在近期举办的浦江论坛“人工智能赋能科学研究”专题研讨会上，上海人工智能实验室领军人物周伯文教授围绕AI4S（人工智能赋能科学研究）领域的前沿议题，系统提出了六个关键性思考方向。这场以“边界、预测、交叉、形式化、验证、新科学”为脉络的学术探讨，引发了学界对人工智能与科学创新关系的深度反思。
针对“人工智能是否具备解决所有科学问题的潜力”这一核心命题，周伯文通过数学史与计算科学的双重维度展开论证。他以希尔伯特可判定性问题、哥德尔不完备定理为理论基点，结合吴文俊院士在机器证明领域的突破性实践，指出当前对AI能力的认知正经历从“过度乐观”到“理性回归”的转变。尽管通用人工智能（AGI）的融合发展可能突破现有边界，但科学探索的本质仍需遵循客观规律。
在预测能力评估环节，专家组通过具体案例揭示技术局限。以AlphaFold预测蛋白质结构为例，该技术虽能精准模拟分子构型，却无法阐释折叠机制背后的物理原理。更复杂的混沌系统如三体问题，即便采用神经网络进行短期模拟，长期预测仍面临不可逾越的障碍。这印证了单纯依赖数据驱动的预测模式存在本质缺陷，亟需AGI技术路径实现认知跃迁。
关于科学表征的语言之争，研讨溯源至1972年图灵奖得主迪克斯特拉的学术主张。与会者重温了韦达、笛卡尔等人构建数学符号体系的里程碑意义，指出自然语言在描述自然规律时的表达局限。当前实验室正在推进的多模态表征研究，试图在自然语言与形式化语言之间建立新的解释框架，这被视为突破科学表述瓶颈的关键尝试。
跨学科融合领域的历史经验为当下研究提供重要启示。分子生物学奠基人韦弗早在1933年就预言物理学与生物学的交叉将催生革命性突破，洛克菲勒基金会持续投入的决策最终验证了这一判断。上海人工智能实验室发起的“攀登者计划”正沿袭这种战略思维，通过构建跨学科研究平台，试图复制分子生物学级别的科学范式变革。
在科学发现验证体系的构建上，专家设计了思想实验：若仅提供1905年前的学术资料，AI能否独立推导出广义相对论？该命题揭示重大科学突破需要研究者、工具与研究对象的三维互动。实验室提出的系统性解决方案强调，AI应作为认知增强工具，通过跨域知识整合、研究工具优化和对象深度解析，全程参与科研创新链条。
人文社科领域的量化研究引发激烈讨论。美学大模型对梵高与徐悲鸿作品评分差异的案例，暴露出当前AI在文化价值判断上的局限性。但周伯文同时展示实验室开发的“书生·妙析”系统，该平台通过构建结构化分析框架，正在为非结构化数据研究提供新的度量工具。这种技术演进预示着AI将重塑传统科学认知体系，催生跨学科研究新范式。
这场思想交锋最终凝聚为学术共识：在人工智能时代，科学探索的指南针始终由人类的好奇心与价值观掌控。与会者强调，既要清醒认识技术边界避免盲目追捧，也要把握融合机遇防止错失创新窗口。当AGI技术成为认知引擎，人类科学精神将成为指引技术向善的核心驱动力。
