摘要：當(dāng)前，人工智能領(lǐng)域的科技研發(fā)與應(yīng)用，取得了諸多驕人的成果。尤其是生成式人工智能工具的廣泛應(yīng)用，使人工智能驅(qū)動(dòng)的科學(xué)研究（AI for Science）范式成為現(xiàn)階段引領(lǐng)人工智能研究的一種全新科學(xué)范式——“第五范式”。對(duì)此，科技部和國(guó)家自然科學(xué)基金委員會(huì)正式啟動(dòng)了“人工智能驅(qū)動(dòng)的科學(xué)研究”專項(xiàng)部署工作，基于跨學(xué)科融合的AI for Science的研究紛紛呈現(xiàn)。本文從此角度切入，對(duì)AI for Science理論做了簡(jiǎn)要概述，分析了跨學(xué)科融合的AI for Science多元化投入的現(xiàn)狀，并針對(duì)其中存在的問題，研究了跨學(xué)科融合的AI for Science多元化投入機(jī)制。以期通過本文的分析與研究，能夠?yàn)檫@種全新范式的成熟與應(yīng)用提供參考與借鑒。

關(guān)鍵詞：跨學(xué)科融合；AI for Science；人工智能驅(qū)動(dòng)的科學(xué)研究

引言

新時(shí)代背景下，AI for Science在數(shù)字化和自動(dòng)化研究領(lǐng)域方面取得了斐然的成績(jī)，如對(duì)高維數(shù)據(jù)的探究、對(duì)復(fù)雜系統(tǒng)的解析以及深度學(xué)習(xí)技術(shù)等方面，都要遠(yuǎn)超人類水平，在物理學(xué)和生命科學(xué)領(lǐng)域所發(fā)現(xiàn)的知識(shí)也逐步轉(zhuǎn)化為多項(xiàng)應(yīng)用成果?？梢哉f，基于跨學(xué)科融合的AI for Science不僅極大地推動(dòng)了科研創(chuàng)新，更在引領(lǐng)技術(shù)進(jìn)步的基礎(chǔ)上形成了通用性新范式模式。然而，對(duì)于AI for Science所進(jìn)行的多元化投入方面，卻仍面臨多樣化的挑戰(zhàn)，若應(yīng)對(duì)不善會(huì)使AI for Science的發(fā)展出現(xiàn)滯后性[1]。因此，對(duì)于“基于跨學(xué)科融合的AI for Science多元化投入機(jī)制”的研究具有極大的應(yīng)用價(jià)值與現(xiàn)實(shí)意義。

1. AI for Science 理論概述

AI for Science即人工智能驅(qū)動(dòng)的科學(xué)研究，被稱為科學(xué)發(fā)現(xiàn)的“第五范式”。其作為人工智能發(fā)展的前沿領(lǐng)域，包含合成數(shù)據(jù)、科學(xué)模型、科學(xué)研究閉環(huán)三項(xiàng)要素。與傳統(tǒng)的人工智能研究模式不同，AI for Science更趨向于跨學(xué)科領(lǐng)域的研究與應(yīng)用，為跨學(xué)科的融合進(jìn)行人工智能的賦能。

2. 跨學(xué)科融合AI for Science多元化投入現(xiàn)狀

2.1 資金分配不足

現(xiàn)階段，雖然我國(guó)致力于人工智能領(lǐng)域的科學(xué)研究與發(fā)展，但在各項(xiàng)科研資金的投入方面，仍然較為傾向于傳統(tǒng)科研領(lǐng)域。

一方面，基礎(chǔ)研究資金極為有限。在進(jìn)行AI for Science項(xiàng)目時(shí)，通常需要數(shù)量龐大的算力與數(shù)據(jù)等作為支撐，這些無論是從獲取還是維護(hù)角度，所需的資金數(shù)額都是巨大的。現(xiàn)階段，在科研資金的分配上，更傾向于已經(jīng)投入應(yīng)用且有不錯(cuò)前景的科學(xué)領(lǐng)域。作為新興的跨學(xué)科融合領(lǐng)域，AI for Science在現(xiàn)有科研資金的分配上并不占據(jù)優(yōu)勢(shì)。

另一方面，AI for Science所涉及的跨學(xué)科融合，需要跨學(xué)科團(tuán)隊(duì)之間進(jìn)行協(xié)作[2]，由此也需要為跨學(xué)科團(tuán)隊(duì)之間的溝通交流與協(xié)作投入更多的資金。例如，建立跨學(xué)科的聯(lián)合實(shí)驗(yàn)室、組織各學(xué)科交流與研討的會(huì)議活動(dòng)等，都需要大量資金支持。此外，AI for Science作為新興科研范式，其項(xiàng)目科研周期相對(duì)較長(zhǎng)，科研成果的未知性較大，且未必會(huì)在短期內(nèi)得到收益，也導(dǎo)致此方面的資金分配不足。

2.2 人才短缺及跨學(xué)科能力培養(yǎng)欠缺

首先，復(fù)合型人才短缺。對(duì)于AI for Science領(lǐng)域而言，所需要的人才不僅要精通人工智能技術(shù)，還要兼?zhèn)漭^為深厚的科學(xué)背景與底蘊(yùn)，在對(duì)AI for Science未能達(dá)到研究深度的階段，這類人才極為緊缺。這就需要專業(yè)人才的多學(xué)科涉獵與深度學(xué)習(xí)，而這無疑需要花費(fèi)相對(duì)較長(zhǎng)的培養(yǎng)時(shí)間。中國(guó)勞動(dòng)和社會(huì)保障科學(xué)研究院發(fā)布的《中國(guó)人工智能人才發(fā)展報(bào)告（2022）》指出，我國(guó)人工智能人才存量數(shù)約為94.88萬人，其中本科占68.2%，碩士占9.3%，博士?jī)H占0.1%?？梢姡邔W(xué)歷復(fù)合型人才更為稀少[3]。

其次，培養(yǎng)模式差異。據(jù)新京報(bào)報(bào)道，當(dāng)前，我國(guó)已有498所高校開設(shè)了“人工智能”本科專業(yè)，209所高校成功備案或申報(bào)“智能科學(xué)與技術(shù)”本科專業(yè)，在一定程度上表明了AI專業(yè)呈現(xiàn)出的大爆發(fā)趨勢(shì)[4]。通過對(duì)我國(guó)高校進(jìn)行調(diào)研后發(fā)現(xiàn)，現(xiàn)階段我國(guó)高校所采用的人才培養(yǎng)模式主要有三種，分別為“原有專業(yè)+人工智能專業(yè)培養(yǎng)”“新增人工智能專業(yè)培養(yǎng)”“重組原有專業(yè)+人工智能學(xué)院培養(yǎng)”。但在人才培養(yǎng)過程中發(fā)現(xiàn)，這些培養(yǎng)方式不僅缺少科研的領(lǐng)軍人才，更缺少針對(duì)人才培養(yǎng)的課程建設(shè)經(jīng)驗(yàn)。部分高校教師表示，人工智能技術(shù)專業(yè)需要大量的實(shí)踐教學(xué)，但大多數(shù)高校所能給予的數(shù)據(jù)算力不足以支撐大規(guī)模的教學(xué)與訓(xùn)練需求，導(dǎo)致相應(yīng)的跨學(xué)科復(fù)合型人才缺乏。

2.3 數(shù)據(jù)共享缺乏安全性

在跨學(xué)科AI for Science項(xiàng)目中，往往會(huì)涉及多種形式的數(shù)據(jù)隱私保護(hù)情況。例如，生物醫(yī)學(xué)、健康科學(xué)等學(xué)科領(lǐng)域，在進(jìn)行人工智能融合研究時(shí)，會(huì)面對(duì)用戶的個(gè)人身份或健康狀況等隱私信息，若對(duì)此類數(shù)據(jù)信息進(jìn)行共享，則很有可能會(huì)導(dǎo)致個(gè)人隱私泄露。因此，在保護(hù)個(gè)人隱私安全性的同時(shí)實(shí)現(xiàn)數(shù)據(jù)共享，將成為跨學(xué)科融合中的一大難題?？鐚W(xué)科融合的AI for Science作為全新的研究范式，所產(chǎn)生的各類科研數(shù)據(jù)不僅具有創(chuàng)新性，更具有巨大的商業(yè)價(jià)值，因而此類科研數(shù)據(jù)大多涉及知識(shí)產(chǎn)權(quán)問題。如何在確保知識(shí)產(chǎn)權(quán)的基礎(chǔ)上，使所共享的數(shù)據(jù)信息仍具有創(chuàng)新性和商業(yè)價(jià)值，也成為跨學(xué)科融合的重要問題。

2.4 技術(shù)成熟度偏低

現(xiàn)階段，AI for Science技術(shù)尚處于發(fā)展階段，雖然發(fā)展速度不斷加快，但技術(shù)的成熟度仍然偏低。

一方面，AI for Science不再是單一學(xué)科研究領(lǐng)域的問題，而是多學(xué)科、跨學(xué)科相融合的全新研究領(lǐng)域，因而對(duì)復(fù)合型人才及交叉領(lǐng)域人才有極大的需求量。加之AI for Science在算力與數(shù)據(jù)等方面存在挑戰(zhàn)，如數(shù)據(jù)的精準(zhǔn)性、數(shù)據(jù)模型構(gòu)建的可解釋性、計(jì)算資源等方面，都缺少極為成熟的技術(shù)作為支撐。

另一方面，針對(duì)AI for Science所實(shí)施的體系化布局尚不完善，雖然在一些基礎(chǔ)科學(xué)領(lǐng)域中人工智能應(yīng)用愈發(fā)廣泛，但在數(shù)據(jù)的生成、標(biāo)注、選擇等方面，仍有待精化，由此也導(dǎo)致跨學(xué)科的AI for Science技術(shù)存在成熟度偏低的問題。除此之外，人工智能的可解釋性也是眾多科技人才不斷探索并力求提高技術(shù)成熟度的目標(biāo)之一。

3. 跨學(xué)科融合的AI for Science多元化投入機(jī)制完善措施

3.1 建立專項(xiàng)基金，優(yōu)化資金分配

針對(duì)AI for Science多元化投入資金分配不足的現(xiàn)狀，可通過建立專項(xiàng)基金與優(yōu)化資金分配來予以改善。2023年3月，為貫徹落實(shí)《新一代人工智能發(fā)展規(guī)劃》，科技部會(huì)同國(guó)家自然科學(xué)基金委員會(huì)，啟動(dòng)了“人工智能驅(qū)動(dòng)的科學(xué)研究”專項(xiàng)部署工作。其中明確指出，“將推進(jìn)面向重大科學(xué)問題的人工智能模型和算法創(chuàng)新，發(fā)展一批針對(duì)典型科研領(lǐng)域的‘人工智能驅(qū)動(dòng)的科學(xué)研究’專用平臺(tái)，加快推動(dòng)國(guó)家新一代人工智能公共版圖開放創(chuàng)新平臺(tái)建設(shè)，支持高性能計(jì)算中心與智算中心異構(gòu)融合發(fā)展”[5]。基于此現(xiàn)狀，AI for Science多元化投入資金問題，可借鑒一些?。ㄗ灾螀^(qū)、直轄市）的AI for Science領(lǐng)域發(fā)展措施，建立專項(xiàng)基金。例如，2021年，上海市科學(xué)技術(shù)委員會(huì)首次推出“基礎(chǔ)研究特區(qū)”制度，分別在復(fù)旦大學(xué)、上海交通大學(xué)、中國(guó)科學(xué)院上海分院設(shè)立“特區(qū)”，并以5年為一個(gè)周期，每年為這些“特區(qū)”投入2000萬元，致力于交叉融合領(lǐng)域的科學(xué)探索[6]。除此之外，仍須實(shí)施多項(xiàng)步驟予以完善，如依照國(guó)家的戰(zhàn)略發(fā)展方向和前沿科技研發(fā)趨勢(shì)，明確AI for Science專項(xiàng)基金的研究領(lǐng)域及目標(biāo)。在此基礎(chǔ)上，制定與之配套的資金管理與分配機(jī)制，以此確保AI for Science專項(xiàng)基金能夠應(yīng)用于相關(guān)跨學(xué)科領(lǐng)域技術(shù)的研發(fā)[7]。同時(shí)，聘用人工智能領(lǐng)域?qū)＜医ｍ?xiàng)基金專家委員會(huì)，對(duì)專項(xiàng)基金的應(yīng)用進(jìn)行公開與透明的評(píng)審與監(jiān)督。這種專項(xiàng)基金將使AI for Science項(xiàng)目?？顚Ｓ茫纬筛鼮楣?、公正化的項(xiàng)目評(píng)估與資金分配體系。

3.2 跨學(xué)科教育+產(chǎn)學(xué)研合作

為改善跨學(xué)科融合的AI for Science投入問題，可通過加強(qiáng)高?？鐚W(xué)科教育及培養(yǎng)，并采用產(chǎn)、學(xué)、研合作模式予以解決。對(duì)此，高校除設(shè)立人工智能技術(shù)專業(yè)外，還應(yīng)針對(duì)AI for Science的實(shí)踐應(yīng)用特征，開設(shè)多樣化的跨學(xué)科課程，使人工智能與多種科學(xué)領(lǐng)域進(jìn)行交互、交叉與融合。針對(duì)高校人才培養(yǎng)方向的不同，可在結(jié)合自身學(xué)科優(yōu)勢(shì)的基礎(chǔ)上，構(gòu)建與AI for Science相匹配的人工智能課程體系。針對(duì)AI for Science跨學(xué)科領(lǐng)域的關(guān)鍵性核心技術(shù)，實(shí)施有針對(duì)性的高端人才培養(yǎng)計(jì)劃。在此基礎(chǔ)上，還應(yīng)加強(qiáng)高校人工智能方面的基礎(chǔ)設(shè)施建設(shè)與交叉微專業(yè)構(gòu)建，以此提升并優(yōu)化高校在人工智能方面的算力資源，并分配好智能算力和通用算力之間的配比。

在產(chǎn)學(xué)研合作方面，要強(qiáng)化政府職能部門、高校、企業(yè)之間的溝通與交流[8]。一方面，建立針對(duì)人工智能人才培養(yǎng)目標(biāo)的引導(dǎo)機(jī)制與互動(dòng)機(jī)制。高校和企業(yè)進(jìn)行人工智能技術(shù)專業(yè)課程的協(xié)同開發(fā)，并在合作企業(yè)內(nèi)設(shè)立實(shí)訓(xùn)基地。高校與企業(yè)通過工學(xué)交替、定向培養(yǎng)等方式，為企業(yè)產(chǎn)業(yè)鏈的細(xì)分環(huán)節(jié)輸送專業(yè)性人工智能技術(shù)人才。另一方面，應(yīng)由政府職能部門牽頭，建設(shè)一批適用于高校與企業(yè)的人工智能產(chǎn)教融合創(chuàng)新實(shí)驗(yàn)室，將企業(yè)較為成熟的人才培養(yǎng)模式納入高?？鐚W(xué)科教育和產(chǎn)學(xué)研合作模式，為完善AI for Science的多元化投入機(jī)制奠定人才基礎(chǔ)。

3.3 構(gòu)建數(shù)據(jù)共享平臺(tái)，加強(qiáng)數(shù)據(jù)保護(hù)

跨學(xué)科融合AI for Science的數(shù)據(jù)共享安全問題，是全社會(huì)乃至全世界共同面臨的問題。為此，需要政府職能部門與科研機(jī)構(gòu)共同構(gòu)建可供數(shù)據(jù)共享的平臺(tái)。

一方面，加強(qiáng)數(shù)據(jù)安全和對(duì)個(gè)人隱私的保護(hù)。通過制定數(shù)據(jù)使用規(guī)范，利用數(shù)據(jù)加密技術(shù)、匿名處理技術(shù)等，保障共享數(shù)據(jù)的安全性，并確保個(gè)人隱私不會(huì)因數(shù)據(jù)共享而泄露。

另一方面，要促進(jìn)共享數(shù)據(jù)的開放程度與利用率。d936caae71244a503ce7ec98328e6bbb例如，對(duì)于達(dá)到準(zhǔn)入標(biāo)準(zhǔn)而進(jìn)入共享平臺(tái)的用戶，可通過分享數(shù)據(jù)信息來增加信用等級(jí)，當(dāng)信用等級(jí)提升后，可查閱和應(yīng)用開放程度更低、保密等級(jí)更高的數(shù)據(jù)信息，在增加共享數(shù)據(jù)信息利用率的同時(shí)，也能形成數(shù)據(jù)共享的良性循環(huán)。

3.4 加強(qiáng)技術(shù)研發(fā)，構(gòu)建轉(zhuǎn)化平臺(tái)

一方面，加強(qiáng)技術(shù)研發(fā)。這是為AI for Science提供可解釋性的重要途徑之一。針對(duì)現(xiàn)階段跨學(xué)科AI技術(shù)研發(fā)的不成熟性，可從系統(tǒng)工程角度入手，對(duì)跨學(xué)科資源加以整合與優(yōu)化，使之形成可協(xié)同、可創(chuàng)新的“學(xué)科生態(tài)系統(tǒng)”。例如，2023年10月第六期CCF秀湖會(huì)議，就針對(duì)AI for Science提出了跨學(xué)科交流平臺(tái)的構(gòu)建意向，并提出要通過量子計(jì)算模擬器的開發(fā)，解決傳統(tǒng)計(jì)算平臺(tái)不足以支撐大規(guī)模算力的問題，如構(gòu)建“量子計(jì)算云平臺(tái)”等，解決當(dāng)前GPU算力受限問題[9]。

另一方面，搭建針對(duì)跨學(xué)科的技術(shù)轉(zhuǎn)化平臺(tái)。該平臺(tái)通過對(duì)AI+Science的整合，為科學(xué)研究提供多種形式的功能，如數(shù)據(jù)處理、模型訓(xùn)練、學(xué)科融合前景、技術(shù)完善與應(yīng)用等，以此促進(jìn)科學(xué)發(fā)現(xiàn)與技術(shù)創(chuàng)新[10]。

結(jié)語

AI for Science正處于快速發(fā)展階段，也正在致力于打破學(xué)科壁壘，形成一種全新的科學(xué)研究范式。未來，AI for Science將通過某一模型解決不同科學(xué)領(lǐng)域中的眾多難題，也能通過一種更為普及化的科學(xué)探究范式，使人們都可以參與科學(xué)發(fā)展研究。對(duì)于現(xiàn)階段跨學(xué)科融合的AI for Science在多元化投入機(jī)制中存在的問題，也必將隨著AI for Science的深度研發(fā)而尋求到更科學(xué)的解決對(duì)策。

參考文獻(xiàn)：

[1]劉夢(mèng)迪，李倫.劃分科學(xué)研究范式的另一種視角——從AI for Science談起[EB/OL].（2024-07-01）[2024-08-08].https：//doi.org/10.16192/j.cnki.1003-2053. 20240628.004.

[2]高杲.AIforScience人工智能的風(fēng)終于吹到了科學(xué)界[N].四川日?qǐng)?bào)，2024-05-28（9）.

[3]張曉靜.加強(qiáng)人才培養(yǎng)，推動(dòng)AI產(chǎn)業(yè)發(fā)展[EB/OL].（2023-05-15）[2024-08-08].http：//digitalpaper.stdaily.com/http_www.kjrb.com/kjrb/html/2023-05/15/content_553196.htm.

[4]叢林.高校開設(shè)人工智能專業(yè)不宜大干快上|新京報(bào)快評(píng)[EB/OL].（2024-06-27）[2024-08-08].https：//www.163.com/dy/article/J5NNNIV10512D1R0.html.

[5]宋晨.科技部啟動(dòng)“人工智能驅(qū)動(dòng)的科學(xué)研究”專項(xiàng)部署工作[EB/OL].（2023-03-27）[2024-08-08].https：//cj.sina.com.cn/articles/view/1699432410/654b47da0200132t6.

[6]吳振東.復(fù)旦大學(xué)：在創(chuàng)新的源頭“種好自己的樹”[EB/OL].（2024-08-23）[2024-08-28].http：//www.news.cn/local/20240823/1286eb19b0f746ce8798a205021e5ff3/c.html.

[7]李建會(huì)，楊寧.AI for Science：科學(xué)研究范式的新革命[J].廣東社會(huì)科學(xué)，2023（6）：81-92，289-290.

[8]周江林.AI4S對(duì)我國(guó)高?；A(chǔ)研究的影響機(jī)理及實(shí)踐邊界[J].教育發(fā)展研究，2023，43（21）：31-38.

[9]范昕茹.探索AI for Science“復(fù)旦范式”[N].IT時(shí)報(bào)，2023-07-07（3）.

[10]楊小康，許巖巖，陳露，等.AI for Science：智能化科學(xué)設(shè)施變革基礎(chǔ)研究[J].中國(guó)科學(xué)院院刊，2024，39（1）：59-69.

作者簡(jiǎn)介：陸會(huì)會(huì)，碩士研究生，研究實(shí)習(xí)員，luhuihui@shu.edu.cn，研究方向：管理學(xué)；趙志華，碩士研究生，講師，研究方向：美術(shù)史；彭亞新，博士研究生，教授，研究方向：人工智能驅(qū)動(dòng)的科學(xué)研究（AI for Science）。