“通用人工智能的最高体现之一就是理解复杂世界、发现未知规律。简单的说，就是打造‘AI爱因斯坦’。这也是AI for Science的关键目标。” 7月4日，在2024世界人工智能大会暨人工智能全球治理高级别会议（WAIC 2024）“人工智能：科研范式变革与产业发展”主题论坛上，上海科学智能研究院院长（下称上智院）、复旦大学浩清特聘教授漆远讲述了他对于通用人工智能（AGI）和科学智能（AI4S）的发展判断。
参与此次论坛的多位两院院士、国内外知名科学家也认为，AI必须具备超越简单数据处理的能力，结合创造力、探索精神和新的学习机制，推动各学科领域的不断突破和自我学习与创造。
首次亮相WAIC的上海科学智能研究院还发布了一套涵盖多模态科学数据的科学数据平台。同时，全球科学数据生态联盟也正式启动，将通过政府、企业、高校、研究机构等多方合作，构建全球性、多领域的科研大数据资源开放与共享平台。
AI4S的最高体现就是“AI爱因斯坦”，即通过融合科学规律、观测数据和合成数据，发现复杂世界的未知规律。上智院院长漆远教授认为，大模型领域的“金科玉律”Scaling Law 改变了AI，然而仅依靠海量数据的压缩和归纳总结不足以达成AGI。要实现AGI，一是需要结合快思考的“黑盒”预测和慢思考的“白盒”逻辑推理，打造“灰盒”可信大模型；二是要摆脱数据依赖。
上智院正在这条道路上不断探索。气象领域，发布了面向新能源、航空运输、城市管理等产业应用的伏羲系列气象大模型，基于人工智能技术极大提高了天气预报的准确性，并能提前预测极端天气现象。同时，伏羲次季节气象大模型将天气预报周期延长至60天，并入选成为中国气象局的三个官方气象大模型之一。医药领域，在DNA长文本分析和蛋白质动态建模上取得突破，并将与企业合作研发RNA大模型，预测RNA结构和功能，加速RNA疫苗研发，促进核酸药物设计。
LSTM之父、阿卜杜拉国王科技大学人工智能计划负责人、瑞士人工智能实验室研发主任Jurgen Schmidhuber教授与漆远的观点不谋而合，他认为AI需要探索未知，而不仅仅是应用已知的方法。目前传统强化学习存在局限，使用世界模型不仅能够基于世界认知预测行为，同时可以让AI像人类婴儿一样在设定目标下进行学习和成长，这种学习模式在通往AGI的道路上是非常必要的。
诺贝尔经济学奖得主、北京大学汇丰商学院荣誉教授 Thomas J. Sargent探讨了AI创造力和学习机制的融合。他提出了两种创造力类型：应用创造力和问题寻找创造力，强调真正的AGI应像人类婴儿一样，通过自主实验理解世界。
以《Back to the Basics（回到基础），从GeoGPT开始》为题，中国工程院院士、之江实验室主任、阿里云创始人王坚博士探讨了AI在科学研究中的新范式，主要包括规模、AI生成假设和自动验证三个方面。他强调数据、模型和算力规模的指数级增长，及数据驱动的研究假设对科学研究的深远影响。王坚认为推动科学发展的应是基于理科数据的模型，并呼吁更多关注理科基础模型的研究。
复旦大学物理学系教授、中国科学院院士龚新高以《AI物理与材料逆向设计》为题，分享了团队在计算物质科学方法中结合AI技术的探索，并宣布开放已有几十万个材料的电子结构的数据库。
北京大学理学部副主任高毅勤，普林斯顿大学教授、普林斯顿AI创新中心主任王梦迪，前美国礼来制药公司副总裁、人工智能和机器学习方向负责人付灏达等知名学者和产业领袖也发表了精彩演讲。
作者：
文：姜澎图：受访者供图编辑：储舒婷责任编辑：樊丽萍
转载此文请注明出处。