近日，上海人工智能实验室联合世界顶尖科学家协会举办的星河Forum圆满落幕。星河Forum是上海人工智能实验室星河学术社区代表性活动之一，旨在鼓励有志于挑战科学边界的科学家发现、提出问题，本期主题为“科学智能：现实的终点，还是想象的起点”。
2013年诺贝尔化学奖得主、斯坦福大学结构生物学教授、世界顶尖科学家协会副主席Michael Levitt，2023年生命科学突破奖得主Clifford Paul Brangwynne，德国亥姆霍兹信息安全中心任职、苏黎世博士论文奖、欧洲研究理事会启动基金获得者Rebekka Burkholz，2022年生命科学突破奖得主、2024年加拿大盖尔德纳国际奖得主Sir Shankar Balasubramanian作主旨演讲；上海人工智能实验室主任、首席科学家周伯文作开场致辞，实验室青年科学家白磊主持会议，实验室青年科研代表参与本次论坛，与全球顶尖科学家面对面交流。
AI重塑科研范式：从辅助工具到“革命的工具”
人工智能以其基础性、平台性和通用性特点，驱动科学研究快速发展，这一趋势已成为科学界的共识。
周伯文在致辞中分享了人工智能如何赋能科学研究，“科学研究离不开相互影响的三个要素：研究者、研究工具和研究对象，通过人工智能促进三要素相互作用、协同演进、螺旋式上升，将创造出‘革命的工具’，推动科研范式变革。”同时，他还提出了六个关键问题，呼吁不同学科背景的科学家进行破题：所有科学问题是否都能被人工智能解决？AI的预测能力是否全面超越现有计算方法？对于科学表征，如何超越自然语言？如何判断AI有能力做出重大科学发现？AGI for Science不只在于AI与其他学科交叉，还能带来新的融合？AGI将辅助更多学科发展“精确”视角？
人工智能赋能科学研究的边界在哪里？是否存在AI无法解决的科学问题？哪些科学问题上AI具备明显的应用潜力，以及如何利用AI促进跨学科研究？
Michael Levitt认为“AI的智能水平已经达到研究生级别，具备理解、推理、规划等能力”。Levitt一方面认为“对智能的理解已经被大模型彻底颠覆”，同时也清醒地认识到AI的局限性，“它如同一个非常聪明但缺乏纪律的12岁男孩，在展现惊人能力的同时，也会犯下低级错误。”这种辩证认知为科学界合理定位AI角色提供了重要参考。
Clifford Paul Brangwynne展示了AI在具体科学问题中的革命性应用。通过将卷积神经网络等深度学习工具部署在液态细胞研究中，他的团队成功构建了细胞图像的“激活空间”，为理解无膜细胞器的形成机制提供了全新视角。“AI的价值点在于帮助人类生成假设。它能处理海量数据，并形成高阶的、富有启发性的模式，揭示潜在规律。基于这些线索，我们提出可验证、可阐释的机制性假设。”
智能时代的核心挑战：可持续与可控制
随着AI与科学研究深度融合，一系列关乎长远发展的根本性问题亟待解决。这些挑战不仅涉及技术层面，更触及科学伦理和社会安全性等深层维度。
Rebekka Burkholz直指当前大模型发展的结构性困境：“开发门槛极高、数据依赖强、资源垄断、部署与运营成本高昂”。针对这些问题，其团队提出了构建“绿色AI”的系统性方案：摆脱“先训练超大模型再压缩”的范式，尝试从零开始训练小规模稀疏模型，并通过优化算法、深度融合领域知识，实现AI系统的效率革命。
Sir Shankar Balasubramanian分享了DNA测序技术取得革命性突破背后的故事：“这一切都源于一个由好奇心驱动、没有任何应用目标的实验，其巨大的成功是一个‘非预期后果’。”基于这一案例，他提醒行业在AI时代更应保持对好奇驱动研究的支持，并特别强调跨学科交流的价值，“各国科学家应该联合起来，以开放协作的方式共同推进技术创新。”
在科学伦理与社会安全维度，学者们形成了多层次的前瞻思考。Balasubramanian相信“AI本身可以用于交叉验证以提高安全性”；Brangwynne表达了对自主AI系统的担忧，认为其“缺乏演化出的道德框架，且技术发展的指数级速度可能让我们来不及应对”；Burkholz认为“最大的担忧来自于使用这些AI的人类。AI作为一个工具，其善恶取决于使用者的道德价值观”；而Levitt在承认风险存在的同时，保持了总体乐观，认为“世界总体在变好”。
未来，上海AI实验室将持续通过科学社区，链接全球顶尖科学家，形成战略科技人才蓄水池，以问题为驱动，推动科学智能迈向更深远的未来。
欢迎扫码申请加入星河社区，或分享你的建议和问题，参与社区更多学术活动。
