【摘要】智能大模型技術(shù)作為智能產(chǎn)業(yè)與新質(zhì)生產(chǎn)力的典型代表，正掀起人類社會(huì)變革的新浪潮，并加速推動(dòng)科學(xué)研究范式的轉(zhuǎn)變，在人工智能驅(qū)動(dòng)的科學(xué)研究（AI for Science, AI4S）中起著越來越重要的作用，推動(dòng)以“三個(gè)世界、三種技術(shù)、三類科學(xué)家、三種模式”為特點(diǎn)的平行科學(xué)新范式的形成。從虛實(shí)互動(dòng)之平行智能的角度看，大模型技術(shù)在數(shù)學(xué)、生物學(xué)、健康與醫(yī)學(xué)、化學(xué)、材料科學(xué)和天文學(xué)等領(lǐng)域都取得了一定的成績(jī)。未來應(yīng)基于平行科學(xué)的“三個(gè)世界”，利用“三類知識(shí)”，整合“三類科學(xué)家”，構(gòu)建服務(wù)于AI4S研究的智能生態(tài)系統(tǒng)，特別是聯(lián)邦生態(tài)系統(tǒng)的基本框架。
【關(guān)鍵詞】人工智能大模型 AI4S 平行智能 平行科學(xué)
【中圖分類號(hào)】TP18 【文獻(xiàn)標(biāo)識(shí)碼】A
【DOI】10.16619/j.cnki.rmltxsqy.2024.14.007
【作者簡(jiǎn)介】王飛躍，中國(guó)科學(xué)院自動(dòng)化研究所復(fù)雜系統(tǒng)管理與控制國(guó)家重點(diǎn)實(shí)驗(yàn)室主任、中國(guó)科學(xué)院大學(xué)人工智能學(xué)院教授。研究方向?yàn)橹悄芟到y(tǒng)、社會(huì)計(jì)算和復(fù)雜系統(tǒng)的建模、分析和控制與管理等。主要著作有《人工智能驅(qū)動(dòng)的科學(xué)研究新范式：從AI4S到智能科學(xué)》（論文）、《平行哲學(xué)：智能產(chǎn)業(yè)與智慧經(jīng)濟(jì)的本源及其目標(biāo)》（論文）、《社會(huì)計(jì)算的基本方法與應(yīng)用》（合著）、Flexible Manipulators: Modeling, Analysis and Optimum Design（合著）等?？娗嗪?，北京懷柔平行傳感智能研究院研究員。
引言
近年來，由于智能科學(xué)技術(shù)的快速發(fā)展，特別是大語(yǔ)言模型（LLMs）的突破，科學(xué)研究的格局發(fā)生了深刻的變革。當(dāng)前，人工智能驅(qū)動(dòng)的科學(xué)研究（AI for Science, AI4S）正徹底改變傳統(tǒng)的科學(xué)研究，基于AlphaGo、ChatGPT、Sora等智能應(yīng)用，通過分布式自主科學(xué)（DeSci）進(jìn)行組織的科學(xué)研究新范式正在形成。AI4S代表了自然智慧、技術(shù)智能和社會(huì)智慧的快速突破和融合，我們必須盡最大努力確保其過程和結(jié)果能造福人類，推動(dòng)智能產(chǎn)業(yè)和新質(zhì)生產(chǎn)力的健康可持續(xù)發(fā)展。
筆者從社會(huì)物理信息系統(tǒng)（Cyber-Physical-Social Systems, CPSS）中的平行智能（Parallel Intelligence, PI）的角度，嘗試為AI4S開辟一條新路徑，旨在使AI4S具備“6S”特性：物理世界安全（Safe），網(wǎng)絡(luò)空間安全（Secure），生態(tài)發(fā)展的可持續(xù)性（Sustainable），對(duì)隱私、個(gè)人權(quán)利和資源利用的敏感性（Sensitive），為大眾服務(wù)（Service）的智慧（Smartness）。筆者希望通過在賽博空間（Cyberspace）中創(chuàng)建一個(gè)新的工作空間，來擺脫人們?cè)谖锢硎澜缰械臒┈崉趧?dòng)，以促進(jìn)知識(shí)的創(chuàng)造、傳播、治理，實(shí)現(xiàn)知識(shí)自動(dòng)化生產(chǎn)。為此，我們需要一個(gè)比大語(yǔ)言模型或基礎(chǔ)模型（Foundation Models）更大的“世界模型”（World Model）。受到卡爾·波普爾“三個(gè)世界”（Three Worlds）理論的啟示，這個(gè)“世界模型”應(yīng)當(dāng)包括：世界1，主要由工業(yè)技術(shù)（Industry Technology）發(fā)展起來的物理世界；世界2，主要由信息技術(shù)（Information Technology）發(fā)展起來的精神世界；世界3，主要通過智能技術(shù)（Intelligent Technology）發(fā)展起來的人工世界。簡(jiǎn)而言之，平行智能基于CPSS中的“三個(gè)世界、三類技術(shù)”，將人類（Human）、人工系統(tǒng)（Artificial Systems）、自然世界（Natural Worlds）的智能有組織地（Organized）整合為一類系統(tǒng)智能（Systems Intelligence）——即HANOI智能，為平行科學(xué)（Parallel Science）打下基礎(chǔ)。
平行科學(xué)是基于“三個(gè)世界”，利用“三類知識(shí)”，由“三類科學(xué)家”進(jìn)行AI4S研究的新框架。“三類知識(shí)”是指主要針對(duì)世界1的描述性知識(shí)，主要針對(duì)世界2的預(yù)測(cè)性知識(shí)，以及主要針對(duì)世界3的引導(dǎo)性知識(shí)。“三類科學(xué)家”即超過80%的數(shù)字人科學(xué)家（Digital Scientists），大模型為數(shù)字人科學(xué)家提供了強(qiáng)大的技術(shù)支撐；不足15%的機(jī)器人科學(xué)家（Robotic Scientists）；以及少于5%的生物人科學(xué)家（Biological Scientists），即人類科學(xué)家。三類科學(xué)家通過自然哲學(xué)、社會(huì)研究和智能科學(xué)進(jìn)行自主進(jìn)化和融合，成為一體化的平行科學(xué)家（Parallel Scientists）團(tuán)體，以有人或無(wú)人方式進(jìn)行知識(shí)發(fā)現(xiàn)、知識(shí)創(chuàng)造，實(shí)現(xiàn)知識(shí)自動(dòng)化。
不久的將來，平行科學(xué)家將如此開展“新一天”科研工作：首先是“上午”的新“AM”，即自主模式（Autonomous Mode），該模式由數(shù)字人科學(xué)家和機(jī)器人科學(xué)家在人類科學(xué)家的監(jiān)督下完成研究任務(wù)，時(shí)間超過一天的80%。有些任務(wù)無(wú)法在AM模式下完成，由此進(jìn)入“下午”的新“PM”，即平行模式（Parallel Mode），由機(jī)器人科學(xué)家和數(shù)字人科學(xué)家在人類科學(xué)家的遠(yuǎn)程支持下完成工作，時(shí)間少于一天的15%。如果AM和PM模式都不行，將進(jìn)入“夜晚”的新“EM”，即專家或緊急模式（Expert or Emergency Mode），人類科學(xué)家必須在現(xiàn)場(chǎng)，在數(shù)字人和機(jī)器人科學(xué)家的幫助下完成任務(wù)，時(shí)間少于一天的5%。基于以上所述的愿景，筆者首先介紹平行智能的核心思想和基本框架，以平行智能的視角概述數(shù)學(xué)、生物、化學(xué)等領(lǐng)域中的AI4S新進(jìn)展，著重大模型技術(shù)的應(yīng)用，在此基礎(chǔ)上總結(jié)分析AI4S領(lǐng)域存在的問題和挑戰(zhàn)，并基于平行智能提出HANOI-AI4S，為AI4S提供一個(gè)分析、評(píng)估、引導(dǎo)的統(tǒng)一框架，致力于推動(dòng)建立智能聯(lián)邦生態(tài)系統(tǒng)發(fā)展。
平行智能視角下的AI大模型與新質(zhì)生產(chǎn)力變革
平行智能：三個(gè)世界，三種技術(shù)。盡管平行智能的理念可以追溯到20世紀(jì)40年代的循環(huán)因果（Circular Causality）研究，但最近的研究起源于社會(huì)物理信息系統(tǒng)CPSS。CPSS旨在創(chuàng)建更高效、自適應(yīng)和以用戶為中心的系統(tǒng)，以應(yīng)對(duì)日益復(fù)雜的互聯(lián)世界所帶來的挑戰(zhàn)。簡(jiǎn)而言之，CPSS是結(jié)合計(jì)算、網(wǎng)絡(luò)和物理過程與人類互動(dòng)的集成系統(tǒng)，其特點(diǎn)是能夠在物理世界中感知、計(jì)算、通信和執(zhí)行，通常涉及大量社會(huì)元素，如人類行為、偏好和互動(dòng)等。
圖1展示了CPSS的基本框架。CPSS的哲學(xué)基礎(chǔ)是卡爾·波普爾的“三個(gè)世界”理論，該理論認(rèn)為宇宙由三個(gè)統(tǒng)一而連貫的世界組成：物理世界（世界1）、精神世界（世界2）和人工世界（世界3）。世界1包括客觀物質(zhì)和現(xiàn)象；世界2是知識(shí)的主觀世界，包含人類的意識(shí)和經(jīng)驗(yàn)；世界3是知識(shí)的客觀世界，涉及由各種載體記錄和存儲(chǔ)的文化、文明、科學(xué)、技術(shù)或理論系統(tǒng)的產(chǎn)物。
三個(gè)世界相互作用和影響，映射到物理空間（Physical Space）和賽博空間（Cyberspace），從而形成如圖1所示的“五環(huán)”。該框架可以有效整合三維空間中的各種資源，促進(jìn)復(fù)雜系統(tǒng)中的“涌現(xiàn)”（Emergence）和“收斂”（Convergence）。利用虛擬現(xiàn)實(shí)等技術(shù)，CPSS整合了存在于物理世界、精神世界和人工世界中的各種物理、計(jì)算和人類智力資源，實(shí)現(xiàn)了一種平行、透明、智能和無(wú)處不在的管理和服務(wù)模式。
為彌合物理世界和人工世界之間的建模差距，使CPSS具有可計(jì)算性、可測(cè)試性和可驗(yàn)證性，筆者于2004年提出了平行系統(tǒng)理論。實(shí)際上，早在1994年，筆者就提出了影子系統(tǒng)（Shadow Systems），將模型視為數(shù)據(jù)生成器和可視化工具。隨后，在“三個(gè)世界”理論的進(jìn)一步影響下，影子系統(tǒng)進(jìn)一步發(fā)展完善，形成了平行系統(tǒng)。平行系統(tǒng)理論的核心是ACP方法，包括三個(gè)組成部分，即人工系統(tǒng)（A）、計(jì)算實(shí)驗(yàn)（C）和平行執(zhí)行（P）。其中，人工系統(tǒng)是基礎(chǔ)，計(jì)算實(shí)驗(yàn)是核心，平行執(zhí)行是目標(biāo)。
如圖2所示，人工系統(tǒng)和實(shí)際系統(tǒng)之間的關(guān)系可以是一對(duì)一、一對(duì)多、多對(duì)一或多對(duì)多，這取決于問題的復(fù)雜性和解決方案的準(zhǔn)確性。在解決問題的過程中，人工系統(tǒng)和實(shí)際系統(tǒng)之間虛實(shí)交互平行執(zhí)行，形成一種被稱為平行智能的智能形式。
ACP方法將描述性智能（Descriptive Intelligence）、預(yù)測(cè)性智能（Predictive Intelligence）和引導(dǎo)智能（Prescriptive Intelligence）整合為基礎(chǔ)智能（Foundation Intelligence）。描述性智能有助于構(gòu)建人工系統(tǒng)，預(yù)測(cè)性智能促進(jìn)計(jì)算實(shí)驗(yàn)，引導(dǎo)智能提供指導(dǎo)和優(yōu)化平行執(zhí)行的機(jī)制。因此，平行系統(tǒng)可以利用一個(gè)或多個(gè)虛擬（人工）空間來解決復(fù)雜性和智能之間的基本矛盾，使“不可解決”的問題“可解決”，從而為復(fù)雜決策問題提供有效解決方案。
知識(shí)在人工智能和CPSS中都扮演著至關(guān)重要的角色。知識(shí)自動(dòng)化（Knowledge Automation）試圖實(shí)現(xiàn)知識(shí)生成、獲取、應(yīng)用和再創(chuàng)造的循環(huán)過程。目標(biāo)是將復(fù)雜系統(tǒng)的不確定性、多樣性和復(fù)雜性（UDC）特征轉(zhuǎn)變?yōu)橹悄芟到y(tǒng)的敏捷性、專注性和融合性（AFC）特征。為了實(shí)現(xiàn)這一目標(biāo)，必須將知識(shí)自動(dòng)化嵌入基于ACP方法的平行智能框架和過程中。
根據(jù)不同的應(yīng)用，在平行智能中，實(shí)際系統(tǒng)及其相應(yīng)的人工系統(tǒng)可以以不同模式連接。其核心是通過對(duì)現(xiàn)實(shí)與虛擬系統(tǒng)的行為比較，學(xué)習(xí)和預(yù)測(cè)系統(tǒng)的未來行為，并修改相應(yīng)的控制策略。該框架有三種操作模式：學(xué)習(xí)和訓(xùn)練、實(shí)驗(yàn)和評(píng)估、控制和管理。在學(xué)習(xí)和訓(xùn)練模式中，人工系統(tǒng)與實(shí)際場(chǎng)景連接，作為操作員和管理人員學(xué)習(xí)和訓(xùn)練的“中心”。值得注意的是，人工系統(tǒng)不一定要與實(shí)際系統(tǒng)完全相同；它是系統(tǒng)在不同方向上可能的演變形式。在實(shí)驗(yàn)和評(píng)估模式中，人工系統(tǒng)作為計(jì)算實(shí)驗(yàn)的平臺(tái)，用于分析和預(yù)測(cè)實(shí)際系統(tǒng)在不同場(chǎng)景下的行為。在管理和控制模式中，人工系統(tǒng)與實(shí)際系統(tǒng)實(shí)時(shí)在線連接，并以高保真度復(fù)制實(shí)際行為。通過識(shí)別實(shí)際系統(tǒng)與人工系統(tǒng)之間的行為差異，實(shí)現(xiàn)閉環(huán)反饋控制與優(yōu)化。
在平行智能框架中，人工系統(tǒng)（A）是一個(gè)廣泛的知識(shí)模型，可以看作是傳統(tǒng)數(shù)學(xué)或分析模型的擴(kuò)展。計(jì)算實(shí)驗(yàn)（C）提供了一種分析、預(yù)測(cè)和決策的方法，是傳統(tǒng)模擬仿真的升級(jí)。平行執(zhí)行（P）是一種由虛實(shí)交互組成的新反饋控制機(jī)制，用于鎖定目標(biāo)、指導(dǎo)行動(dòng)、優(yōu)化策略。人工系統(tǒng)與實(shí)際系統(tǒng)之間的閉環(huán)反饋、虛實(shí)交互和平行執(zhí)行可以有效控制復(fù)雜系統(tǒng)，促使形成平行智能?？傊?，ACP方法使用小數(shù)據(jù)生成大數(shù)據(jù)，進(jìn)而從大數(shù)據(jù)中提取深度智能，有效克服傳統(tǒng)方法的局限性，解決復(fù)雜系統(tǒng)中現(xiàn)象之“涌現(xiàn)”與解決方案之“收斂”之間的矛盾。
平行智能框架的工作流程主要包括以下三個(gè)步驟：首先，構(gòu)建與實(shí)際復(fù)雜系統(tǒng)對(duì)應(yīng)的人工系統(tǒng)；其次，使用計(jì)算實(shí)驗(yàn)來訓(xùn)練、預(yù)測(cè)和評(píng)估復(fù)雜系統(tǒng)；最后，通過建立實(shí)際物理系統(tǒng)與虛擬人工系統(tǒng)之間的交互和相互學(xué)習(xí)，實(shí)現(xiàn)復(fù)雜系統(tǒng)的平行控制和管理。通過虛擬與現(xiàn)實(shí)的交互，平行智能可以不斷將實(shí)際系統(tǒng)逼近人工系統(tǒng)，簡(jiǎn)化復(fù)雜系統(tǒng)研究中面臨的UDC挑戰(zhàn)，實(shí)現(xiàn)復(fù)雜系統(tǒng)的AFC管理和控制，賦能整個(gè)CPSS過程。
平行科學(xué)：智能科技之新IT與平行IT。正如我們所見，人工智能正在增強(qiáng)甚至重新定義以工業(yè)技術(shù)和信息技術(shù)為核心的生產(chǎn)力。換句話說，“智能工業(yè)”是通過智能技術(shù)來升級(jí)現(xiàn)有產(chǎn)業(yè)，從而改變我們的社會(huì)，推動(dòng)科學(xué)研究范式的轉(zhuǎn)變。當(dāng)前的AI技術(shù)和應(yīng)用已經(jīng)清楚地表明，“智能工業(yè)”已經(jīng)開始：大數(shù)據(jù)成為新的生產(chǎn)手段，區(qū)塊鏈和智能合約重塑新的生產(chǎn)關(guān)系，大模型和機(jī)器人成為新的生產(chǎn)力。
在“工業(yè)4.0”之后，筆者在2014年提出“工業(yè)5.0”，希望利用人工智能技術(shù)，使“三類技術(shù)”協(xié)同發(fā)展，用于建設(shè)可持續(xù)、以人為本、以CPSS為新空間的工業(yè)社會(huì)。目前，國(guó)際學(xué)術(shù)界和工業(yè)界的共識(shí)是，工業(yè)5.0的核心概念是基于CPSS和智能驅(qū)動(dòng)的“知識(shí)自動(dòng)化”。其本質(zhì)在于平行智能，促進(jìn)虛擬與現(xiàn)實(shí)的平行協(xié)作，其顯著表現(xiàn)形式為“新文科”“新科學(xué)”“新工程”。
AI4S的主要目的是利用智能技術(shù)推動(dòng)傳統(tǒng)科學(xué)研究的變革。當(dāng)前，AI4S的顯著特點(diǎn)是使用人工智能、機(jī)器學(xué)習(xí)和推理技術(shù)來處理和分析大數(shù)據(jù)，有效揭示數(shù)據(jù)之間的相互關(guān)系，并幫助科學(xué)家解決“維數(shù)詛咒”問題，從而更快、更準(zhǔn)確地理解復(fù)雜現(xiàn)象，其核心也是“知識(shí)自動(dòng)化”，與“工業(yè)5.0”的目標(biāo)相契合。
當(dāng)前三類技術(shù)的融合，與卡爾·波普爾的三個(gè)世界——物理世界、精神世界和人工世界相呼應(yīng)，這相比于大語(yǔ)言模型和大視覺模型（LVMs）代表了更廣闊的世界模型（World Model）視角。當(dāng)前的大模型技術(shù)表明，改造工業(yè)和科學(xué)研究最直接、最自然的方法是通過真實(shí)系統(tǒng)和人工系統(tǒng)的平行化。這包括從自然科學(xué)到人工科學(xué)的轉(zhuǎn)變，從物質(zhì)生產(chǎn)到人工制造的轉(zhuǎn)型，以及數(shù)字人和機(jī)器人與生物人的平行協(xié)同與合作。對(duì)于新的科學(xué)研究范式來說，這是“三個(gè)世界，三類科學(xué)家”：即“數(shù)字人科學(xué)家”、“機(jī)器人科學(xué)家”和生物（人類）科學(xué)家，它們共同構(gòu)成了平行科學(xué)家（圖3），進(jìn)而建立“平行科研院所”和由“數(shù)字人CEO”管理的數(shù)字企業(yè)。
隨著大型模型的進(jìn)步，高效參數(shù)微調(diào)和提示工程將在未來的科學(xué)研究中成為重要方法，這對(duì)當(dāng)前科研人員的角色產(chǎn)生重大沖擊。然而，科研人員不會(huì)面臨失業(yè)，實(shí)際上他們的數(shù)量將顯著增加，盡管他們的角色可能更像知識(shí)的“快遞員”。此外，科學(xué)研究正從“大問題，大模型”轉(zhuǎn)向“小問題，大模型”，并在特定領(lǐng)域進(jìn)行垂直分割。這一趨勢(shì)，伴隨大型模型的持續(xù)進(jìn)步和智能代理（agent）技術(shù)的成熟，催生了新型“數(shù)字人科學(xué)家”的出現(xiàn)，他們專注于科學(xué)研究中的“小問題，大模型”。與此同時(shí)，“機(jī)器人科學(xué)家”也被引入許多超越數(shù)字形式的科學(xué)研究活動(dòng)，特別是在高風(fēng)險(xiǎn)、勞動(dòng)密集型的科學(xué)實(shí)驗(yàn)工作中。例如，美國(guó)加州大學(xué)與谷歌等共同開發(fā)的A-Lab展示了機(jī)器人在加速新材料發(fā)現(xiàn)過程中的重要作用。在不久的將來，從分布式自主科學(xué)到自動(dòng)實(shí)驗(yàn)室和無(wú)人科學(xué)研究工廠，“機(jī)器人科學(xué)家”將成為“智能工業(yè)社會(huì)”的重要組成部分。科學(xué)研究的工業(yè)化是不可避免的趨勢(shì)，而“機(jī)器人科學(xué)家”將是其關(guān)鍵支撐。
科學(xué)研究已經(jīng)從依賴自然中的直接觀察和實(shí)驗(yàn)，發(fā)展到在受控實(shí)驗(yàn)室環(huán)境中進(jìn)行實(shí)驗(yàn)，如今再到使用數(shù)學(xué)推理進(jìn)行計(jì)算和理論實(shí)驗(yàn)。大型模型的出現(xiàn)，進(jìn)一步使能基于人工系統(tǒng)進(jìn)行虛擬平行實(shí)驗(yàn)，從而超越傳統(tǒng)計(jì)算機(jī)模擬的能力。這一進(jìn)步促進(jìn)了社會(huì)科學(xué)中的眾多“反事實(shí)實(shí)驗(yàn)”，推動(dòng)了“新文科”“新科學(xué)”“新工程”的融合。因此，未來的科學(xué)研究模式將開啟“三個(gè)世界、三種模式”的平行科學(xué)研究“新一天”，如圖3所示。
自主模式：上午，時(shí)間占比超過一天的80%。主要的科學(xué)研究工作將由“數(shù)字人科學(xué)家”和“機(jī)器人科學(xué)家”自主完成，人類科學(xué)家只需遠(yuǎn)程監(jiān)視即可。平行模式：下午，時(shí)間占比不足一天的15%。此時(shí)，人類科學(xué)家須介入，通過遠(yuǎn)程控制為“數(shù)字人科學(xué)家”和“機(jī)器人科學(xué)家”提供指導(dǎo)，以完成有一定難度和挑戰(zhàn)的科學(xué)研究項(xiàng)目。專家或應(yīng)急模式：晚上，時(shí)間占比少于一天的5%。此時(shí)，人類科學(xué)家成為主要角色，現(xiàn)場(chǎng)完成創(chuàng)新性、難度大的科學(xué)研究任務(wù)。
總而言之，我們?cè)诠I(yè)5.0時(shí)代建立了三大基石來支持AI4S。如圖4所示，第一大基石包括業(yè)務(wù)大模型、場(chǎng)景工程（Scenario Engineering, SE）和以人為本的操作系統(tǒng)（HOOS）。第二大基石是工業(yè)5.0中的三類員工：生物員工（約占5%）、數(shù)字人員工（約占80%）和機(jī)器人員工（約占15%）。第三大基石是三種操作模式：自主模式（AM，超過80%）、平行模式（PM，不足15%）和專家／應(yīng)急模式（EM，不足5%）。
AI4S活動(dòng)涉及先進(jìn)的AI算法（賽博系統(tǒng)）、物理實(shí)驗(yàn)設(shè)備和傳感器（物理系統(tǒng)）以及人類研究人員和組織框架（社會(huì)系統(tǒng)）的整合，這種整合反映了CPSS的核心原則，即將網(wǎng)絡(luò)、物理和社會(huì)組件結(jié)合起來，創(chuàng)建智能、自適應(yīng)系統(tǒng)。因此，AI4S不僅將復(fù)雜的AI技術(shù)應(yīng)用于科學(xué)研究，還與CPSS的廣泛跨學(xué)科方法相一致。在本質(zhì)上AI4S可以被視為一種CPSS，目標(biāo)是提高研究的效率和效果，滿足人類和社會(huì)的需求。相應(yīng)地，如圖4所示，工業(yè)5.0三大基石和平行智能中的ACP方法也將是AI4S發(fā)展的重要支撐。
大模型驅(qū)動(dòng)的AI4S前沿進(jìn)展
近年來，AI4S在全球范圍內(nèi)廣受關(guān)注，不但成為人工智能的重要研究方向，也是人工智能“AI＋行業(yè)”垂直應(yīng)用的重要前沿。AI4S通過結(jié)合機(jī)器學(xué)習(xí)、深度學(xué)習(xí)和大模型等技術(shù)，在幫助科學(xué)家解決復(fù)雜的科學(xué)問題、提高研究效率、發(fā)現(xiàn)新的科學(xué)規(guī)律、推動(dòng)跨學(xué)科創(chuàng)新等方面發(fā)揮了重要作用，已被視為科學(xué)研究的第五范式。DeepMind的AlphaFold系列是AI4S的典型代表之一，特別是AlphaFold 3的推出標(biāo)志著人工智能在細(xì)胞生物學(xué)領(lǐng)域的新紀(jì)元，不但能準(zhǔn)確預(yù)測(cè)蛋白質(zhì)結(jié)構(gòu)，還能揭示分子間復(fù)雜相互作用，為加速藥物設(shè)計(jì)和基因組學(xué)研究提供了新工具。AlphaFold系列的成功應(yīng)用展現(xiàn)了人工智能技術(shù)在科學(xué)研究中的巨大潛力，為其他科學(xué)領(lǐng)域提供了應(yīng)用AI技術(shù)的范例，推動(dòng)了科學(xué)研究進(jìn)入第五范式。AI4S在數(shù)學(xué)、物理、化學(xué)、生物、材料、生命、天文、地學(xué)、農(nóng)學(xué)等領(lǐng)域都取得了進(jìn)展，各類人工智能模型、方法和技術(shù)起到重要推動(dòng)作用，筆者重點(diǎn)關(guān)注近兩年興起的大模型技術(shù)及其在各學(xué)科領(lǐng)域中的應(yīng)用。
數(shù)學(xué)。人工智能在數(shù)學(xué)領(lǐng)域取得了重要進(jìn)展，包括引導(dǎo)數(shù)學(xué)家對(duì)拓?fù)洳孪胱C明、尋找解決組合優(yōu)化問題的新程序、發(fā)現(xiàn)更快的矩陣乘法和排序算法等。在幾何定理證明方面，大模型也發(fā)揮了關(guān)鍵作用。使用AI方法證明數(shù)學(xué)定理的歷史已經(jīng)有數(shù)十年，并創(chuàng)造了許多重要的里程碑。但幾何定理證明是各個(gè)數(shù)學(xué)領(lǐng)域中公認(rèn)的挑戰(zhàn)，幾何中的輔助線構(gòu)造具有多樣性和靈活性，定理證明的過程涉及無(wú)限分支因子的搜索空間，而缺乏人類證明示例又帶來訓(xùn)練數(shù)據(jù)不足的困難。為克服這些挑戰(zhàn)，來自谷歌DeepMind和紐約大學(xué)的專家提出了AlphaGeometry，這是一種用于歐幾里得平面幾何的定理證明器，它使用神經(jīng)語(yǔ)言模型（Neural Language Model）在大量合成數(shù)據(jù)上從零開始訓(xùn)練，無(wú)需人類演示。AlphaGeometry將語(yǔ)言模型、符號(hào)推理、搜索算法相結(jié)合，能夠解決幾何領(lǐng)域內(nèi)輔助線構(gòu)造這一復(fù)雜任務(wù)，其能力達(dá)到了國(guó)際數(shù)學(xué)奧林匹克競(jìng)賽（IMO）金牌水平。
生物。在生物學(xué)領(lǐng)域中，AlphaFold系列最為引人注目。此外，單細(xì)胞RNA測(cè)序（scRNA-seq）幫助創(chuàng)建細(xì)胞圖譜，對(duì)細(xì)胞異質(zhì)性、疾病機(jī)制和潛在個(gè)性化治療具有實(shí)際價(jià)值。盡管測(cè)序技術(shù)最近在表觀遺傳學(xué)、轉(zhuǎn)錄組學(xué)和蛋白質(zhì)組學(xué)的多模式洞見等方面不斷取得進(jìn)展，但也帶來了如參考映射、干擾預(yù)測(cè)和多組學(xué)數(shù)據(jù)整合等新挑戰(zhàn)。為此，多倫多大學(xué)研究團(tuán)隊(duì)發(fā)布了生成預(yù)訓(xùn)練基礎(chǔ)模型scGPT。受自然語(yǔ)言生成中的自監(jiān)督預(yù)訓(xùn)練啟發(fā)，scGPT采用transformer架構(gòu)并在超過3300萬(wàn)個(gè)細(xì)胞數(shù)據(jù)上進(jìn)行預(yù)訓(xùn)練，能夠同時(shí)學(xué)習(xí)細(xì)胞和基因表示。scGPT展示了在零樣本和微調(diào)場(chǎng)景中的預(yù)訓(xùn)練優(yōu)勢(shì)，其學(xué)習(xí)的基因網(wǎng)絡(luò)與已知功能組高度一致，能夠通過微調(diào)將預(yù)訓(xùn)練模型的知識(shí)轉(zhuǎn)移到各種下游任務(wù)，如細(xì)胞類型注釋、干擾預(yù)測(cè)以及多批次和多組學(xué)整合，實(shí)現(xiàn)更準(zhǔn)確和生物學(xué)上更有意義的分析。
醫(yī)藥。通過全新藥物設(shè)計(jì)發(fā)現(xiàn)新治療化合物是藥物研究中的一個(gè)重大挑戰(zhàn)。傳統(tǒng)方法由于分子空間巨大、資源密集，研究進(jìn)程緩慢。計(jì)算方法如虛擬篩選和分子動(dòng)力學(xué)加速了藥物發(fā)現(xiàn)，但過于依賴現(xiàn)有分子。整合人工智能并促進(jìn)合作可以解決生物復(fù)雜性。生成AI模型被用于藥物發(fā)現(xiàn)，但在創(chuàng)建全新結(jié)構(gòu)方面存在困難。類似于自然語(yǔ)言處理的自監(jiān)督預(yù)訓(xùn)練在訓(xùn)練“化學(xué)語(yǔ)言模型”上取得了成功，這些模型將化學(xué)結(jié)構(gòu)視為句子，每個(gè)符號(hào)代表一個(gè)化學(xué)實(shí)體。為利用AI的新進(jìn)展，研究人員引入了一種全新藥物設(shè)計(jì)引擎drugAI，通過將解碼器Transformer模型與蒙特卡羅樹搜索（MCTS）相結(jié)合，使其首次在生物信息學(xué)和化學(xué)信息學(xué)中應(yīng)用。drugAI是一種迭代方法，允許模型改進(jìn)其藥物候選生成，確保分子滿足物理化學(xué)和生物學(xué)約束，并有效結(jié)合目標(biāo)。結(jié)果表明，drugAI在基準(zhǔn)數(shù)據(jù)集上的有效性，顯示出比現(xiàn)有方法更高的有效性和藥物相似性。此外，drugAI確保生成的分子能強(qiáng)效結(jié)合目標(biāo)，突顯了其在加速各種疾病藥物發(fā)現(xiàn)中的潛力。
化學(xué)?；瘜W(xué)研究面臨探索空間巨大、實(shí)驗(yàn)重復(fù)耗時(shí)、實(shí)驗(yàn)過程危險(xiǎn)等挑戰(zhàn)。為此，尋求面向化學(xué)研究的高效、安全、自動(dòng)化的實(shí)驗(yàn)室（Self-driving Lab）是人們追求的目標(biāo)。2023年3月14日，OpenAI發(fā)布了GPT-4，展示了其在化學(xué)研究自動(dòng)化相關(guān)問題中的應(yīng)用前景。實(shí)驗(yàn)室自動(dòng)化與強(qiáng)大的語(yǔ)言模型的結(jié)合，能夠有效整合自動(dòng)化流動(dòng)系統(tǒng)和移動(dòng)平臺(tái)，實(shí)現(xiàn)化學(xué)反應(yīng)的自主發(fā)現(xiàn)和過程優(yōu)化，推動(dòng)化學(xué)研究的進(jìn)展?？▋?nèi)基梅隆大學(xué)的科學(xué)家們開發(fā)了Coscientist，這是一種基于多個(gè)語(yǔ)言模型的智能代理系統(tǒng)，能夠自主設(shè)計(jì)、規(guī)劃和執(zhí)行復(fù)雜的科學(xué)實(shí)驗(yàn)。Coscientist利用互聯(lián)網(wǎng)瀏覽工具、機(jī)器人實(shí)驗(yàn)API和其他語(yǔ)言模型來完成化學(xué)合成規(guī)劃、文檔導(dǎo)航、云實(shí)驗(yàn)室命令執(zhí)行、液體處理等復(fù)雜科學(xué)任務(wù)，通過實(shí)驗(yàn)數(shù)據(jù)分析解決優(yōu)化問題。Coscientist的設(shè)計(jì)理念與平行科學(xué)框架一致，人類化學(xué)家統(tǒng)籌基于大模型的“數(shù)字科學(xué)家”和自動(dòng)化設(shè)備“機(jī)器人科學(xué)家”，加速了化學(xué)研究進(jìn)展。除了Coscientist，近年來還涌現(xiàn)了基于大規(guī)模語(yǔ)言模型的方法和框架。ChemCrow是一個(gè)基于LLM化學(xué)代理，整合了18個(gè)專家設(shè)計(jì)的工具，以增強(qiáng)LLM在有機(jī)合成、藥物發(fā)現(xiàn)和其他化學(xué)任務(wù)中的性能。ChemCrow自主規(guī)劃和執(zhí)行合成，并指導(dǎo)發(fā)現(xiàn)，展示了其在各種化學(xué)任務(wù)中的有效性。ChemCrow不僅幫助化學(xué)家，還在實(shí)驗(yàn)化學(xué)和計(jì)算化學(xué)之間架起橋梁，推動(dòng)科學(xué)進(jìn)步。大語(yǔ)言模型被用于預(yù)測(cè)化學(xué)，在文獻(xiàn)中的工作表明GPT-3可以輕松地為化學(xué)任務(wù)進(jìn)行微調(diào)，以自然語(yǔ)言準(zhǔn)確回答化學(xué)問題。這種方法在小數(shù)據(jù)集上表現(xiàn)尤為出色，甚至優(yōu)于傳統(tǒng)技術(shù)。模型的多功能性表明它可以成為啟動(dòng)項(xiàng)目和提供預(yù)測(cè)任務(wù)基線的標(biāo)準(zhǔn)工具，從而有效利用其在基礎(chǔ)模型中編碼的集體知識(shí)。
材料。新材料在滿足社會(huì)需求和推動(dòng)技術(shù)前沿方面具有變革潛力。但是材料科學(xué)面臨著與化學(xué)相似的挑戰(zhàn)，不但存在材料合成配方組合空間巨大、實(shí)驗(yàn)篩選與驗(yàn)證效率低下等困難，也涉及高昂的成本和資源需求、對(duì)環(huán)境的影響、產(chǎn)業(yè)化應(yīng)用前景等問題。為了應(yīng)對(duì)計(jì)算篩選與創(chuàng)新材料實(shí)際實(shí)驗(yàn)合成之間的速度差異，科學(xué)家們提出了用于無(wú)機(jī)粉末固態(tài)合成的自主實(shí)驗(yàn)室A-Lab。A-Lab擁有一個(gè)完全自主的流程，集成了計(jì)算、文獻(xiàn)中的歷史數(shù)據(jù)、計(jì)劃和解釋結(jié)果的主動(dòng)學(xué)習(xí)、提出合成配方的自然語(yǔ)言模型，以及使用機(jī)器人進(jìn)行的實(shí)驗(yàn)。A-Lab在連續(xù)運(yùn)行17天內(nèi)實(shí)現(xiàn)了41種新化合物的驚人成果。
天文學(xué)。多年來，人工智能在天文學(xué)領(lǐng)域產(chǎn)生了重大影響。一方面是用AI算法對(duì)由天體觀測(cè)和望遠(yuǎn)鏡生成的大量天文數(shù)據(jù)進(jìn)行分析，以識(shí)別天體、分類星系并檢測(cè)罕見事件，如引力波。另一方面是用AI提高天文模擬的準(zhǔn)確性和效率，幫助研究人員建模復(fù)雜的現(xiàn)象，如星系形成和宇宙演化。此外，AI正在輔助開發(fā)自主望遠(yuǎn)鏡和天文臺(tái)，這些設(shè)備可以根據(jù)科學(xué)目標(biāo)和環(huán)境條件自動(dòng)優(yōu)先安排觀測(cè)任務(wù)。在天文學(xué)中，光變曲線（Light Curve）是一種顯示天體（如恒星、變星或超新星）亮度隨時(shí)間變化的圖像。通過分析光變曲線，天文學(xué)家可以了解這些天體的性質(zhì)、演化和其中發(fā)生的物理過程。但傳統(tǒng)的星震分析使用光變曲線的功率譜來估計(jì)振蕩特性，在矮星中面臨挑戰(zhàn)，并且需要主序星的高節(jié)奏觀測(cè)。為了解決這些挑戰(zhàn)，科學(xué)家提出了一種新的基于Transformer的深度學(xué)習(xí)模型，并稱其為Astroconformer。Transformers擅長(zhǎng)捕捉長(zhǎng)程相關(guān)性，非常適合分析類似恒星光變曲線的時(shí)間序列數(shù)據(jù)。這種方法允許直接在時(shí)間域內(nèi)分析觀測(cè)到的光變曲線，最大限度地減少信息損失，并消除額外后處理步驟的需要，其表現(xiàn)優(yōu)于基于k近鄰方法和卷積神經(jīng)網(wǎng)絡(luò)等傳統(tǒng)AI方法。
AI4S面臨的問題與挑戰(zhàn)
近年來，盡管AI4S取得了很大進(jìn)展，但仍面臨技術(shù)、倫理、生態(tài)等方面的挑戰(zhàn)。這些關(guān)鍵挑戰(zhàn)因素可總結(jié)如下。
一是來自AI的挑戰(zhàn)。首先是數(shù)據(jù)挑戰(zhàn)。深度學(xué)習(xí)和大模型以海量數(shù)據(jù)為基礎(chǔ)，而科學(xué)研究領(lǐng)域中數(shù)據(jù)的專業(yè)性和稀缺性，對(duì)AI模型訓(xùn)練是一個(gè)重大挑戰(zhàn)。其次是可解釋性差。許多AI模型，尤其是深度學(xué)習(xí)模型，通常被視為“黑箱”，使得解釋其決策變得困難。在科學(xué)研究中，理解AI驅(qū)動(dòng)的見解背后的推理是至關(guān)重要的，確?？山忉屝院涂衫斫庑砸彩潜夭豢缮俚?。最后是計(jì)算資源受限。開發(fā)和訓(xùn)練復(fù)雜的AI模型，尤其是深度學(xué)習(xí)模型和大語(yǔ)言模型，需要大量的計(jì)算資源。高性能計(jì)算基礎(chǔ)設(shè)施的訪問可能有限，阻礙了AI4S應(yīng)用的可擴(kuò)展性和部署。
二是來自科學(xué)的挑戰(zhàn)。首先是專業(yè)領(lǐng)域差異大。不同的科學(xué)學(xué)科有獨(dú)特的挑戰(zhàn)和需求，將AI技術(shù)適應(yīng)每個(gè)領(lǐng)域的特定特點(diǎn)，如物理學(xué)、生物學(xué)或化學(xué)，在模型開發(fā)和應(yīng)用方面帶來挑戰(zhàn)。其次是專業(yè)知識(shí)的整合難度大。AI研究人員與領(lǐng)域?qū)＜抑g的有效合作是必要的，彌合技術(shù)專長(zhǎng)與特定領(lǐng)域知識(shí)之間的差距，對(duì)于開發(fā)符合科學(xué)界需求和約束的AI4S解決方案是必要的。
三是來自AI和科學(xué)的共同挑戰(zhàn)。首先是缺乏標(biāo)準(zhǔn)化。AI4S中缺乏標(biāo)準(zhǔn)化的實(shí)踐和評(píng)估指標(biāo)，可能導(dǎo)致比較和重復(fù)研究結(jié)果的困難。標(biāo)準(zhǔn)化對(duì)于基準(zhǔn)測(cè)試、評(píng)估模型和推廣一致的方法論至關(guān)重要。其次是跨學(xué)科整合難。數(shù)據(jù)格式、方法和研究范式的差異，給在不同科學(xué)學(xué)科中整合AI技術(shù)帶來了挑戰(zhàn)?？朔@些學(xué)科界限以創(chuàng)建統(tǒng)一的AI4S框架需要克服跨學(xué)科的障礙。最后是可遷移性受限。為一個(gè)科學(xué)領(lǐng)域開發(fā)的AI模型可能由于數(shù)據(jù)分布、特征空間和基礎(chǔ)過程的差異，難以輕易轉(zhuǎn)移到另一個(gè)領(lǐng)域，確保模型在不同領(lǐng)域的普遍性是一個(gè)持久的挑戰(zhàn)。
四是其他方面的挑戰(zhàn)。首先是教育和培訓(xùn)差距。AI技術(shù)的快速發(fā)展可能導(dǎo)致教育和培訓(xùn)方面的差距。確保研究人員和從業(yè)者具備理解、實(shí)施和評(píng)估AI4S方法所需的技能，對(duì)于該領(lǐng)域的進(jìn)步至關(guān)重要。其次是倫理考量。AI4S中的倫理挑戰(zhàn)包括訓(xùn)練數(shù)據(jù)中的偏見、公平性、隱私問題以及AI技術(shù)的負(fù)責(zé)任使用。確保AI應(yīng)用符合倫理標(biāo)準(zhǔn)對(duì)于維護(hù)科學(xué)界的信任至關(guān)重要。最后是監(jiān)管和法律框架。開發(fā)和部署AI4S應(yīng)用需要應(yīng)對(duì)復(fù)雜的監(jiān)管和法律環(huán)境。確保遵守法規(guī)、解決數(shù)據(jù)隱私問題以及管理知識(shí)產(chǎn)權(quán)將成為持續(xù)的挑戰(zhàn)。
綜合以上四個(gè)方面，克服這些挑戰(zhàn)對(duì)于發(fā)掘AI4S的全部潛力至關(guān)重要，而應(yīng)對(duì)這些挑戰(zhàn)需要AI和科學(xué)界的研究人員、政策制定者和從業(yè)者的合作努力。提出AI4S統(tǒng)一框架，建立可持續(xù)發(fā)展的AI4S生態(tài)系統(tǒng)勢(shì)在必行。
HANOI：AI4S統(tǒng)一框架
建立AI4S統(tǒng)一框架的必要性。為了應(yīng)對(duì)上述挑戰(zhàn)，考慮AI4S跨學(xué)科的特點(diǎn)，構(gòu)建一個(gè)通用和統(tǒng)一的框架可以更好地推動(dòng)AI4S的發(fā)展。一是促進(jìn)跨學(xué)科合作。不同的科學(xué)學(xué)科通常有獨(dú)特的挑戰(zhàn)、數(shù)據(jù)類型和方法論。統(tǒng)一框架能夠?yàn)椴煌尘暗难芯咳藛T提供一個(gè)共享見解、方法和最佳實(shí)踐的共同基礎(chǔ)，促進(jìn)跨學(xué)科合作。二是加強(qiáng)知識(shí)整合。統(tǒng)一框架能夠整合來自各種科學(xué)領(lǐng)域的知識(shí)，形成統(tǒng)一知識(shí)庫(kù)，為各領(lǐng)域之間架起知識(shí)橋梁，探索更全面和協(xié)同的問題解決方法。三是高效的資源利用。通用框架可以高效利用資源，包括計(jì)算能力和專業(yè)知識(shí)。研究人員可以利用共享的工具和方法，避免在不同科學(xué)領(lǐng)域重復(fù)工作和資源浪費(fèi)。四是系統(tǒng)化的知識(shí)轉(zhuǎn)移。知識(shí)交流對(duì)于將AI的進(jìn)步轉(zhuǎn)化為對(duì)科學(xué)研究的有意義貢獻(xiàn)至關(guān)重要，通用框架有助于AI研究人員和各個(gè)科學(xué)領(lǐng)域的專家之間進(jìn)行系統(tǒng)化的知識(shí)轉(zhuǎn)移。五是模型和方法的跨領(lǐng)域遷移。統(tǒng)一的框架促進(jìn)了AI模型和方法在不同學(xué)科間的可遷移性。為一個(gè)科學(xué)領(lǐng)域開發(fā)的模型可以在經(jīng)過最少修改的情況下應(yīng)用于另一個(gè)領(lǐng)域，加速AI4S解決方案的開發(fā)和部署。六是基準(zhǔn)測(cè)試和評(píng)估。通用框架為AI4S方法提供基準(zhǔn)測(cè)試和評(píng)估的基礎(chǔ)。標(biāo)準(zhǔn)化的指標(biāo)和評(píng)估標(biāo)準(zhǔn)允許研究人員一致地評(píng)估模型的性能，促進(jìn)領(lǐng)域內(nèi)的比較和進(jìn)步。七是應(yīng)對(duì)共同挑戰(zhàn)。許多科學(xué)領(lǐng)域面臨共同的挑戰(zhàn)，如數(shù)據(jù)稀缺、噪聲和可解釋性問題。一個(gè)統(tǒng)一的框架允許研究人員集體應(yīng)對(duì)這些挑戰(zhàn)，開發(fā)出可以惠及多個(gè)學(xué)科的通用解決方案。八是跨領(lǐng)域啟發(fā)。共享框架鼓勵(lì)探索跨領(lǐng)域洞見，幫助研究人員識(shí)別出單一學(xué)科內(nèi)不易顯現(xiàn)的共同模式、關(guān)系和原則，從而引領(lǐng)新的發(fā)現(xiàn)和創(chuàng)新。九是促進(jìn)教育和培訓(xùn)。統(tǒng)一框架可以簡(jiǎn)化進(jìn)入AI4S領(lǐng)域研究人員的教育和培訓(xùn)。標(biāo)準(zhǔn)化的工具和方法使擁有一個(gè)學(xué)科專長(zhǎng)的個(gè)人更容易將AI技術(shù)應(yīng)用于另一個(gè)學(xué)科，促進(jìn)更包容和協(xié)作的研究環(huán)境。十是指導(dǎo)倫理規(guī)范。統(tǒng)一的框架為解決AI4S中的倫理考量和標(biāo)準(zhǔn)提供了基礎(chǔ)。共享的指南可以幫助研究人員應(yīng)對(duì)倫理挑戰(zhàn)，確保在科學(xué)研究中負(fù)責(zé)任和透明地使用AI技術(shù)。十一是促進(jìn)標(biāo)準(zhǔn)化。通過統(tǒng)一框架促進(jìn)AI4S中的標(biāo)準(zhǔn)化，促進(jìn)研究中的一致性和可重復(fù)性。標(biāo)準(zhǔn)化的實(shí)踐有助于提升AI應(yīng)用的可信度，并鼓勵(lì)跨學(xué)科的最佳實(shí)踐采用。總之，一個(gè)通用和統(tǒng)一的AI4S框架在多個(gè)科學(xué)學(xué)科間促進(jìn)合作、知識(shí)整合和資源高效利用。它為應(yīng)對(duì)共同挑戰(zhàn)、促進(jìn)跨學(xué)科見解和指導(dǎo)AI技術(shù)在科學(xué)研究中的倫理和負(fù)責(zé)任使用提供了基礎(chǔ)。
HANOI-AI4S：基于平行智能的統(tǒng)一框架。AI4S的發(fā)展目標(biāo)與智能的新哲學(xué)相一致，即在物理世界中安全，在網(wǎng)絡(luò)世界中安全，在生態(tài)世界中可持續(xù)，對(duì)個(gè)人需求敏感，為所有人服務(wù)，并在所有方面都智能。使用認(rèn)知智能和平行智能用于智能科學(xué)和技術(shù)，使用加密智能和聯(lián)合智能用于智能操作和管理，使用社會(huì)智能和生態(tài)智能用于智能發(fā)展和可持續(xù)性。在這方面，筆者提出了HANOI方法，集成人工、自然和組織智能，實(shí)現(xiàn)知識(shí)自動(dòng)化，為可持續(xù)和智能社會(huì)提供服務(wù)。為了實(shí)現(xiàn)一個(gè)通用的AI4S框架，筆者基于HANOI方法，利用平行智能、數(shù)字孿生、元宇宙、Web 3.0和區(qū)塊鏈等技術(shù)，提出了HANOI-AI4S。如圖5所示，HANOI-AI4S框架的特點(diǎn)是多維度，涵蓋自然科學(xué)問題（自然世界）、人工系統(tǒng)、領(lǐng)域知識(shí)、數(shù)據(jù)集、人類角色和組織機(jī)制（如DAO和DeSci）。該框架不僅有助于系統(tǒng)分析AI4S，還促進(jìn)跨學(xué)科交流與融合，使得傳統(tǒng)上孤立的科學(xué)社區(qū)可以共享見解和創(chuàng)新。
一是人工系統(tǒng)。人工系統(tǒng)在平行智能框架中發(fā)揮著至關(guān)重要的作用，為解決實(shí)際科學(xué)問題提供了測(cè)試平臺(tái)，并使得高效的計(jì)算實(shí)驗(yàn)成為可能。在AI4S中，許多工作利用模擬器進(jìn)行各種用途，如數(shù)據(jù)／指令生成和結(jié)果驗(yàn)證。人工系統(tǒng)不僅限于虛擬現(xiàn)實(shí)或數(shù)字孿生。最近，隨著生成式AI方法的興起，基礎(chǔ)模型如大語(yǔ)言模型和多模態(tài)模型實(shí)際上充當(dāng)了現(xiàn)實(shí)世界的虛擬系統(tǒng)（或世界模型），在證明數(shù)學(xué)猜想和發(fā)現(xiàn)新材料等研究領(lǐng)域展示了顯著潛力。
二是領(lǐng)域知識(shí)（Knowledge）。領(lǐng)域知識(shí)提供了有效應(yīng)用AI方法于特定科學(xué)問題所需的背景理解和專業(yè)知識(shí)。例如，在物理和生物學(xué)中，自然現(xiàn)象通常復(fù)雜和多樣，因此擁有領(lǐng)域知識(shí)對(duì)于設(shè)計(jì)準(zhǔn)確的模型、解釋結(jié)果等環(huán)節(jié)都起著至關(guān)重要的作用。同時(shí)，數(shù)據(jù)集（Dataset）為訓(xùn)練、驗(yàn)證和改進(jìn)AI模型提供了基礎(chǔ)，使它們能夠進(jìn)行有根據(jù)的預(yù)測(cè)、發(fā)現(xiàn)模式并促進(jìn)科學(xué)理解。本質(zhì)上，數(shù)據(jù)是AI4S的生命線，為理解科學(xué)現(xiàn)象和訓(xùn)練模型以貢獻(xiàn)科學(xué)知識(shí)提供了實(shí)證基礎(chǔ)。數(shù)據(jù)的豐富性、質(zhì)量和多樣性直接影響AI在科學(xué)研究中的應(yīng)用效果。因此，從觀測(cè)、實(shí)驗(yàn)、模擬中收集的數(shù)據(jù)，或者通過增強(qiáng)方法生成數(shù)據(jù)，是AI4S研究的重要手段。
三是人類角色?？茖W(xué)家和AI研究人員在AI4S的研究和開發(fā)中起著關(guān)鍵作用。AI專家和領(lǐng)域?qū)＜抑g的跨學(xué)科合作對(duì)于成功將AI技術(shù)整合到不同領(lǐng)域的科學(xué)研究中至關(guān)重要。同時(shí)，人類科學(xué)家和AI技術(shù)（數(shù)字科學(xué)家和機(jī)器人科學(xué)家）之間的合作是共生的。AI帶來了計(jì)算能力和效率，而人類科學(xué)家則貢獻(xiàn)了創(chuàng)造力、專業(yè)知識(shí)和情境理解，確保AI4S應(yīng)用符合科學(xué)目標(biāo)和倫理標(biāo)準(zhǔn)。
四是組織和生態(tài)系統(tǒng)（DAO）?？茖W(xué)研究是一個(gè)涉及人力、設(shè)備、資金支持等多方面需求的復(fù)雜項(xiàng)目，有序的組織和健康的生態(tài)系統(tǒng)對(duì)于AI4S至關(guān)重要。一個(gè)有組織的生態(tài)系統(tǒng)通過確保資源的高效利用和人員的有效激勵(lì)，促進(jìn)AI4S工作的可持續(xù)發(fā)展。相比于AI模型／算法，AI4S的組織和生態(tài)尚處于起步階段，沒有得到足夠的關(guān)注。然而，一個(gè)良好的趨勢(shì)是，越來越多的科學(xué)家開始認(rèn)識(shí)到組織和生態(tài)的重要性。他們倡議利用新技術(shù)發(fā)展新的范式，如DeSci、DAO和聯(lián)邦智能等，都是此方向上的有益探索。
從基礎(chǔ)智能到基于TAO的聯(lián)邦智能系統(tǒng)
AI4S與S4AI的目標(biāo)與使命。AI4S與S4AI（Science for AI）是一對(duì)互相促進(jìn)的有機(jī)體。一方面，AI4S在物理學(xué)、化學(xué)、生物學(xué)、天文學(xué)等各個(gè)科學(xué)領(lǐng)域取得了顯著進(jìn)展。隨著大語(yǔ)言模型等AI技術(shù)的進(jìn)步，AI4S不斷前進(jìn)，提供了應(yīng)對(duì)復(fù)雜科學(xué)問題的新方法，并加快了發(fā)現(xiàn)的步伐。另一方面，科學(xué)研究人員還應(yīng)從S4AI的角度看待問題，尤其是SS4AI（Social Science for AI），其核心是人工智能及更廣泛智能科學(xué)技術(shù)的倫理和治理問題。必須認(rèn)識(shí)到，從AlphaGo到ChatGPT，當(dāng)前的前沿人工智能技術(shù)無(wú)法被解釋，而廣義上的智能在其內(nèi)涵上也無(wú)法科學(xué)解釋；雖然人工智能無(wú)法被解釋，但必須能夠被治理，這是S4AI的目標(biāo)和使命。區(qū)塊鏈、智能合約、DAO和DeSci已經(jīng)將“治理”從文科轉(zhuǎn)移到硬科技的“科學(xué)和工程”領(lǐng)域。新加密技術(shù)、非同質(zhì)化代幣（Non-Fungible Token, NFT）、聯(lián)邦學(xué)習(xí)、聯(lián)邦智能、聯(lián)邦生態(tài)的技術(shù)體系，為智能技術(shù)的治理提供了支撐，但這些技術(shù)仍然不夠。“數(shù)字人科學(xué)家”的引入為AI4S的治理提供了新的視角，即培養(yǎng)和教育用于科學(xué)研究的數(shù)字人。正如“平行教育”研究所設(shè)想的那樣，通過數(shù)字學(xué)校和數(shù)字研究所，生物人類和數(shù)字科學(xué)家可以在各種大型教育和科學(xué)模型中學(xué)習(xí)和訓(xùn)練，相互促進(jìn)，實(shí)現(xiàn)“對(duì)齊”和“治理”，就像人類自身經(jīng)歷的教育和科學(xué)研究過程一樣。DeepMind聯(lián)合創(chuàng)始人兼首席執(zhí)行官Demis Hassabis指出：“我相信，人工智能將成為科學(xué)家部署的一種元解決方案，增強(qiáng)我們的日常生活，讓我們都能更快、更有效地工作。如果我們能廣泛而公平地部署這些工具，創(chuàng)造一個(gè)每個(gè)人都能參與并受益的環(huán)境，我們有機(jī)會(huì)豐富和推進(jìn)整個(gè)人類的發(fā)展。”但如何實(shí)現(xiàn)每個(gè)人都能參與并受益的美好愿景？DeSci、DAO和聯(lián)邦生態(tài)系統(tǒng)等使能技術(shù)正在為此奠基。
分布式自主科學(xué)正在受到不同領(lǐng)域科學(xué)家越來越多的關(guān)注。DeSci在建立AI4S的強(qiáng)大生態(tài)系統(tǒng)中可以發(fā)揮重要作用，提供多種潛在的益處。雖然傳統(tǒng)的集中式科學(xué)研究方法普遍存在，但去加密分布式模型為合作、透明和包容性帶來了新的機(jī)會(huì)。DeSci的一個(gè)目標(biāo)是基于加密分布式網(wǎng)絡(luò)實(shí)現(xiàn)數(shù)據(jù)共享，這對(duì)于訓(xùn)練強(qiáng)大、可推廣和適應(yīng)科學(xué)場(chǎng)景的模型至關(guān)重要。此外，DeSci鼓勵(lì)開放訪問模型、算法和研究成果。雖然聯(lián)邦學(xué)習(xí)和群體學(xué)習(xí)可以在一定程度上解決數(shù)據(jù)隱私和模型專有權(quán)問題，但倡導(dǎo)開放仍然是必不可少的。這種開放性在AI4S中促進(jìn)了共享知識(shí)庫(kù)的發(fā)展，使研究人員能夠相互借鑒并加速多領(lǐng)域的進(jìn)展。DeSci能夠使得來自不同地域和機(jī)構(gòu)的研究人員互相合作，通過交流豐富AI4S應(yīng)用視角，增強(qiáng)知識(shí)庫(kù)和數(shù)據(jù)集的多樣性。這種協(xié)作方法促進(jìn)了社區(qū)驅(qū)動(dòng)的創(chuàng)新，使更廣泛的貢獻(xiàn)者能夠參與開發(fā)和改進(jìn)AI4S方法，帶來創(chuàng)造性的解決方案和多樣化的應(yīng)用。此外，DeSci在提升AI4S方面提供了若干關(guān)鍵促進(jìn)作用。一是加密分布式可以增強(qiáng)AI模型開發(fā)和部署的透明度。透明度對(duì)于獲得科學(xué)界的信任和確保研究結(jié)果的可重復(fù)性至關(guān)重要。二是加密分布式系統(tǒng)在面對(duì)故障或中斷時(shí)通常更具彈性。加密分布式生態(tài)系統(tǒng)可以在數(shù)據(jù)源、算法和計(jì)算資源方面提供冗余，降低單點(diǎn)故障的風(fēng)險(xiǎn)。三是DeSci可以利用代幣化和激勵(lì)機(jī)制，獎(jiǎng)勵(lì)貢獻(xiàn)數(shù)據(jù)、算法或計(jì)算資源的參與者。在AI4S中，這可以鼓勵(lì)合作和高質(zhì)量共享資源的發(fā)展。
DAO和DeSci都是加密分布式、社區(qū)驅(qū)動(dòng)系統(tǒng)的例子。DeSci對(duì)開放訪問、協(xié)作和社區(qū)驅(qū)動(dòng)創(chuàng)新的強(qiáng)調(diào)與DAO的原則一致，后者優(yōu)先考慮加密分布式、透明度和社區(qū)治理。DeSci和DAO都旨在賦予個(gè)人和社區(qū)參與決策過程的權(quán)力，并在各自領(lǐng)域內(nèi)取得有意義的進(jìn)展。雖然DeSci專注于將加密分布式原則應(yīng)用于科學(xué)研究和創(chuàng)新，但DAO是一個(gè)更廣泛的概念，可以應(yīng)用于各種加密分布式的組織結(jié)構(gòu)。在DeSci的背景下，DAO可以幫助分配資源，決定研究方向，并以透明和加密分布式的方式管理平臺(tái)的整體運(yùn)行。在不同領(lǐng)域，DAO的數(shù)量在增加，例如在生命和健康領(lǐng)域涌現(xiàn)出VitaDAO、ValleyDAO和AthenaDAO等一系列應(yīng)用。
區(qū)塊鏈技術(shù)對(duì)于支持DAO的自主性、透明性和效率至關(guān)重要，使其能夠以分布式和民主的方式運(yùn)作。DeSci和DAO的底層是一系列支持技術(shù)。區(qū)塊鏈、分布式賬本技術(shù)（DLT）、智能合約、加密分布式存儲(chǔ)、點(diǎn)對(duì)點(diǎn)網(wǎng)絡(luò)和開放訪問平臺(tái)等技術(shù)在確?？茖W(xué)數(shù)據(jù)、交易和合作的安全透明記錄方面發(fā)揮關(guān)鍵作用，代幣化（Tokenization）對(duì)于激勵(lì)和獎(jiǎng)勵(lì)生態(tài)系統(tǒng)中的參與者也至關(guān)重要。通過采用這些技術(shù)，DeSci能夠創(chuàng)建一個(gè)包容、高效并促進(jìn)全球合作的加密分布式科學(xué)研究生態(tài)系統(tǒng)。首先，區(qū)塊鏈提供了加密分布式賬本，確保沒有單一實(shí)體控制整個(gè)組織，促進(jìn)透明度并防止操縱。智能合約，即直接寫入代碼的自執(zhí)行合約，自動(dòng)執(zhí)行DAO內(nèi)的某些功能，確保決策和交易遵循預(yù)定義的規(guī)則，無(wú)需中介。區(qū)塊鏈的透明性允許利益相關(guān)者實(shí)時(shí)查看操作和交易，促進(jìn)信任并防止欺詐。其次，區(qū)塊鏈的不可篡改性確保了記錄的完整性，并提供了可靠的審計(jì)追蹤。最后，區(qū)塊鏈在DAO內(nèi)啟用了安全透明的投票機(jī)制，使參與者可以使用代幣或其他方法對(duì)提案進(jìn)行投票、作出決策并治理操作。
構(gòu)建基于TRUE DAO智能聯(lián)邦系統(tǒng)的智能生態(tài)。如何協(xié)調(diào)數(shù)據(jù)和計(jì)算資源，加速核心算法創(chuàng)新，促進(jìn)工業(yè)和社會(huì)應(yīng)用，并服務(wù)于各行業(yè)和群體的需求，已成為大模型時(shí)代的重要課題。我們需要充分利用大模型能力，警惕其可能帶來的環(huán)境和社會(huì)問題，制定法規(guī)和激勵(lì)政策來應(yīng)對(duì)這些挑戰(zhàn)。盡管DeSci具有顯著優(yōu)勢(shì)，但需要考慮諸如治理、標(biāo)準(zhǔn)化和協(xié)調(diào)等挑戰(zhàn)。只有將分布式原則與傳統(tǒng)中心化機(jī)制進(jìn)行深度融合，發(fā)揮全面優(yōu)勢(shì)，才能促進(jìn)AI4S生態(tài)系統(tǒng)的健康快速發(fā)展。為此，在吸納DeSci運(yùn)動(dòng)優(yōu)勢(shì)的同時(shí)，我們還需要一個(gè)針對(duì)人工智能科學(xué)研究的更健壯的生態(tài)系統(tǒng)。區(qū)塊鏈與分布式自主管理的結(jié)合形成了TAO（TRUE DAO），為創(chuàng)建一個(gè)完整的可信數(shù)據(jù)、算法和操作的生態(tài)系統(tǒng)打下了基礎(chǔ)，聯(lián)邦生態(tài)系統(tǒng)框架順勢(shì)而生。智能聯(lián)邦生態(tài)系統(tǒng)由數(shù)據(jù)隱私、信息安全和資源整合為驅(qū)動(dòng)，建立在一系列支持安全、共識(shí)、激勵(lì)和合約的區(qū)塊鏈技術(shù)之上。聯(lián)邦生態(tài)系統(tǒng)包括四個(gè)子模塊，即聯(lián)邦數(shù)據(jù)、聯(lián)邦控制、聯(lián)邦管理和聯(lián)邦服務(wù)。
首先，聯(lián)邦數(shù)據(jù)是聯(lián)邦生態(tài)系統(tǒng)的關(guān)鍵組成部分，解決了大模型時(shí)代的數(shù)據(jù)孤島問題。它包含聯(lián)盟內(nèi)所有節(jié)點(diǎn)的數(shù)據(jù)、存儲(chǔ)、計(jì)算和通信資源。為了確保隱私，聯(lián)邦數(shù)據(jù)分為私人或非私人，通過聯(lián)邦控制實(shí)現(xiàn)數(shù)據(jù)聯(lián)合。在AI應(yīng)用中，聯(lián)邦數(shù)據(jù)支持有效的數(shù)據(jù)檢索、預(yù)處理、處理、挖掘和可視化。它解決了大模型訓(xùn)練中的數(shù)據(jù)丟失、低質(zhì)量和版權(quán)保護(hù)等問題，同時(shí)能夠確保隱私，實(shí)現(xiàn)數(shù)據(jù)共享，并為公共模型提供安全保障。
其次，聯(lián)邦控制是聯(lián)邦生態(tài)系統(tǒng)的核心執(zhí)行部分，確保信息安全并保護(hù)數(shù)據(jù)權(quán)利。它采用分布式策略對(duì)大型系統(tǒng)進(jìn)行高效、安全和可靠的控制。私人數(shù)據(jù)保留在本地節(jié)點(diǎn)，而非私人數(shù)據(jù)的所有權(quán)和使用權(quán)分離。聯(lián)邦控制使用聯(lián)邦合約定義數(shù)據(jù)聯(lián)邦，建立對(duì)數(shù)據(jù)存儲(chǔ)、傳輸、共享和使用的控制。其目標(biāo)是確保信息安全，打破數(shù)據(jù)孤島，實(shí)現(xiàn)數(shù)據(jù)聯(lián)合，這對(duì)于聯(lián)邦智能和聯(lián)邦生態(tài)系統(tǒng)的整體成功至關(guān)重要。
再次，聯(lián)邦管理是聯(lián)邦生態(tài)系統(tǒng)的核心部分，負(fù)責(zé)根據(jù)整體目標(biāo)作出管理決策，并實(shí)時(shí)動(dòng)態(tài)調(diào)整。它有助于實(shí)現(xiàn)生態(tài)系統(tǒng)的最佳狀態(tài)和目標(biāo)，確保數(shù)據(jù)安全。聯(lián)邦管理通過控制和管理聯(lián)邦數(shù)據(jù)提供個(gè)性化服務(wù)和安全保障。它利用基于區(qū)塊鏈的合約、激勵(lì)和共識(shí)確保安全，同時(shí)將數(shù)據(jù)轉(zhuǎn)化為智能安全。聯(lián)邦管理結(jié)合數(shù)據(jù)、計(jì)算能力和人力資源得到科學(xué)可靠的決策，提高管理效率。在人工智能和區(qū)塊鏈的支持下，聯(lián)邦數(shù)據(jù)被聚合，轉(zhuǎn)化為決策和措施，實(shí)現(xiàn)從數(shù)據(jù)到智能的進(jìn)化，助力個(gè)體智能轉(zhuǎn)化為集體智能。
最后，聯(lián)邦管理的目標(biāo)是通過對(duì)聯(lián)邦數(shù)據(jù)的聯(lián)邦控制實(shí)現(xiàn)聯(lián)邦服務(wù)。因此，聯(lián)邦數(shù)據(jù)是聯(lián)邦管理的數(shù)據(jù)基礎(chǔ)和聯(lián)邦服務(wù)的數(shù)據(jù)安全保障。通過設(shè)計(jì)一系列聯(lián)邦管理規(guī)則，并確保聯(lián)邦節(jié)點(diǎn)數(shù)據(jù)的安全和隱私，從而通過聯(lián)邦數(shù)據(jù)的管理和控制實(shí)現(xiàn)聯(lián)邦服務(wù)。同時(shí)，在實(shí)現(xiàn)聯(lián)邦服務(wù)的過程中，會(huì)不斷產(chǎn)生大量新數(shù)據(jù)，這些數(shù)據(jù)可以添加到聯(lián)邦數(shù)據(jù)中進(jìn)一步迭代優(yōu)化聯(lián)邦管理決策。
綜上所述，聯(lián)邦生態(tài)系統(tǒng)基于智能生態(tài)系統(tǒng)的研究理念，具有將數(shù)據(jù)轉(zhuǎn)化為智能的能力。它不僅適用于以中心節(jié)點(diǎn)為主導(dǎo)的聯(lián)邦，也適用于中心節(jié)點(diǎn)被削弱或完全分布式的聯(lián)邦。通過聯(lián)邦生態(tài)系統(tǒng)，聯(lián)邦節(jié)點(diǎn)可以通過松散聯(lián)盟建立合作關(guān)系，加強(qiáng)每個(gè)節(jié)點(diǎn)的隱私保護(hù)，調(diào)動(dòng)聯(lián)邦節(jié)點(diǎn)的積極性，提高聯(lián)邦成員的參與度，從而提高聯(lián)邦的整體表現(xiàn)。聯(lián)邦生態(tài)系統(tǒng)的框架和方法已成功應(yīng)用于工業(yè)控制、交通物流、社會(huì)人口等領(lǐng)域，聯(lián)邦生態(tài)系統(tǒng)在AI科學(xué)研究中也將具有巨大潛力。
當(dāng)前，AI大模型不斷更新升級(jí)，“數(shù)字人科學(xué)家”“機(jī)器人科學(xué)家”成為人類科學(xué)家的左膀右臂，在“三個(gè)世界，三種IT”的助力下，推動(dòng)AI4S不斷取得突破性進(jìn)展。“三類科學(xué)家，三種工作模式”的平行科學(xué)研究范式正在形成，AI4S未來的愿景將是Science of SCE＋：慢（Slow）、隨意（Casual）、享受（Enjoy）、輕松（Easy）、優(yōu)雅（Elegant）。
參考文獻(xiàn)
秦蕊、梁小龍、李娟娟等，2023，《平行科研院所：從數(shù)字化轉(zhuǎn)型到智能化變革》，《智能科學(xué)與技術(shù)學(xué)報(bào)》，第5期。
王飛躍、繆青海，2023，《人工智能驅(qū)動(dòng)的科學(xué)研究新范式：從AI4S到智能科學(xué)》，《中國(guó)科學(xué)院院刊》，第4期。
王飛躍、繆青海、張軍平等，2023，《探討AI for Science的影響與意義：現(xiàn)狀與展望》，《智能科學(xué)與技術(shù)學(xué)報(bào)》，第5期。
王飛躍、王雨桐，2024，《數(shù)字科學(xué)家與平行科學(xué)：AI4S和S4AI的本源與目標(biāo)》，《中國(guó)科學(xué)院院刊》，第39期。
王飛躍、繆青海，2023，《基礎(chǔ)智能：從聯(lián)邦智能到基于TAO的智能系統(tǒng)聯(lián)邦》，《科技導(dǎo)報(bào)》，第41期。
A. Davies, P. Veli?kovi,?L. Buesing et al., 2021, "Advancing Mathematics by Guiding Human Intuition with AI," Nature, 600(7887).
A. Fawzi, M. Balog, A. Huang et al., 2022, "Discovering faster matrix multiplication algorithms with reinforcement learning," Nature, 610(7930).
A. W. Senior, R. Evans, J. Jumper et al., 2020, "Improved Protein Structure Prediction Using Potentials from Deep Learning," Nature, 577(7792).
B. Romera–Paredes, M. Barekatain, A. Novikov et al., 2024, "Mathematical Discoveries from Program Search with Large Language Models," Nature, 625(7939).
D. Ang, C. Rakovski, H. S. Atamian, 2024, "De Novo Drug Design Using Transformer–Based Machine Translation and Reinforcement Learning of an Adaptive Monte Carlo Tree Search," Pharmaceuticals, 17(2).
D. A. Boiko, R. MacKnight, B. Kline et al., 2023, "Autonomous Chemical Research with Large Language Models," Nature, 624(7992).
F. Y. Wang, 2010, "The Emergence of Intelligent Enterprises: From CPS to CPSS," IEEE Intelligent Systems, 25(4).
F. Y. Wang, 2022, "Parallel Intelligence in Metaverses: Welcome to Hanoi!" IEEE Intelligent Systems, 37(1).
L. Li, Y. Lin, N. Zheng, F. Y. Wang, 2017, "Parallel Learning: A Perspective and a Framework," IEEE/CAA Journal of Automatica Sinica, 4(3).
F. Y. Wang, 2023, "Forward to the Past: CASTLab's Cyber–Social–Physical Approach for ITS in 1999," IEEE Intelligent Transportation Systems Magazine, 16(4).
F. Y. Wang, 2004, "Computational Theory and Methods for Complex Systems," China Basic Science, 6(41).
F. Y. Wang, 2006, "On the Modeling, Analysis, Control and Management of Complex Systems," Complex Systems and Complexity Science, 3(2).
F. Y. Wang, 1994, "Shadow Systems: A New Concept for Nested and Embedded Co–Simulation for Intelligent Systemsz," University of Arizona, US.
F. Y. Wang, 2015, "CC5.0: Intelligent Command and Control Systems in the Parallel Age," Journal of Command and Control, 1(1).
F. Y. Wang, 2014, "Industry 4.0: The Queen's New Clothes," Science Times.
F. Y. Wang, 2023, "New Control Paradigm for Industry 5.0: From Big Models to Foundation Control and Management," IEEE/CAA Journal of Automatica Sinica, 10(8).
F. Y. Wang, W. Ding, X. Wang, J. Garibaldi, S. Teng, R. Imre, C. Olaverri–Monreal, 2022, "The DAO to DeSci: AI for Free, Fair, and Responsibility Sensitive Sciences," IEEE Intelligent Systems, 37(2).
F. Y. Wang, Y. Lin, Ioannou, A. Petros, L. Vlacic et al., 2023, "Transportation 5.0: The DAO to Safe, Secure, and Sustainable Intelligent Transportation Systems," IEEE Transactions on Intelligent Transportation Systems, 24(10).
F. Y. Wang, R. Qin, Y. Chen et al., 2021, "Federated Ecology: Steps Toward Confederated Intelligence," IEEE Transactions on Computational Social Systems, 8(2).
F. Y. Wang, W. Zhang, Y. Tian et al., 2021, "Federated Data: Toward New Generation of Credible and Trustable Artificial Intelligence," IEEE Transactions on Computational Social Systems, 8(3).
F. Y. Wang, J. Zhu, R. Qin et al., 2021, "Federated Control: Toward Information Security and Rights Protection," IEEE Transactions on Computational Social Systems, 8(4).
F. Y. Wang, 2022, "The DAO to Meta Control for Meta Systems in Metaverses: The System of Parallel Control Systems for Knowledge Automation and Control Intelligence in CPSS," IEEE/CAA Journal of Automatica Sinica, 9(11).
F. Y. Wang, R. Qin, J. Li et al., 2021, "Federated Management: Toward Federated Services and Federated Security in Federated Ecology," IEEE Transactions on Computational Social Systems, 8(6).
F. Y. Wang, R. Qin, X. Wang et al., 2022, "Meta Societies in Metaverse: Meta Economics and Meta Management for Meta Enterprises and Meta Cities," IEEE Transactions on Computational Social Systems, 9(1).
S. Hamburg, 2021, "Call to Join the Decentralized Science Movement," Nature, 600(7888).
H. Cui, C. Wang, H. Maan et al., 2024, "scGPT: Toward Building a Foundation Model for Single–Cell Multi–Omics Using Generative AI," Nature Methods, 26 February.
J. Jumper, R. Evans, A. Pritzel et al., 2021, "Highly Accurate Protein Structure Prediction with AlphaFold," Nature, 596(7873).
J. Abramson, J. Adler, J. Dunger et al., 2024, "Accurate Structure Prediction of Biomolecular Interactions with AlphaFold 3," Nature, May.
J. S. Pan, Y. S. Ting, J. Yu, 2024, "Astroconformer: The Prospects of Analyzing Stellar Light Curves with Transformer–Based Deep Learning Models," Monthly Notices of the Royal Astronomical Society, 528(4).
J. Li, R. Qin, F. Y. Wang, 2023, "The Future of Management: DAO to Smart Organizations and Intelligent Operations," IEEE Transactions on Systems, Man, and Cybernetics: Systems, 53(6).
J. Li, R. Qin, S. Guan et al., 2024, "Digital CEOs in Digital Enterprises: Automating, Augmenting, and Parallel in Metaverse/CPSS/TAOs," IEEE/CAA Journal of Automatica Sinica, 11(4).
K. M. Jablonka, P. Schwaller, A. Ortega–Guerrero et al., 2024, "Leveraging Large Language Models for Predictive Chemistry," Nature Machine Intelligence, 6(2).
Mankowitz, J. Daniel, A. Michi, A. Zhernov et al., 2023, "Faster Sorting Algorithms Discovered Using Deep Reinforcement Learning," Nature, 618(7964).
M. B. Andres, C. Sam, S. Oliver et al., 2023, "ChemCrow: Augmenting Large–language Models with Chemistry Tools," arXiv, 2304.05376.
Q. Miao, F. Y. Wang, 2024, Artificial Intelligence for Science (AI4S): Frontiers and Perspectives Based on Parallel Intelligence, Springer Cham.
Q. Miao, W. Zheng, Y. Lv, M. Huang, W. Ding, F. Y. Wang, 2023, "DAO to HANOI via DeSci: AI Paradigm Shifts from AlphaGo to ChatGPT," IEEE/CAA Journal of Automatica Sinica, 10(4).
Szymanski, J. Nathan, B. Rendy, Y. Fei, Kumar, E. Rishi et al., 2023, "An Autonomous Laboratory for the Accelerated Synthesis of Novel Materials," Nature, 624(7937).
Trinh, H. Trieu, Y. Wu, Le, V. Quoc et al., 2022, "Solving Olympiad Geometry without Human Demonstrations," Nature, 625(7939).
W. Ding, J. Hou, J. Li et al., 2022, "DeSci Based on Web3 and DAO: A Comprehensive Overview and Reference Model," IEEE Transactions on Computational Social Systems, 9(5).
X. Wang, J. Yang, Y. Wang et al., 2023, "Steps Toward Industry 5.0: Building '6S' Parallel Industries With Cyber–Physical–Social Intelligence," IEEE/CAA Journal of Automatica Sinica, 10(8).
X. Li, K. Wang, Y. Tian, L. Yan, F. Deng, F. Y. Wang, 2022, "From Features Engineering to Scenarios Engineering for Trustworthy AI: I&I, C&C, and V&V," IEEE Intelligent Systems, 37(4).
責(zé) 編∕韓 拓 美 編∕周群英
Parallel Science: Cutting-edge Technologies and Framework System
of AI4S in the Era of Large Models
Wang Feiyue Miao Qinghai
Abstract: Intelligent large model technology, as a typical representative of intelligent industry and new quality productive forces, is creating a new wave of human social change, accelerating the transformation of scientific research paradigm, and playing an increasingly important role in the scientific research driven by AI for Science (AI4S). It leads to the formation of a new paradigm of parallel science characterized by "three worlds, three types of technologies, three types of scientists, and three modes". From the perspective of parallel intelligence of virtual and real interaction, large model technology has made some achievements in the fields of mathematics, biology, health and medicine, chemistry, materials science and astronomy, etc. The future shall be based on the "three worlds" of parallel science, using the "three types of technologies", integrating the "three types of scientists", and building the basic framework system of an intelligent ecosystem serving AI4S research, especially the federated ecosystem.
Keywords: artificial intelligence large model, AI4S, parallel intelligence, parallel science
