周伯文：AGI4S六问——AI拓展知识边界，但探索的罗盘始终由人心来指引 | 洞见

阿玛拉定律的核心观点是这一句话：“人们总是高估技术的短期变化，却低估长期的变革。”当前人工智能大热，有人质疑泡沫过多、有人认为发展需要更多泡沫。AI4S（AI for Science）领域存在一系列的“高估与低估”，该如何去科学评价与看待？

今天召开的2025浦江论坛“人工智能赋能科学研究论坛”上，上海交通大学上海高级金融学院兼聘教授周伯文就上述问题系统性提出“AGI4S浦江论坛六问”。他从“边界之问、预测之问、交叉之问、形式化之问、验证之问、新科学之问”六个角度，展望AI的发展前景与应用未来，同时提出“AI正在加速拓展知识边界，但科学探索的罗盘始终是人类的心灵、好奇心与价值观来指引”。

所有科学问题是否都能被人工智能解决？哪些是AI可能永远无法触及的？第一问“边界之问”，周伯文回顾希尔伯特的可判定性问题与哥德尔不完备定理，对比吴文俊的“机器证明”在特定领域实现的突破，最终得出结论期望值从“偏高到偏低，最终回到现实”，由此可见AI的能力是有边界的，但AGI（通专融合）可能正在拓展这一边界。

第二问“预测之问”：如今AI的预测能力是否全面超越了现有计算方法？科学的关键特征是能否准确预测系统将要发生什么，当前可见，基于大语言模型和训练数据，对于全新复杂的问题，预测将会遭遇能力瓶颈。专家举例：AlphaFold能预测蛋白质结构，但尚不能通过分析模型本身来揭示蛋白质折叠的原理；神经网络虽然能进行短期或局部的快速模拟，但三体问题的混沌特性，导致长期预测仍面临挑战，“因此我们不仅仅要通过AI来预测，更需要AGI的技术路径来真正理解”。

第三问“语言之问”：对于科学表征，如何超越自然语言？两者孰轻孰重？他引用1972年图灵奖得主迪克斯特拉（Dijkstra）的观点，强调了形式化语言（数学符号）对现代科学的奠基作用。现代文明社会得以在欧洲挣脱出中世纪经院哲学的束缚后诞生，关键得益于韦达、笛卡尔、莱布尼茨等人所创立的严谨符号体系。如今，科学中的自然语言有局限，表达能否捕捉自然界的行为方式，是否能以人类理解的方式呈现值得商榷。周伯文认为，应该在自然与形式化语言结合的领域探索。他同时透露，目前上海人工智能实验室正在开展相关研究，在自然语言与多模态的基础上，加强形式化表征，致力于解决科学表述的根本难题。

第四问“交叉之问”：AI4S不只在于AI与其他科学交叉，是否还能带来新融合？分子生物学之父瓦伦·韦弗（Warren Weaver）于1933年就提出，生物学研究的未来在于物理学（以及化学、数学）的交叉——“一股尚未继续力量的新浪潮”，自此洛克菲勒基金会年度预算的80%持续投入这一交叉领域，直至1938年韦弗将这一领域正式命名为分子生物学，引领后续数十年的科研方向，并为发现DNA双螺旋结构、现代遗传学、生物技术等奠定了基石。专家说，历史的经验告之，科学研究最肥沃的领域存在于现有成熟学科的融合点。上海人工智能实验室启动的“攀登者计划”，也正是效仿韦弗，投资于跨学科融合，以期催化下一个“分子生物学”级的突破。

第五问“验证之问”：如何判断AI有能力做出重大科学发现？其可靠性如何确立？大胆设问：假如仅用1905年前的语料（1905年狭义相对论发表），AI能否快速融合此前学界已发现的黎曼几何等理论，由此诞生出“广义相对论”？周伯文认为，重大发现是“研究者-工具-对象”三者复杂互动的结果，要实现相对论级的突破，需要AI发挥系统性作用，帮助研究者增强跨域知识，智能提升研究工具，同时深度推理泛化研究对象，最终深度融入科研全流程才能获得突破，绝非简单的假设就能达成。

最后一问“新科学之问”：AI是否会将人文、艺术、社会科学等领域转变为可精确测量的“新科学”？周伯文举个有趣的例子，有的西方主流大模型给梵高的作品打分得了高分，但给徐悲鸿的骏马图打分，分数却相当低，“我们都知道徐悲鸿的骏马图是传世之作，那为什么AI会打低分？因为过去它没有被精准分析与训练过”。他认为，未来AGI将能辅助更多学科发展精确视角，提供新的分析视角与精确度量工具，有助于研究者从“非结构化原始数据”中识别出可能具有研究价值的模式与特征。记者获悉，目前上海人工智能实验室已探索“书生·妙析 ArtiMuse”美学大模型，这也意味着AI正在重塑对科学的传统定义。他还透露，将借助大规模、可重复的AI实验，提供系统研究框架，激发更创新的视角。

“执着、好奇、优雅、坚韧，以人类科学精神与智力为罗盘，以AGI为引擎，实现协同探索”，周伯文最后提出，“把握被高估的当下，投身被低估的未来。预测未来最好的方法就是创造未来！”

内容来源｜上观

图片来源｜千图网

高金项目火热招生中…

欢迎点击小程序了解更多信息