传统科学发现依赖从大规模解空间中生成并验证候选假设，存在效率低、难获高质量解等瓶颈。人工智能凭借强大的数据处理与分析能力，可高效探索解空间并生成优质假设。例如在纯数学领域，机器学习已能辅助数学家发现新猜想与定理。
AI赋能实验自动化与跨学科融合
科学研究依赖实验评估理论，但传统实验设计与优化多凭人工经验反复试错，成本高且效率低，尤其在材料合成及核聚变等领域表现明显。人工智能与机器人技术结合，可实现实验的自动化设计与执行，依据实时数据动态调整参数，持续优化实验流程与候选对象。
此外，人工智能能有效整合多学科数据与知识，打破学科壁垒，推动深度融合以应对复杂挑战。这种跨学科协作不仅拓展了各学科研究边界，还催生了计算生物学、量子机器学习、数字人文等新兴交叉学科。