王彦雨 高芳：AI for Sciences发展与研究范式面临的挑战

主要观点总结

本文介绍了人工智能驱动的科学研究（AI for Sciences，AI4S）现象，阐述了AI4S在解决当代科学所面临的数据灾难和高维灾难问题中的重要作用。文章指出了AI4S面临的三大挑战：知识生产的合法性、认识层面存在的问题以及实践层面存在的'为AI而AI'现象。同时，文章也提出了对于AI4S未来发展的建议，包括坚持问题导向和需求导向，融入已有科学规范体系，重视科学家在AI4S中的引导作用，以及避免盲目建立大数据机构和购买硬件设备。最后，文章强调了对AI4S应全面、理性看待，既看到其巨大潜能，又对其局限性有清醒认识。

关键观点总结

关键观点1: AI4S现象及其重要性

AI4S利用现代人工智能方法解决科学研究所面临的数据灾难和高维灾难问题，提升整体科研效率。人工智能所具有的维度拟合能力、数据模式抽取能力、深度搜索能力等对于推动前沿科技创新具有重大意义。

关键观点2: AI4S面临知识生产合法性的挑战

AI4S输出的知识与传统科学评估规范之间存在冲突，需要通过融入已有科学规范体系来获得合法性。当前AI4S还没有形成独立且广泛认可的知识评估规范和标准。

关键观点3: 认识层面存在的问题

在AI for Sciences系统中，不能过分依赖工具化而忽视科学创新能力。AI是辅助性工具，而科学是方向性引领因素。需要明确科学问题意识，拥有高质量的科学家团队来主导高质量的科学问题提出。

关键观点4: 实践层面存在的'为AI而AI'现象

一些机构在推动AI4S时出现了盲目建立大数据机构、购买硬件设备的现象，忽视了算法创新和实际问题的解决。有意义的AI4S研究应该是在明确的前沿科学问题或国家重大战略需求问题的引导下展开的。

关键观点5: AI4S未来发展的建议

应全面、理性看待AI4S，坚持问题导向和需求导向，融入已有科学规范体系，重视科学家在AI4S中的引导作用，避免盲目建立大数据机构和购买硬件设备。同时，应树立长期思维，进行持续支持，既看到AI4S的巨大潜能，又对其局限性有清醒认识。