说起“AI for Science”，这事儿的背后有一个挺有意思的故事。从2009年《Science》杂志说能从数据里找出自然规律，到Phil Anderson站出来说这离科学革命还远着呢，再到现在，大家对它的看法已经有了大变化。2022年Giorgio Parisi拿了诺贝尔物理学奖，他的理论在机器学习里也派上了用场。 就在2022年，中国科学院和北大前沿交叉学科研究院搞了个活动。这个活动放在8月8日开始，正好是8月8日到11日之间的三天里，“AI for Science：共创新未来”的首届科学智能峰会在北京举行。这么个重量级的会，光从1到100的冲刺就显得很不够看了，因为大家更期待从0到1的突破。 当时的汤超院士在开场致辞里提了三个层次的看法。第一个层次是说，把AI当成“瑞士军刀”，能帮科研人员解很多难题。比如它能解量子力学方程，做复杂的流体力学模拟，还能预测分子合成路径、解析蛋白质折叠、设计靶向药物、识别医学影像等等。这种工具见效快、目标明确，很多实验室都在用。 第二个层次是关于AI能不能发现新的科学。汤超提到，要是给机器喂海量的数据，它可能会轻松给出预测结果，甚至能复现开普勒定律或者哈密顿量守恒。但当年Phil Anderson反对这种说法，觉得机器只是在重复已知的东西。汤超觉得没必要悲观，哪怕目前还没见到革命性的实例，也不代表以后没有机会。 第三个层次是把AI本身当成研究对象。当算法的参数突破万亿级时，我们就要去研究模型为什么能学、为什么不能学。Giorgio Parisi的理论已经在神经科学和机器学习里显示出威力了。汤超认为AI背后一定有更深的原理在等着被发现。 现在看来，“AI for Science”真的在重塑科研的范式。从实验室到产业界，它展示了“一条链带动一片林”的效果。基础研究有了新工具，转化应用有了新场景，经济增长也有了新动力。抓住这个交叉红利，科研和产业生态都可能被重新书写。希望这个大会能开得圆满成功！