中国经济网北京2月21日讯（记者 李方） 人工智能正在引发一场从科研范式、科研方法到应用场景的系统性的变革，有望大幅提升科研机构和千行百业的科技创新效能。2月19日下午，“人工智能赋能科学研究”研讨会在北京召开，来自全球业界的专家学者围绕这一议题展开研讨。

　　“DeepSeek出来后，《自然杂志》在一个星期内发了五篇文章讲它，探讨它能不能推动科技的发展。个人觉得‘赋能’这个词低估了人工智能对科学的颠覆。”中国工程院院士，之江实验室主任王坚表示，人工智能不是一次工具的革命，而是一次科学革命的工具。

　　那么，人工智能是否要代替人类研究？“不是的，它应该是来帮助人类进行研究的。”中国新一代人工智能发展战略研究院执行院长龚克表示，应继续提升AI4S（AI for science）本身的能力，要增强模型的可解释性和透明度，共同制定标准和规范，还应促进资源共享，加强跨学科、跨行业的交流合作，来开发开源的、开放的科学创新模式。

　　“人工智能会越来越多地被用于取得重大的科学突破。”英国皇家科学院院士，英国南安普敦大学计算机科学钦定教授、副校长，联合国人工智能高层顾问机构专家温迪·霍尔通过视频发言表示，“在科学领域会看到巨大突破，因为人工智能能够分析大量的、海量的数据，这是前所未有的一种方式，是我们以前用老式的计算技术没有办法做到的，AI可以帮助我们来进行图像处理、数据统计分析，新的生成式AI可以帮助我们进行推理，可以帮助我们发现以前发现不了的东西。”

　　欧洲科学院外籍院士，清华大学人工智能研究院常务副院长孙茂松表示，AI4S非常具有挑战性，但是和AI+X相比，它实际上是相对容易的，取得成果是比较确定的。“因为AI4S的对象是自然科学，这个东西有不变的东西，这实际上是最适合人工智能来做的。”

　　大模型为什么有这么强大的能力？这个模型怎么来的？阿里巴巴集团副总裁、大数据和智能实验室负责人叶杰平介绍，“三步走，预训练大模型、基础大模型，后面是后训练，包括指令微调、编号学习。预训练大模型需要大量的数据，整个互联网所有的数据收集，需要大量的算法，千卡、万卡级别训练大模型。后训练只需要非常少的算力、非常少的数据就可以完成。最新成果发现，其实在后训练可能不需要数据，基于强化学习，这个模型也能自我学习、自我迭代。”

　　不过，AI目前仍避免不了“一本正经胡说八道”。中国科学院自动化研究所研究员曾毅认为，“人工智能现在仍然是一个看似智能的信息处理工具，仍然会犯很多人不犯的错误。”他指出，“现在科学意义上的人工智能并不存在，需要从各个学科进行交叉科学的理解来推进人工智能科学本身的塑造，这样才真正形成了正向的循环。”

　　另一方面，人工智能的飞速发展对能源系统带来许多挑战。“我们看到计算的需求、能源的需求都在持续增长，尤其现在随着集中式大型语言模型的兴起，人均二氧化碳排放量正在急剧上升，训练大型模型需要很多能源，这对于环境是有害的。”欧洲科学院院士，奥地利维也纳技术大学教授、信息学院分布式系统研究部主任沙赫兰·杜斯塔通过视频发言建议，要加大投资对于分布式智能的研究和工业应用。

　　“人工智能赋能科学研究”研讨会由世界互联网大会人工智能专业委员会主办。2024年乌镇峰会期间，世界互联网大会人工智能专业委员会正式成立，作为大会设立的首个专业性、常态化的分支机构，专委会汇聚了来自人工智能领域的国际组织、知名智库、科研院所、专业协会以及产业界的权威专家和专业人才，设立了标准推进计划、安全与治理推进计划和产业推进计划。此次研讨会是专委会成立后的首场公开活动。