鄂維南院士：我們正處于新科學革命的起點

編者按：最新發布的《達摩院2022十大科技趨勢》將AI for Science列為重要趨勢，認為“人工智能成為科學家的新生產工具，催生科研新范式”，引起學界熱議。AI究竟對傳統科研意味著什么？我們做好迎接準備了嗎？以下為中科院院士，北京大學、普林斯頓大學教授鄂維南的解讀。

數百年來，以數據驅動的開普勒范式和以第一性原理驅動的牛頓范式是科學研究的兩大基本范式。當下正在蓬勃興起的AI for Science有可能促使兩種既有范式的深度融合，激發一場新的科學革命。《達摩院2022十大科技趨勢》將AI for Science列為重要趨勢，無疑是看到了人工智能和傳統科研結合帶來的巨大潛能。我希望它能幫助推動更多科研工作者投身其中，加速這場科學革命的進程。

科學研究有兩大基本目的：一是尋求基本規律，二是解決實際問題。在量子力學建立之時，狄拉克就預言說尋求基本規律的任務已大體完成，但因為其數學問題太復雜，用基本原理來解決實際問題非常困難。直到上世紀50年代電子計算機開始投入使用，以及微分方程數值方法的出現，人類才第一次大規模實現了從基本原理出發解決實際問題的能力，并由此構建起了現代工業和技術賴以生存的基礎。

但很多問題依然非常難以求解，比方說各類多體問題，藥物和材料設計、蛋白質折疊、湍流、塑性力學和非牛頓流體力學等。這些難題的根本根源是“維數災難”：隨著自由度的增多，問題的復雜度呈指數級增長。

我從80年代開始研究算法，一直在嘗試解決這些問題。尤其是在多尺度模型和算法方面，我持續了多年的努力，但總是覺得難以找到真正的突破口。2011年我寫了一本多尺度模型方面的書。本來是想在山窮水盡之際轉行到更需要科研人力投入的大數據領域，但我沒想到的是，機器學習恰恰是我們過去缺乏的工具。從2014年起，我即投身于機器學習與科學計算的結合。去年我們一個以年輕人為主力的團隊利用機器學習方法在量子力學精度的分子動力學模擬方面取得了重大突破，把可處理體系的規模從1000個原子提高到1億個原子，并因此獲得了2020年戈登貝爾獎。這是我們第一次看到機器學習、科學計算、高性能計算三大工具的結合所帶來的廣闊空間。AlphaFold 2的成功，更是讓我們看到了數據驅動的方法所能帶來的革命性的改變。

這個空間和改變給我們帶來的將是新的科學工具的發展和新的科研模式的構建。它也將推動科學研究從小農作坊模式轉變到大平臺模式，即由整個科學家群體共同努力構建基礎模型、基礎算法和工具。這樣的大平臺將極大地提升整體科研的效率。在這一方面，DeepModeling 開源社區已經邁開了非常可喜的一步。

AI for Science 帶來的不僅僅是幾個點上的突破，而是科研方法的全面改變。要適應這樣一個新的環境，科學家們需要更深入地了解AI，才有可能用好AI。企業積累了大量AI研發能力和資源。它們不僅可以提供學界所急缺的計算資源，還能夠幫助打造基礎科研工具。無疑，學界和業界需要更多協作，秉持開源開放的精神，消除門戶之見，打造AI for Science的科研共同體。

達摩院十大科技趨勢或許就是這種努力之一。我期待達摩院牽頭的這種努力，能夠加快信息科學和傳統科學的深度融合。也期待AI for Science不只是一個新的浪潮，而是一個全新的科學時代。