当前，“人工智能+”浪潮席卷科研领域，AI技术正成为推动多学科突破瓶颈、实现跨越式发展的关键力量。在人工智能深度赋能的背景下，科学探索的边界不断拓展，人类对未来发展的思考也愈发深刻。
在近期举办的“人工智能赋能科学研究”专题论坛上，多位专家学者围绕AI在科研中的应用展开深入探讨。上海人工智能实验室主任周伯文提出，与其被动预测未来，不如主动创造未来。这一观点引发了与会者的广泛共鸣。
在传染病防治领域，AI技术展现出强大的应用潜力。中国科学院院士徐涛介绍，通过AI参与抗原、抗体结构解析，科研人员能够在1个月内研发出未知病原抗原检测试剂盒，90天内获得中和抗体药物。相关装备的通量提升数十倍，抗体开发周期缩短至2周，为疫情防控提供了有力支撑。
物质科学研究同样受益于AI技术。中科院物理研究所所长方忠指出，面对跨尺度计算的挑战，AI提供了两条创新路径：一是通过代理模型，用机器学习替代耗时费力的计算或实验；二是运用生成模型，直接从数据中提取经验并反向生成材料。这种“反向设计”模式被视为物质科学研究的终极目标。
在气候科学领域，AI技术为极端气候事件的建模提供了新思路。上海科学智能研究院理事长吴力波表示，AI驱动的气候风险感知系统，能够深化研究人员对大气、海洋、陆地多系统反馈机制的理解，为应对气候变化提供科学依据。
尽管AI赋能科研成效显著，但与会专家也保持理性思考。周伯文引用“阿玛拉定律”指出，人们往往高估技术的短期影响，却低估其长期变革。他提出“AI4S六问”，包括边界、预测、语言、交叉、验证和新科学等问题，引发学界对AI赋能科研的深入反思。
在“边界之问”中，周伯文以数学史为例，回顾了希尔伯特“可判定性问题”、哥德尔定理和图灵证明等重要理论，指出AI赋能科研可能面临类似的边界划定与突破问题。他强调，在关注AI技术当前应用的同时，更要思考其长远影响。
关于AI与科研的关系，周伯文认为，多学科交叉融合是科学研究的肥沃土壤。他以分子生物学的诞生为例，说明交叉学科能够催生重大科学突破。1933年，美国数学家沃伦·韦弗预言生物学与物理学的交叉将引领未来研究，随后分子生物学的兴起印证了这一判断。
在论坛圆桌讨论环节，专家们就AI的终极形态展开激烈辩论。上海创智学院副教授李怡康认为，当前AI是人类的“外骨骼”，但在生物医学等领域，未来可能形成以AI为核心、人类为辅助的研发模式。晶泰科技首席科学家张佩宇则预测，AI将承担更多调度与决策工作，其工作比例可能提升至80%至90%。
浙江大学教授陈华钧提醒，随着AI自主性增强，其潜在风险也在上升。AI可能设计出人类难以理解或不愿接受的事物，因此人类应扮演监管角色，而非单纯辅助。华大智造高级副总裁杨梦则提出，AI与人类是分工协同关系，人类的情商、好奇心和跨学科共情能力是科研中不可替代的要素。
周伯文在总结中强调，尽管AI正在加速拓展知识边界，但科学探索的方向始终由人类的好奇心与价值观指引。这一观点为AI时代的科研发展提供了重要思考维度。
