一角，当天还有其他9项成果一同发布，覆盖数据驱动的机理预测、科学仿真的加速求解、可验证环境下的目标搜索和动态环境下的自主博弈四类方向，涉及材料、脑科学、光电、能源、数学和具身智能等多个领域。
点亮发现病树的“眼睛”
松材线虫病素有“松树的癌症”之称。在南京市溧水区，11.25万亩松林每年因此枯死1万至1.5万株，仅发现和清理枯死木，每年就要投入三四百万元。
防治的关键在于早发现。早期病症，肉眼和可见光影像都难以察觉——这恰是AI最擅长补上的短板。
“林业专家筛选出107个待认证病树特征项，但组合数量巨大，人工验证时间窗口根本不够。”南京林业大学信息科学技术学院、人工智能学院副院长林海峰教授说。
今年，南京林业大学引入百度自演化智能体“伐谋”后，融合可见光影像与多光谱数据，捕捉肉眼看不见的早期生理变化；科研人员只需输入评价准则与科学边界，AI便自主承担起大规模试错与搜索，把科研人员从重复性验证中解放出来。
107个候选特征最终形成29个特征组合库，特征筛选时间压缩约80%；病树召回率从89.1%提升至98.0%，误报率从13.6%降至5.1%，误判、漏判概率显著降低。
如今，无人机搭载多光谱相机飞掠松林，AI实时分析影像数据，从数万个像素点中捕捉人眼难以察觉的光谱异常，自动标注疑似病树并生成导航坐标。过去护林员靠肉眼逐棵辨认，一个月才能走完的普查，现在被压缩到以小时计。AI让护林员的工作从“翻山越岭”变成了“按图索树”。
“对于已经定义清楚的问题，AI可以帮助人们更快验证和找到更优解；对于尚未完全定义清楚的问题，AI则可以帮助科研人员提出新假设、发现新路径。”百度集团执行副总裁、百度智能云事业群总裁沈抖表示，AI正在走进企业和科研机构的真实任务场景，成为中国引领全球科技创新的重要力量。
不止于单次效率提升
随着AI更广泛地进入科研，传统创新范式正在被颠覆。
比如今年7月，多家中国科研机构联合发布的AI智能体“ElementsClaw”，仅用28个GPU小时就完成240万种晶体结构的筛选，预测出6.8万种候选材料，其中4种已在实验室合成验证。
筛选只是AI介入科研的一种方式。找到候选之后，更核心的问题在于：它为什么有用？如何预测它的行为？
同样是在今年，西安交通大学杨树森团队发表于《自然·通讯》的一项成果显示，在粒子运动、流体动力学等6类复杂系统中，AI发现了12组不同尺度的数学规律。AI不只会选择数据，还会在数据中找出人类未曾注意的结构。
而当AI开始自己走完科研的闭环，它就不再只是工具，而是研究中的参与者。
百度伐谋产品总经理李安南介绍，许多AI应用主要擅长从已有数据中总结规律，而百度伐谋进一步把重点放在对未知方案的持续探索上。科研人员和工程师负责提出问题、设置目标、定义评价标准和边界条件，伐谋则根据这些要求，持续生成候选方案、执行实验、比较结果，并根据实验反馈调整后续方向。
当前，我国已将AI for Science（人工智能助力科学）纳入国家战略布局。从2023年科技部专项部署，到2025年国务院“人工智能+”行动将“人工智能+科学技术”列为首要任务，再到2026年科技部明确提出建设智能化科研平台系统，政策引导正在加速AI与基础科研的深度融合。
清华大学教授俞立说，AI正从辅助工具演变为科研基础设施的关键组成部分，将科学家从重复劳动中解放出来，使之专注于科学洞察与创造性思考。
未来，AI或将推动科学发现从“妙手偶得”走向“规模化创新”。
（受访者供图）
网友评论
