�将行业的经验模型升维为可计算�为跨尺度�构建创新框架�

<p id="48JQ0NSE">来源？：科[技日报</p> <p id="48JQ0NSF"><strong>雍黎</strong></p> <p id="48JQ0NSG">人工智能正以前所未有的深度与广度，重新定义科学发现的路径。面对国际科研范式加速变革的趋势，我们应如何重构研究方式、培育未来人才？1月16日，在首届重庆市人工智能赋能科学研究大会上，来自学界与产业界的多位院士专家凝聚共识：人工智能（AI）已不再仅仅是科学研究的辅助工具，它正推动科研范式的变革，成为驱动原创发现的“新引擎”与“新伙伴”。一场以“人机协同”为核心的科研新范式，正在我们眼前展开。</p> <p id="48JQ0NSH">纵观院士们的洞见，AI赋能科研首先体现在其作为“新引擎”，正在释放传统学科沉睡的潜能，实现从“理解”到“重塑”的跃迁。如传统医学依赖影像、病理等“低维数据”，而精准医疗已经进入基因组、单细胞、空间组学时代，AI将海量多维数据转化为可执行的医疗决策，正推动生命科学研究从“数据积累”走向“知识挖掘”，加速创新药物诞生，加速精准医学时代的到来。在土木工程界，AI重构建筑研发与建造的逻辑链条；在农业界，AI支持着智慧农业全链条决策……这种赋能，本质上是将数据的复杂性转化为知识的深度，将行业的经验模型升维为可计算、可优化、可预测的智能系统。</p> <p id="48JQ0NSI">更深层次上，AI的渗透正催生科研范式的根本性变革。AI正推动科研从传统“正向试错”向“目标牵引的逆向设计”转变，并将从工具进一步演进为知识发现手段，为跨尺度、跨学科复杂问题提供新路径。</p> <p id="48JQ0NSJ">虽然现阶段AI仍是高通用性的科研工具，AI模型在科学领域的可解释性、可靠性仍需加强，关键结论必须经过严谨的交叉验证；算力资源不足仍是高校与科研机构的普遍约束。从算法创新到工程应用的“最后一公里”，以及伦理与安全的边界界定，都是亟待解决的课题。</p> <p id="48JQ0NSK">不过，这都挡不住已然来临的科学研究“人工智能+”时代。它不再是一阵遥远的技术微风，而是正在席卷每个实验室、每间教研室、每个工程现场的变革浪潮。在这场深刻的变革中，未来的科学家角色与科研生态也在被重新定义。</p> <p id="48JQ0NSL">院士专家们指出“人机协同”将成为创新常态。其核心在于，将科研人员从大量重复性、程式化的工作中解放，交由AI工具链处理，从而使人类智慧更聚焦于提出关键科学问题、构建创新框架、进行战略性判断与跨域联想——这些恰恰是AI目前所欠缺的。教育则从“教师教、学生学”的二元结构，转向“学生—AI—教师”三元深度协同的新生态。</p> <p id="48JQ0NSM">这就要求未来的科研人才，尤其是青年学者与学生，必须主动拥抱变化，不仅要掌握本专业知识，还需学会“与AI共事”，通过自主生成假设、设计实验、解析结果，探索前人难以企及的创新方案。</p> <p id="48JQ0NSN">于研究者个人，须立志成为善用AI“超级参谋”的“指挥官”，将核心智慧集中于提出真问题、把握大方向、做出精判断。于高校与科研机构，则需加快构建支撑“人机协同”的算力平台、数据环境与交叉学科文化，并改革评价体系，鼓励这种新范式下的探索。</p> <p id="48JQ0NSO">唯有如此，方能驭势而行，在科学研究的“人工智能+”时代，成为原创发现的引领者，而非变革的旁观者。</p>