□ 陶丹 张泽华
人工智能是引领新一轮科技革命和产业变革的战略性技术，正在深刻改变着人类生产生活方式。习近平总书记明确指出，“要推动人工智能科技创新与产业创新深度融合，构建企业主导的产学研用协同创新体系，助力传统产业改造升级，开辟战略性新兴产业和未来产业发展新赛道。”科研范式指的是科学研究群体共同遵循的世界观和研究方式，是保证科研活动高效、有序开展的一种通行准则。人类的科研范式经历了四次重要演变，分别是经验范式、理论范式、模拟仿真范式和数据驱动范式。人工智能技术的发展使科学家开始超越传统的四大科研范式，依托先进的计算技术，推动了第五代科研范式——利用人工智能技术对自然现象进行学习、模拟、预测和优化，从而推动科学发现和技术创新。这场变革不是研究工具的单一升级，而是需要从认知的重新构建、制度的迭代创新、空间的交叉整合、主体的优化协同四个维度去发力，更好赋能各领域的科技创新加速度。
深化认知重构，着力构建人机协同的科研逻辑。传统科研范式一般以“从假设走向验证”为主线，较多依赖科研人员的经验直觉和逻辑推理。这一模式在面对多维复杂系统的挑战时就会逐渐显现出一定的局限性。相较而言，人工智能尤其是大模型技术能够在没有先验假设的情况下，生成海量的“机制—现象”映射，形成“生成—筛选—验证”的新型科研闭环。2024年诺贝尔化学奖颁给了在计算蛋白质设计与结构预测方面具有突出贡献的3位科学家，彰显出人工智能在拓展认知边界、推动科学创新上的革命性作用。因此，必须加快构建以数据为核心、以算法为引擎、以算力为支撑的科研新体系，进一步完善开放共享的高质量科学数据库，建立国家重点实验室人机协同科研流程规范，真正实现从人脑驱动向人机协同的认知跃迁。
推进制度创新，着力打造数据与模型驱动的学术生态。传统学术研究中，知识合法性的根基主要在于研究结果能够被重复操作、能够接受检验，强调的是实验再次呈现与同行之间的评议情况。深度学习模型的“黑箱”特性给可解释性与可重现性提出新挑战，倒逼科研制度同步演进。目前，被广泛使用的arXiv预印本平台、Hugging Face开源人工智能社区平台等，已初步建立起“数据—模型”的双重索引机制体制，不断助推科研成果由“文本—实验”向“数据—算法—算力”转型。我国“智源社区”和“启智开源平台”也通过构建模型评测体系、提供开放协作环境，促使科研成果的可验证性与开放性得到提升。因此，需加快推动科研评价机制的改革创新，建立起包含数据质量、算法透明度、模型可复现性、跨学科影响力等维度的综合评价体系，探索认定“数据论文”“算法原型”等新型成果形式，形成算法治理与学术自治融合共生的学术生态。
强化空间整合，着力重塑跨学科的知识生产格局。传统的科学研究往往是以学科为单位来划分知识领域，导致知识碎片化、协同难度大。人工智能凭借统一的向量表征，把文本、图像、序列、信号等多模态数据映射到共享的潜空间中，实现知识跨领域的可计算迁移。要构建不同领域知识在共享向量空间中横向并行、纵向贯通的创新拓扑架构，建好国家级人工智能学科交叉研究平台，鼓励跨学科领域团队联合攻关，加大跨学科复合型人才的培养力度，以释放更多系统创新潜力。
优化主体协同，着力形成人机交互的科研组织模式。传统科研把个体研究者当作最小的研究单元。人工智能驱动下的自主实验室把“假设生成—实验设计—机器人执行—数据分析”封装为闭环系统，推动科研组织向“人—算法—机器人”的三元协同演变。值得强调的是，在这一新模式下，人始终是科学发现的主导者和决策者，算法与机器人是赋能工具和辅助力量。中国科学技术大学“机器化学家”平台，科研人员提出科学问题，AI自主设计方案，面对376万种配方，机器人24小时执行实验，平台仅用6周找到火星制氧催化剂最佳配方，彰显了从人力密集型向人机协同型的组织形态攀升。目前，应加快布局智能化科研基础设施，推动形成以科学家为中心、算法与机器人紧密协同的科研新主体，搭建以智能平台为支撑、以人机协同为特征的科研组织新体系。同时，加强科研人员的AI素养培训，建立人机协作的伦理与责任规范，确保技术始终服务于人的创新。
人工智能驱动的科研范式变革，不是简单改变科学发现的方式和途径，而是从根本上重塑国家创新体系的底层逻辑。科研范式的每一次跃升，都成为科技竞争实力重构的关键节点。因此，必须强化顶层设计与统筹部署，始终坚持人在创新活动中的核心地位，加快构建智能化科研新生态，实现我国科技创新从跟跑、并跑到原创引领的历史性跨越。
（作者单位：重庆邮电大学；本文系重庆市教育科学“十四五”规划重点课题〈项目编号：K25ZG2060012〉〈项目编号：K25ZG2060017〉阶段性研究成果）