AI和人类，谁将是谁的“外骨骼”？周伯文：预测未来的最好方法是创造未来

“人工智能+”已成为时下最热门的概念。特别是在科研领域，AI正助力各学科突破瓶颈，迎来高速发展。那么，在AI的持续赋能下，科学有着怎样的前景？人类又面临怎样的未来？

在昨天举行的2025年浦江创新论坛“人工智能赋能科学研究”专题论坛上，上海人工智能实验室主任、首席科学家周伯文给出的回答颇有深意，他说：“预测未来的最好方法，就是创造未来。”

多点开花：AI赋能有哪些新探索？

论坛上，多学科专家带来了AI赋能科研的前沿成果。

中国科学院院士、广州实验室常务副主任徐涛介绍，在传染病防治领域，让AI参与抗原、抗体结构解析，从头设计产品，是最佳选择，1个月即可研发出未知病原抗原检测试剂盒，90天即可获得中和抗体药物。围绕传染病防控需求，开发系列装备，通量将能提升数十倍，抗体开发速度可压缩至2周。

徐涛指出，要让AI更好赋能学科，必须建设好大科学设施，用大设施变革赋能范式，用新仪器加速赋能发展，用大科学牵引赋能方向。

从微观粒子到宏观系统，物质科学研究面临的一大困难是跨尺度计算。中科院院士、中科院物理研究所所长方忠介绍了两种AI赋能路径：一是代理模型，即以机器学习代替费时费力的计算或实验，不仅能够算得更快、算得更大、算得更准，还能实现跨尺度计算；二是生成模型，即跳过计算，从数据中提取经验，直接由数据得出性质，再由性质反向生成材料。方忠表示，“反向设计是我们的终极目标。”

复旦大学校长助理、上海创智学院副院长、上海科学智能研究院理事长吴力波从气候科学的角度指出，AI驱动气候风险的精准感知，可帮助解决极端气候事件频发背景下的建模问题。研究人员对大气、海洋、陆地多系统反馈的认知，可在AI的赋能下进一步深化。

赋能“万物”：被高估还是低估？

对于人人都在谈论的“AI赋能”，与会专家也提出了冷静思考。周伯文引用“阿玛拉定律”说：人们总是高估技术的短期变化，却低估长期的变革。

由此，他提出AI热潮下的“新阿玛拉之问”：AI赋能科研，是否也存在一系列的“高估”与“低估”？在这个“元问题”的基础上，他进一步提出“AI4S六问”，即边界之问、预测之问、语言之问、交叉之问、验证之问、新科学之问。

“边界之问”，问的是“所有科学问题是否都能被人工智能解决”。他以数学为例。一百年前，数学界曾热烈探讨是否所有数学问题都能被“机械化解决”。1928年，希尔伯特就此提出“可判定性问题”。3年后，哥德尔定理的发现，对这个问题提出有力质疑。1936年，丘奇和图灵证明了不存在通用算法。到了1970年代，吴文俊以“吴方法”开创几何定理机器证明先河。

由数学到AI赋能，周伯文指出，在提出问题后，更应该关注AI赋能科研是否会出现划定边界的“哥德尔定理”，又是否会出现突破边界的“吴方法”。

对于AI赋能“过热”现象，周伯文认为，既要把握“被高估”的当下，也要投身“被低估”的远方。他提出的“交叉之问”，指出了AI赋能科研不能仅局限于AI与单点学科的交叉赋能，更大的价值在于加速融合多学科、激发新科学。

周伯文指出，科学研究最肥沃的领域在于现有成熟学科的融合点。他举了一个例子。美国数学家、机器翻译奠基者沃伦·韦弗1933年指出，生物学研究的未来在于与物理学等学科的交叉。作为洛克菲勒基金会自然科学分部的掌舵者，韦弗将年度预算的80%投入交叉领域。1938年，他将这一领域命名为“分子生物学”。此后，这一领域指引了数十年的科研方向，为DNA双螺旋结构、现代遗传学等奠定基础。

终极形态：谁是谁的“外骨骼”？

赋能科学研究的AI，说到底仍然是工具。但如果AI持续发展，有没有可能摆脱工具属性？AI的终极形态是什么？在论坛圆桌讨论环节，专家学者就此展开头脑风暴。

上海创智学院全时导师、副教授李怡康指出，当下AI无疑是人类的“外骨骼”。但是在生物医学等AI研究进展较快的领域，未来很可能形成以AI为研发核心、人类作为辅助的模式，类似某些现代生产线。届时从某种意义上讲，人类反倒成为AI的“外骨骼”。

晶泰科技首席科学家张佩宇持类似观点。在未来科研中，智能体将能够完成推理，而人类或将仅作为部分参与者。在具体项目中，AI可以负责调度与决策，其承担的工作比例或将从50%提升到80%或90%。智能体可集成多位专家的经验、仪器设备的执行力以及自身学到的知识，形成攻坚复杂科学问题的“超级智能”。

浙江大学计算机科学与技术学院教授陈华钧则认为，随着技术发展，AI将能自主操控科学装置，将能力延伸到物理空间。随着AI自主性不断提升，其潜在风险也在增大，AI可能会设计出人类无法理解或不愿看到的事物。因此，人类不能沦为辅助，而应扮演监管角色，要适时介入。

华大智造高级副总裁杨梦则提出，AI与人类的未来关系不是核心与外骨骼的关系，而是分工协同。查文献等基础工作大概率将被AI替代，但人类的情商不可忽视。此外，人类对于科学的好奇、对于研究的执着、对于跨学科跨文化的共情，都是机器所无法取代的，这些都是科研的重要组成部分。

关于这个话题，周伯文在主题演讲中指出，AI正在加速拓展知识边界，但科学探索的罗盘始终是由人类的好奇心与价值观来指引。