构建面向人工智能时代的科研生态

当前，以深度学习、大语言模型为代表的人工智能（以下简称AI）技术深度赋能科学研究，带来科研范式和产业形态的新变革。人工智能驱动的科学研究（AIforScience，以下简称AI4S）已在蛋白质三维结构预测、分子动力学模拟、芯片全自动设计、新型药物研发等领域展现出超越传统科研范式的强大优势，有望成为驱动科学研究的“第五范式”。近年来，美国、欧盟、日本加速推动AI4S，我国也启动了人工智能驱动的科学研究专项部署工作，将AI4S提升到国家科技战略的高度。AI4S不仅代表着一种新型科研技术手段和方法，更是一种全新的知识生产模式，要求对科学研究的思维、行为和组织模式进行全方位变革。我国在AI技术、科研数据和算力资源等方面有良好基础，但是传统科研生态在人才培养、科研组织、科研资源和科技伦理等方面面临突出挑战。推动构建与AI4S发展相适应的科研生态有助于增强我国基础科学研究实力，促进“人工智能+”赋能新质生产力发展，助推实现高水平科技自立自强。 

人才培养：从专门人才到复合人才 

人类特有的非线性抽象思维与机器的逻辑推理模式在AI4S中深度融合。科研工作者通过提供创新思维和专业知识来优化AI模型，AI则以其强大的数据处理能力为科研工作者提供海量知识库、模拟自然现象并推断未知规律。“人类在环”模式是AI4S的关键，它强调了在科研过程中人类角色的不可或缺性。从提出研究要求、设定目标，到提供专业知识、控制过程和评估结果，每一步都离不开人的参与。尽管AI科学家和工程师的协助至关重要，但在各领域的智能化建模中，本领域的科学家仍需占据主导地位。这一模式对科研人才的能力提出了更高要求。 

因此，必须转变传统的“专门人才”培养模式，积极构建面向AI4S的复合型人才培养体系。一要重视培养具备深厚AI技术理论基础和实践应用能力的专业人才。建设面向AI4S基础设施、基本算法的研究人才梯队，支撑并引领AI4S发展。二要完善交叉学科人才培养体系。促进科研人员跨学科学习，实现AI技术与本领域知识的融合应用，形成既懂AI又懂专业领域知识的复合型人才队伍。三要加强思想引导与技能提升。引导科研人员认识到AI4S在各学科领域的重要性，鼓励他们主动拥抱这一新型科研范式。同时，提升科研人员进行高水平人机交互的能力，使他们熟练运用AI工具开展科学研究。 

科研组织：从作坊模式到平台模式