大数跨境

AISI & DP Technology:2023版科学智能 (AI4S) 全球发展观察与展望

AISI & DP Technology:2023版科学智能 (AI4S) 全球发展观察与展望 小x的AI日记
2023-12-15
3
导读:作为一种将“AI”和“科研”深度融合的新兴科技形态,AI for Science 利用 AI 技术学习、模拟、预测和优化自然界和人类社会的各种现象和规律以解决各种科研问题,从而推动科学发现和创新,被称

2022年底,ChatGPT的爆发让全球再次见证AI的强大。如今,AI已成为科技界核心议题,不仅改变生活,更为科学研究带来新可能,“AI for Science”(人工智能驱动的科学研究,简称AI4S)应运而生。

作为“AI”与“科研”深度融合的新兴形态,AI4S利用AI技术学习、模拟、预测和优化自然及社会规律以解决科研问题,推动科学发现与创新,被誉为“科学研究第五范式”。

当前,AI4S已成燎原之势。国内方面,科技部联合自然科学基金委于3月启动“人工智能驱动的科学研究”专项部署;国际方面,特斯拉Elon Musk成立xAI,谷歌前CEO Eric Schmidt设立AI4S博后奖学金,微软成立科学智能中心,NVIDIA联合IIT发布公开课程等举措频出。

在此背景下,北京科学智能研究院(AISI)、深势科技与高瓴创投曾于2022年联合发布首版《AI4S全球发展观察与展望》。今年,北京科学智能研究院、深势科技携手络绎科学正式发布2023版《AI4S全球发展观察与展望》(以下简称《展望》)。新版在上一版基础上大幅更新并新增近一倍内容,系统梳理了过去一年AI4S的发展路径、技术产品演化及产业实践,旨在助力从业者把握应用现状与未来趋势。

创新提出AI4S“四梁N柱”发展框架与新基建思路

AI for Science被视为AI的下一个主战场,将极大拓展AI与科学的边界,加速打通科学研究到技术创新的“最后一公里”。2023版《展望》提出了AI4S发展的“四梁N柱”架构。

所谓“四梁”,指AI4S时代基础设施的四大突破:基本原理与数据驱动的算法模型和软件系统、高效率高精度的实验表征系统、替代文献的数据库与知识库系统、高度整合的算力平台系统。“N柱”则指生命科学、材料科学、能源、气象等垂直领域的具体应用实践。

实现该体系建设需跨越领域知识门槛,并推动科研从“作坊模式”向“平台模式”转型,这要求科学家与工程师充分协作。发展阶段上,《展望》将AI4S演进划分为三个时期:2016-2021年为科学家主导的“概念导入期”;2021-2026年为科学家与工程师协作的“大规模基础设施建设期”;2026年以后为工程师主导的“成熟应用期”。

算法迭代层面也将经历三个阶段:1.0“模仿”阶段,基于实验进行简单外推;2.0“预测”阶段,进行有边界、可验证置信区间的预测;3.0“搜索”阶段,精准建模真实场景并按需设计结果。目前行业正处于2.0阶段,未来几年将逐步迈向智能化设计的3.0阶段。

此外,Science的客观性为AI提供了绝佳的“验证”步骤,使AI能产出“可解释”成果,这等同于为人类发现新的科学原理。同时,“数据”与“原理”在一定程度上可实现无损转化,AI4S的发展是模型驱动与数据驱动深度融合的系统工程。

AI4S在多领域的产研实践与商业机遇

新版《展望》重点介绍了AI4S在多个前沿领域的落地实践,核心在于构建AI与Science的有效纽带。

生命科学与合成生物学

在生命科学领域,AI正深度赋能药物研发、疾病筛查及机制研究。在新药开发中,AI结合底层生物机制,可通过计算仿真进行测试筛选,再经真实实验验证,大幅降低时间和经济成本。例如在CAR-T细胞疗法中,AI可用于预测抗体亲和力或人源化性质;在CRISPR-Cas9基因编辑中,AI有助于寻找低毒性Cas9酶并优化改造。

合成生物学领域,AI与设计合成相辅相成,打造“假设、构建、测试、学习”闭环,有望实现全基因组水平定制化工厂及宏观生态系统模拟。

材料科学与半导体

材料科学方面,AI4S可从第一性原理出发,预测材料成分分布和微观结构的多尺度特征,整合数据库与专家知识,缩小创新搜索空间,加速新材料研发进程。

半导体领域,AI通过对微尺度的高效高精度建模,助力新材料和器件体系开发;结合高性能计算与物理建模,对工艺进行仿真模拟与优化,加速商业化应用;同时在化学抛光等环节结合高通量实验发掘最优材料。

典型企业案例与投资视角

宁德时代利用AI研究锂金属负极和钙钛矿相变,通过深度势能与先进表征结合,在分子层面理解材料性能变化,大幅提升研发效率。英矽智能构建Pharma.AI平台,成功开发出全球首个由AI发现具有全新靶点和分子结构的临床前候选化合物ISM001-055。

清流资本认为,投资AI4S是“双赢”策略:既为解决重大科学问题提供动力,又能通过范式转变创造巨大商业价值。

结语:长期主义推动科技革命

AI4S不仅是解决问题的工具,更是重新定义科学问题的系统性思路。其瓶颈已从“如何解决问题”转变为“如何定义问题、如何选择工具”。算法的原始创新源于科学家对具体挑战的深度剖析。

NVIDIA从游戏显卡到AI基础设施的先驱之路,以及DeepMind、OpenAI的成就均表明,AI在科学中的突破往往是间接且不可预测的。政策制定者和资本配置者需具备长期视角,唯有长期承诺才能释放AI推动科学变革的潜力。AI4S的发展虽道阻且长,但行则将至,需要各行各业打破壁垒、凝聚共识,共同见证这场科技革命走向硕果累累。

【声明】内容源于网络
0
0
小x的AI日记
1234
内容 1675
粉丝 0
小x的AI日记 1234
总阅读1.8k
粉丝0
内容1.7k