导 读

“机器能思考吗？”人工智能的目的是让机器模仿人的思考和行为，包括学习、推理、预测等。

“机器能促进基础研究吗？”人工智能在深刻影响并改变基础科学的研究范式。 

“人工智能如何赋能基础研究？”基于科学大数据的自主涌现，加速了科学发现过程。

图1 人工智能赋能科学发现

      “机器能思考吗?” 阿兰·图灵在他的著名论文“计算机器与智能”中提出了这个经典问题。人工智能（Artificial Intelligence， AI）的目标是开发一种能够像人类一样思考和行动的机器，使之具备理解、推理、学习、规划、预测等能力。相关研究包括搜索算法、知识图谱、自然语言理解、专家系统、进化算法、深度学习等。AI的发展经历了感知智能、认知智能和决策智能三个层次，在诸多领域得到广泛应用（图2）。

图2 AI通用处理框架

      本文汇聚来自6个国家、41个单位的48位学者，分别结合各自领域，系统论述了人工智能技术对信息学、数学、医学、材料学、地学、生命科学、物理学、化学等学科发展的推动作用，人工智能正在成为基础学科及多学科交叉领域发展的新范式。

1、信息学中的AI

图3 AI框架的知识图谱

● 高效的AI框架大大降低了AI的技术门槛

● 自动机器学习技术已成为AI发展的新方向

● AI让复杂网络及系统的自动化设计成为可能

● AI让纳米光学器件设计更快、功能更强

● AI正在赋能风险管控、数字孪生、机器人等

● AI为新型数据理论及模型自动发现提供可能

 

2、数字中的AI

 

​

图4 数学促进AI关键问题解决

 

● 数学理论的发展与突破一直都是支撑AI的基石

● 逼近论为探索神经网络的可解释性提供可能

● 优化理论可解决AI参数估计的非凸性和非光滑性

● 概率论与统计可以支撑AI模型泛化能力的评估

 

3、医学中的AI

 

​图5 AI促进医学多领域发展

 

● 医学影像的高效、精准AI识别正在走进临床

● AI推动医学诊疗创新，辅助医生诊疗决策

● AI加速创新药物发现，获得疗效更好的药物

● 可穿戴设备+AI，助力慢性病健康管理

● AI⁺为患者的远程诊疗提供帮助

 

4、材料学中的AI

 

图6 AI促进材料科学的发展

 

● AI是新颖结构、特殊功能材料发现的利器

● AI在设计、预测和发明新材料上已崭露头角

● AI直接推动了材料基因组计划的发展

●先进量子材料为AI的跨代升级提供物质基础

 

 5、地学中的AI

 

图7 AI应用于地学水资源管理规划

 

● AI为地学海量数据采集、分析提供了全新途径

● AI可视化分析、智能传感和智能反演，助力地学研究

● AI赋能的地学机器人和自动设备已广泛应用

● AI正在帮助地球科学从定性分析转向定量研究

 

6、生命科学中的AI

 

图8 AI在智慧农业中应用

 

● AI与脑科学相互促进、启发，类脑成为AI前沿 

● AI新算法加速了多组学大数据的整合分析

● PrimateAI可以准确地预测突变是否致病

● AlphaFold 2极大提高蛋白质结构预测的准确率

● AI重塑了现代农业，激发每一粒种子的生长潜力

 

  7、物理学中的AI

 

图9 AI促进物理学发展

 

● AI在极小微观世界的粒子发现，极大宏观世界的探索中大展身手

● AI正在加速粒子的模拟和鉴别

● AI让核物理学更加强大

● AI在凝聚态物理方面发挥重要作用

● AI帮助天文学发展登上新台阶

 

8、物理学中的AI

 

图10 AI促进分子的设计、合成和测定

 

● AI正在实现化学研究的智能化、标准化和自动化

● AI帮助打破分析化学中人工特征选择的瓶颈

● AI提升了多个尺度计算化学方法的精度和效率

● AI使得化合物的自动化设计与合成成为可能

● AI加速高效催化剂设计和开发

 

 

总结和展望

 

       本文系统综述了AI技术在系列基础科研中的发展和应用；AI仍然在算法安全、数据依赖、场景强相关等方面存在诸多问题；亟需突破AI模型训练和测试数据必须符合分布一致性的数理基础；不断基于新数据训练，会导致灾难性“遗忘”，终身学习成为趋势。

 

       AI is with us to see the unseen and change the unchanged.