AI斩获诺奖，科研范式如何被颠覆？| 火花公开课

诺贝尔奖与AI——改变的时代

人工智能的崛起不仅仅局限于行业应用，它甚至开始打破传统的科研边界，成为推动科学发现的全新力量。在最近的火花公开课-微博AI大伽百人谈第66期，我们的嘉宾们深入探讨了AI在物理、化学、经济学等领域的突破，首次揭示了AI学者获诺贝尔奖背后的故事——这意味着什么？科技界是否正在迎来范式的转折？

本次讨论聚焦于AI如何颠覆科学研究范式，引发了众多关于科研未来的思考与期待。

访谈精华 | 核心观点摘录

1. AI不仅是助手，它正在逐渐成为科研范式转变的重要推动力。（黄伟伦）
2. AI的跨学科融合潜力巨大，它正在化学、物理、经济等领域打破学科壁垒，重塑科学研究的边界。（黄伟伦）
3. 未来已来，不是每个科研人员都愿意拥抱AI，但不使用AI做科研的时代正在迅速远去。（王树义）
4. AI不只是助手，更可能是超越助手的存在——它为科研提供了前所未有的加速力和创新动力。（王树义）
5. AI绝对不能成为你的枪手，它是助手，但科研的终极责任依然属于人类。（陈东良）
6. 蛋白质的三维结构预测，如今在AI的帮助下，从以年为单位缩短到以天为单位，这不仅是效率的提升，更是科研可能性的革命。（陈东良）
7. 在未来，AI可能导致‘科研落差’，因为那些能利用AI加速科研的人与那些仍然采用传统方式工作的人之间的差距会越来越大。（黄伟伦）
8. AI不是为了取代人类，而是为了帮助我们去挖掘更多的可能性——关键在于如何用好它，而非畏惧或滥用它。（胡延平）
9. 制度决定了技术的未来发展路径，AI的潜力要在包容性的制度框架下才能真正得到释放。（胡延平）
10. 现在的AI已经具备合格的研究生水平，但未来它可能成为真正的科研伙伴，推动科学的全面突破。（王树义）

全文摘要

本次公开课深入探讨了人工智能（AI）技术在科研领域的广泛应用及其对科研方法和诺贝尔奖评选规则的潜在影响。讨论涵盖了AI在科研范式变革中的作用，包括数据处理、跨学科研究的促进，以及对提高研究效率和准确性的贡献。特别强调了AI在医学、化学、经济学等领域的具体应用案例，如AI预测蛋白质结构加速药物研发、AI在股市预测中的应用等，展现了AI技术的创新潜力和跨学科连接性。同时，讨论也关注了AI在科研中所面临的伦理、公平性和社会风险挑战，强调了政策制定者和科研人员需共同努力，确保AI技术的发展和应用能够促进社会的包容性和公平性。此外，讨论还触及了AI技术如何改变科研写作、论文提交过程以及数据处理与可视化的手段，表明AI正日益成为科研工作中的重要工具，同时也提醒科研诚信的重要性。整体而言，对话展现了AI技术在科研领域的巨大潜力及其对科研方式变革的深远影响，同时指出了在享受AI技术带来便利的同时，需警惕并解决伴随而来的一系列挑战和问题。

思维导图

章节速览

00:00 探讨AI对科研范式的影响及诺奖未来可能性

本次公开课集中讨论了AI技术在科研领域的应用，及其对科研方法和诺奖评选规则可能带来的改变。特别关注了AI在创作（AIGC）领域的发展，以及四位专家从不同角度分享了AI技术如何改变科研范式。此外，还提及了AI在其他领域的潜在影响和可能的未来趋势。

11:11 探讨人工智能对科研范式的影响及诺贝尔奖的评判标准

讨论了人工智能在科研领域的创新与应用，强调了AI从十年前开始对科研前端的贡献，以及其如何影响和改变科研范式和人类生活。探讨了诺贝尔奖是否奖励创新或过去成就，指出AI已深刻影响日常生活并提出了对AI角色的深入思考。同时，介绍了讲者的背景和对物理学、化学以及经济学领域中AI应用的见解，强调了AI的实用性及其对人类的影响。

16:22 物理学与AI的交叉发展及其应用

霍普菲尔德提出的联想记忆模型和反向传播算法推动了神经网络的发展，使AI具备了思考能力，预示其在股市预测等领域的广泛应用。化学AI领域，利用AI预测蛋白质结构，大大加速了药物研发进程。此外，经济学者强调制度在决定经济命运中的核心作用，为国家繁荣提供了新视角。这些研究跨越了神经科学、计算机科学、生物学等多个学科，体现了AI的跨学科连接性和创新潜力。

24:02 制度经济学视角下的AI发展与社会影响

几位诺贝尔经济学奖得主，包括达罗阿西莫格鲁、西蒙曰尔训和詹姆斯罗宾逊，通过对国家成功与失败的分析，强调了包容性制度在推动经济繁荣和保护产权方面的作用。他们的研究不仅涉及经济领域，也探讨了人工智能（AI）与社会制度之间的相互作用。AI作为一种创新技术，其潜力需要在包容性制度下才能最大化，以促进技术进步和平等机会。然而，AI也可能对就业市场产生显著冲击，导致工作结构变化，这需要制度调整以应对可能的经济不平等加剧。此外，AI的发展与应用带来了社会风险，如隐私侵犯、技术垄断等问题，强调了政策改革的必要性，以确保AI发展为包容性、非排他性，避免经济和政治不平等加剧。

29:56 AI对科学研究的影响

介绍了AI在科学研究中的应用，特别是自动化数据处理和分析能力的提升，以及如何创造新的研究工具和促进跨学科研究。讨论了AI如何缩短研究时间，提高研究的准确性和预测能力，并强调了AI在提高研究效率的同时，也需要考虑伦理和公平性。

40:10 AI在科研领域的应用及其对诺奖影响

黄老师介绍了AI与诺奖之间的关联，强调了AI在科研中的重要作用，使其不再是简单的助手，而是对科研突破和创新有极大促进的工具。王老师则分享了AI在科研各个阶段的影响，并指出诺奖的认可强化了AI在科研中的地位。讨论还涉及了AI的公平性、对劳动力的冲击以及隐私和诈骗问题，强调了需通过法律和透明度来应对这些问题。

48:48 利用AI辅助科研选题与数据处理

过去，学生在查找论文时存在因关键词翻译不准确而遗漏相关研究的问题。当前，推荐使用perplexity应用，可通过中文输入主题，辅助精准查找相关文献，减少重复工作。此外，AI在科研数据处理与可视化方面展现出强大能力，即便是非信息技术背景的文科生也能利用AI进行数据分析，获得更严谨和准确的结果。

54:18 AI在科研写作中的应用与思考

在科研写作和论文提交过程中，人工智能（AI）可以帮助作者减少低级错误，提高论文质量。通过使用AI工具，作者可以得到关于文本修改和格式优化的建议，甚至能够模仿特定的写作风格。此外，AI还能协助处理诸如翻译、图表生成等工作，从而减轻科研人员的负担。尽管大语言模型目前在推理能力上存在局限，但人机协同工作的方式，即人类负责创意和推理，而AI执行重复性和技术性任务，正成为科研领域的一个高效策略。然而，应警惕将AI视为论文的主笔，因为科研诚信要求作者对论文内容负责。最后，科研机构通过制定政策避免AI被不当使用，强调作者的个人责任。

01:01:47 王树义老师分享：AI在科研中的应用与挑战

在提到文科生或普通人也能参与的数据分析和可视化项目中，显示出AI在降低技术门槛、提高科研效率方面的巨大潜力。讨论强调了AI对科研范式的影响，以及看待AI技术的包容性和积极态度的重要性。提及未来将有更多高校巡讲和公益活动，旨在推广AI知识和应用，特别是对于论文撰写和科研困难的解决提供新思路。

01:08:08 AI在科研领域的应用和挑战

讨论了AI在科研，特别是医学和论文写作方面的应用及挑战。强调了AI作为科研助手的重要性，同时指出AI不能替代人类的判断和责任。提到了从GPT模型的迭代到AI在医学领域的预测应用，强调了AI技术的进步及其对科研效率的提升。最后，讨论了AI科研的伦理和责任问题，指出AI生产的科研成果需要经过人工审核，确保科研诚信。

01:13:54 AI在论文写作中的应用与思考

讨论了AI在论文写作中的角色和潜力，将其比喻为骨骼与血肉的关系。认为人类应负责论文的结构构思，而数据、实验等‘血与肉’部分可借助AI。强调AI作为工具的重要性，提倡早用AI，通过使用各种AI模型提升效率。同时，强调人对论文最终负责，强调AI在科研中的赋能角色。

01:20:52 智能科技对科学赋能的深入探讨

讨论了智能科技在办事效率、物理科学应用以及感知与交互方面的变化和进步。着重分析了智能技术如何通过提高信息处理能力、增加多模态感知和模拟物理世界模型，来进一步推动科学发现和技术发展。强调了智能科技在数据处理、多模态交互以及适应物理世界规律方面的进展，展示了智能技术对科学探索和应用的巨大潜力。

01:32:15 探讨AI对科研方式的影响与诺奖潜力

本次对话集中讨论了人工智能（AI）在科研领域的应用，及其对科研方式的颠覆性影响，包括信息世界的普遍规律、物理实践的三个阶段，以及AI与现实世界关系的深度变化。讨论指出，随着AI从第一范式到第五范式的演进，科技生产力将显著提升，可能带来科学的大爆炸，甚至改变人类对于生产力的传统理解。此外，还探讨了AI是否能够获得诺贝尔奖及其在科研方式变革中的作用，强调了AI在科研领域的潜力和挑战。

01:43:32 AI对科学研究的影响及其诺贝尔奖潜力探讨

本次讨论集中在人工智能（AI）在科学研究中的角色及其对创造知识和发现规律的潜在贡献上。讨论指出，AI的进展正在深刻改变科研范式，特别是在基础研究和产业应用中展现出的巨大潜力。虽然AI尚未获得诺贝尔奖，但其在改变世界方面的作用已经显现，预示着未来的科研领域可能的革命性变化。讨论还强调了AI技术在提高论文撰写效率和企业决策优化方面的应用，表明AI已经不仅仅是未来愿景，而是当前实际改变现实的力量。

发言总结

黄伟伦， 温州大学商学院特聘教授

他着重讨论了人工智能（AI）在科研和经济领域的影响，以及诺贝尔奖在认可创新和成就方面的作用。他指出，许多AI学者因在物理、化学等领域的贡献而获得诺贝尔奖，强调了AI在科研前沿的积极作用。同时，他提出了对诺贝尔奖奖励机制的思考，认为其主要奖励的是已取得的成就，而非持续的创新过程。 他详细探讨了AI如何变革科研范式和生活处理方式，包括科研过程的自动化、数据分析能力的提高以及跨学科的融合。他例举了AI在药物发现、经济模型优化等领域的应用，并指出AI不仅作为科研工具，还能作为科研人员的导师、同行者或创新推动者。 对于诺贝尔奖，他提出疑问，认为AI已经成为深刻影响我们生活的颠覆性技术，因此科研范式需要适应AI的快速发展。他通过介绍AI在神经网络、蛋白质结构预测等领域的应用案例，强调了AI的快速普及及其对科研的推动作用。 最后，他强调了制度在AI发展中的重要性，认为包容性的制度框架能够促进AI的创新，确保其公平和透明的应用，避免隐私侵犯和技术垄断等问题。他提倡通过政策改革和制度创新来确保AI的可持续发展和公平应用。

王树义，天津师范大学管理学院副教授

强调了人工智能（AI）在提升科研工作效率和研究质量方面的重要作用。他指出AI作为科研助手，已广泛应用于知识输入、数据处理和内容输出等环节，显著提高了科研工作的效率和准确性。通过举例“perplexity”应用，他说明AI能帮助科研人员精准查找学术文献，减少信息遗漏。此外，AI在数据分析、机器学习及语言模型方面的能力，使得非专业背景的科研人员也能轻松完成复杂任务，并辅助论文写作与编辑，减少低级错误，优化内容逻辑和组织。 他提倡理想的科研协作模式，即人类负责创意和推理，AI承担繁重、重复的任务，二者互补合作。他警示科研界应避免将AI简单视为“枪手”，强调科研诚信的重要性，并引用编辑部对AI写作政策的调整，旨在促进负责任的研究实践。 最后，他总结道，尽管AI技术尚不完美，但它为科研工作者提供了新的合作机会，促使人们重新评估人机协同在科研工作中的角色和价值。他鼓励科研工作者充分利用AI的优势，同时保持批判性思维，确保研究的原创性和深度，共同推动科研进步。

陈东良，南京医科大学的心胸外科硕士

首先表达了对两位老师的感谢，对其专业成就及在B站、微信公众号等平台的贡献表示赞赏，特别提到他们高产的科研成果。随后，他转向讨论了诺贝尔医学奖获得者以及MC RNA技术的进展，包括干扰RNA和CRISPR-Cas9技术，强调了这些技术对医学研究的重大影响。他指出，这些技术正推动着医学领域的发展，展示了科研领域的前沿与潜力。 接下来，他讨论了AI科研的发展，特别提到了GPT的发展历程，从2022年底的发布到2023年的迭代更新，展示了AI技术的快速进步和广泛的应用。他强调，虽然AI在医学、科研写作等方面的应用能够提高效率，但仍需人类进行内容的把控和最终的负责，AI应被视为科研工作的助手，而非替代人类的工具。在论文写作方面，他认为AI可以辅助收集数据和参考文献，但构思和论证过程应由人类完成。 最后，他总结强调了工具的重要性，提倡合理利用AI提高工作效率，并鼓励大家尽早探索和应用AI技术，认为这将有助于推动科研进步和创新。

胡延平，DCCI未来智库首席专家

深入探讨了科技与智能进步对办事方式的影响，强调了智能科技在融合物理世界、数据与计算能力方面的作用。他们指出，智能本身经历了从基于文本信息到多模态智能的发展，通过数据和算法的结合，智能的理解和感知能力得以提升。特别地，人工智能在科学研究中的潜力可以分为从基于文本信息智能到形成理解并模拟现实世界物理规律的世界模型的五个发展阶段。这五个阶段分别是：

1. 基于文本信息的智能：在这一阶段，AI主要通过处理和理解文本信息来帮助科研工作。它可以高效地进行文献分析、数据整理以及文本生成，为科研人员提供强大的信息支持。
2. 数据驱动的模式识别：第二阶段是通过数据驱动的方式来发现科学研究中的模式和规律。AI可以通过分析海量实验数据，发现其中隐藏的联系，帮助科研人员更好地理解复杂现象。
3. 实验设计与自动化分析：第三阶段是AI参与实验设计和自动化分析。通过机器学习算法，AI能够帮助科研人员设计实验、进行实验模拟以及分析实验结果，从而极大地提升科研效率。
4. 构建科学模型与理论验证：在第四阶段，AI不仅限于数据分析，还能帮助科研人员构建科学模型，并对其进行理论验证。AI可以模拟科学现象，预测实验结果，为科学研究提供新的思路和假设验证的手段。
5. 形成理解并模拟现实世界的物理规律的世界模型：第五阶段是AI逐渐具备对现实世界物理规律的深层次理解，并能够构建和模拟这些规律的世界模型。通过这种能力，AI可以帮助科学家在复杂系统中进行探索和推演，甚至发现新的科学定律和理论。

此外，他们还讨论了智能技术进步不仅关乎计算能力的增强，也包括对能源和算力需求的考量，以及未来能源范式的潜在转变。最后，他呼吁科学界与个人在面对人工智能范式转变和科技发展时，需保持开放和前瞻性的思考，认识到这将对科学界及个人未来产生重大影响。

结论与思考

AI正在改变科学研究的方式，它不仅仅是科学家的助手，更可能成为颠覆传统科研模式的重要力量。AI带来了跨学科融合的可能性，使得物理、化学、经济学等不同领域能够互相借鉴和协同创新。通过AI，科研的效率得到了极大提升，许多原本需要多年甚至几十年的研究，现在可以在短时间内完成。

然而，在享受AI带来的便利的同时，我们也必须面对它所带来的伦理与平等问题。AI的普及可能会带来科研之间的差距，因此如何让AI公平地为所有科研人员所用，是需要科学界和全社会共同面对的问题。

你认为在未来，AI能否完全取代某些科研岗位？它能否帮助科学家突破现有认知的极限？ 欢迎在留言区分享你的看法！

火花公开课第66期的嘉宾们为我们带来了关于AI与科学研究的深刻见解。AI不仅是科研的工具，更是未来科学突破的重要推力。希望这篇文章能带给你关于科研与AI结合的更多思考。

下一期火花公开课将继续探讨AI与千行百业的话题，敬请期待！