智能大模型技术作为智能产业与新质生产力的典型代表,正掀起人类社会变革的新浪潮,并加速推动科学研究范式的转变,在人工智能驱动的科学研究(AI for Science,AI4S)中起着越来越重要的作用,推动以“三个世界、三种技术、三类科学家、三...智能大模型技术作为智能产业与新质生产力的典型代表,正掀起人类社会变革的新浪潮,并加速推动科学研究范式的转变,在人工智能驱动的科学研究(AI for Science,AI4S)中起着越来越重要的作用,推动以“三个世界、三种技术、三类科学家、三种模式”为特点的平行科学新范式的形成。从虚实互动之平行智能的角度看,大模型技术在数学、生物学、健康与医学、化学、材料科学和天文学等领域都取得了一定的成绩。未来应基于平行科学的“三个世界”,利用“三类知识”,整合“三类科学家”,构建服务于AI4S研究的智能生态系统,特别是联邦生态系统的基本框架。展开更多
“人工智能驱动的科学研究”(AI for Science,AI4S)是一场正在发生的科技革命,是将人工智能技术与科学研究深度结合,帮助促进发现新知识、解决科学难题的新型科学研究范式。随着AI4S的研究推进,其发展脉络、机遇和挑战、需求和任务、实...“人工智能驱动的科学研究”(AI for Science,AI4S)是一场正在发生的科技革命,是将人工智能技术与科学研究深度结合,帮助促进发现新知识、解决科学难题的新型科学研究范式。随着AI4S的研究推进,其发展脉络、机遇和挑战、需求和任务、实现路径等问题值得进一步讨论。为此本刊邀请了7位专家组织了本期笔谈。1)支撑AI4S的知识服务:AI4S对当下的知识服务提出了更高的要求,包括多层次知识发现与获取需求;跨学科研究和创新需求;以用户为中心的参与式服务需求,使得知识服务场景向多元化,智能化,专业化,个性化转变。为此须重新定位AI4S环境中知识服务的新角色,明确其在全面支撑科技创新进程中的新任务,树立大文献观,兼顾普惠与专深,以支撑跨学科创新。2)建设AI4S的知识底座:人工智能的本质是知识的获取与利用,而科技文献则是人类知识的主要载体。中国科学院文献情报中心充分认识到AI带来的科研范式变革,提出了构建AI4S的科技文献知识底座的概念,积极挖掘科技文献中蕴含的科学知识和高质量数据,努力构建AI4S的领域智能知识底座,将“科技文献库”转变为“科技知识引擎”,支撑AI4S所需的查询循证、态势感知、推理预测、生成启示等智能化服务。3)驱动AI4S的科学数据:科学数据有效聚合为发挥AI4S的强大功能奠定了数据基础,是图书馆实现AI时代角色与功能变革的前提,是推动科研服务转型、深化科研支持、加速科技创新的必要条件。目前图书馆有效聚合科学数据为AI4S提供支撑仍面临宏观和中观上的诸多挑战,应对该挑战有以下实现路径:明确图书馆在科学数据管理中的角色与作用;营造科学数据管理环境;构建科学数据管理合作网络;提升科学数据管理服务能力。4)AI4S与古典文献智能语言模型:AI4S技术能够用于文献和文本的分析,更快速、更全面地理解大量的历史文献和文化资料。古典文献智能语言模型是人工智能技术在古籍文献研究领域的一项重要突破,为古典文献研究带来了新的机遇和挑战。随着多模态、生成式GPT模型的流行,AI4S情境下古典文献智能语言模型将更加注重整合多样信息、提高适应性、增强知识表示和服务于更广泛的应用场景。5)面向AI4S的图书馆数字学术服务:基于LLM的AI4S和AIGC推动智慧图书馆建设的理念不谋而合,给图书馆数字学术服务带来了机遇和挑战。基于AI4S平台化趋势与数字学术服务中台化特征适配,以及图书馆界长期服务科研工作的历史传统两大特点,其数字学术服务平台的再造路径,包括自主打造AI4S服务平台、购买和使用第三方的AI4S平台和作为科学智能组件的嵌入式知识服务再升级3种。6)AI4S的历史演化与逻辑结构:AI4S是人工智能技术充分应用到各学科领域主导的科学范式变革,其逻辑架构包括“数据+模型”驱动、通过机器猜想打造知识生态和通过算法思维延展应用场景。数智文明时代中,AI4S驱动科学进步与社会发展需要发扬科技向善价值观,有效选择AI4S延展应用到社会科学和人文科学领域的理论论证与方案,并完善人类决策与机器智能融合共建的系列机制。7)AI4S的发展机遇与展望:随着生成式人工智能的发展,预训练算法和预训练大模型为不同学科领域的AI4S带来了巨大机遇,在工业检测、机器人技术和医学等多个领域表现出了巨大的应用潜力和价值。此外,预训练大模型的技术实施条件局限、数据/计算资源的可持续发展、技术的透明性、公正性和可访问性等关键因素也值得重视。展开更多
在数字智能技术的驱动下,全球学术出版正加速从数字化向智能化的方向演进。随着人工智能驱动科学(AI for Science,简称“AI4S”)范式的兴起,学术出版面临着深刻的变革机遇与挑战。AI4S范式带来知识生态的重大转变,对知识生产模式、知识...在数字智能技术的驱动下,全球学术出版正加速从数字化向智能化的方向演进。随着人工智能驱动科学(AI for Science,简称“AI4S”)范式的兴起,学术出版面临着深刻的变革机遇与挑战。AI4S范式带来知识生态的重大转变,对知识生产模式、知识服务形态以及知识资源共享方式提出了全新需求。然而,现有学术出版在满足智能化科研需求方面仍存在诸多不足,亟须进行二次转型。文章以AI4S范式为背景,深入分析了新范式下学术出版面临的现实困境,提出学术出版服务变革方向,包括建立动态知识生产平台、创新基于思维链的智能知识服务、构建AI4S开放知识资源基础设施等。最后,探讨未来出版的价值空间,为学术出版机构适应AI4S范式转型提供实践指引。展开更多
The global health landscape has been persistently challenged by the emergence and re-emergence of infectious diseases.Traditional epidemiological models,rooted in the early 2oth century,have provided foundational in-s...The global health landscape has been persistently challenged by the emergence and re-emergence of infectious diseases.Traditional epidemiological models,rooted in the early 2oth century,have provided foundational in-sights into disease dynamics.However,the intricate web of modern global interactions and the exponential growth of available data demand more advanced predictive tools.This is where AI for Science(AI4S)comes into play,offering a transformative approach by integrating artificial intelligence(Al)into infectious disease pre-diction.This paper elucidates the pivotal role of AI4s in enhancing and,in some instances,superseding tradi-tional epidemiological methodologies.By harnessing AI's capabilities,AI4S facilitates real-time monitoring,sophisticated data integration,and predictive modeling with enhanced precision.The comparative analysis highlights the stark contrast between conventional models and the innovative strategies enabled by AI4S.In essence,Al4S represents a paradigm shift in infectious disease research.It addresses the limitations of traditional models and paves the way for a more proactive and informed response to future outbreaks.As we navigate the complexities of global health challenges,Al4S stands as a beacon,signifying the next phase of evolution in disease prediction,characterized by increased accuracy,adaptability,and efficiency.展开更多
Most traditional artificial intelligence(AI)systems of the past decades are either very limited,or based on heuristics,or both.The new millennium,however,has brought substantial progress in the field of theoretically ...Most traditional artificial intelligence(AI)systems of the past decades are either very limited,or based on heuristics,or both.The new millennium,however,has brought substantial progress in the field of theoretically optimal and practically feasible algorithms for prediction,search,inductive inference based on Occam’s razor,problem solving,decision making,and reinforcement learning in environments of a very general type.Since inductive inference is at the heart of all inductive sciences,some of the results are relevant not only for AI and computer science but also for physics,provoking nontraditional predictions based on Zuse’s thesis of the computer-generated universe.We first briefly review the history of AI since Godel’s 1931 paper,then discuss recent post-2000 approaches that are currently transforming general AI research into a formal science.展开更多
文摘智能大模型技术作为智能产业与新质生产力的典型代表,正掀起人类社会变革的新浪潮,并加速推动科学研究范式的转变,在人工智能驱动的科学研究(AI for Science,AI4S)中起着越来越重要的作用,推动以“三个世界、三种技术、三类科学家、三种模式”为特点的平行科学新范式的形成。从虚实互动之平行智能的角度看,大模型技术在数学、生物学、健康与医学、化学、材料科学和天文学等领域都取得了一定的成绩。未来应基于平行科学的“三个世界”,利用“三类知识”,整合“三类科学家”,构建服务于AI4S研究的智能生态系统,特别是联邦生态系统的基本框架。
文摘“人工智能驱动的科学研究”(AI for Science,AI4S)是一场正在发生的科技革命,是将人工智能技术与科学研究深度结合,帮助促进发现新知识、解决科学难题的新型科学研究范式。随着AI4S的研究推进,其发展脉络、机遇和挑战、需求和任务、实现路径等问题值得进一步讨论。为此本刊邀请了7位专家组织了本期笔谈。1)支撑AI4S的知识服务:AI4S对当下的知识服务提出了更高的要求,包括多层次知识发现与获取需求;跨学科研究和创新需求;以用户为中心的参与式服务需求,使得知识服务场景向多元化,智能化,专业化,个性化转变。为此须重新定位AI4S环境中知识服务的新角色,明确其在全面支撑科技创新进程中的新任务,树立大文献观,兼顾普惠与专深,以支撑跨学科创新。2)建设AI4S的知识底座:人工智能的本质是知识的获取与利用,而科技文献则是人类知识的主要载体。中国科学院文献情报中心充分认识到AI带来的科研范式变革,提出了构建AI4S的科技文献知识底座的概念,积极挖掘科技文献中蕴含的科学知识和高质量数据,努力构建AI4S的领域智能知识底座,将“科技文献库”转变为“科技知识引擎”,支撑AI4S所需的查询循证、态势感知、推理预测、生成启示等智能化服务。3)驱动AI4S的科学数据:科学数据有效聚合为发挥AI4S的强大功能奠定了数据基础,是图书馆实现AI时代角色与功能变革的前提,是推动科研服务转型、深化科研支持、加速科技创新的必要条件。目前图书馆有效聚合科学数据为AI4S提供支撑仍面临宏观和中观上的诸多挑战,应对该挑战有以下实现路径:明确图书馆在科学数据管理中的角色与作用;营造科学数据管理环境;构建科学数据管理合作网络;提升科学数据管理服务能力。4)AI4S与古典文献智能语言模型:AI4S技术能够用于文献和文本的分析,更快速、更全面地理解大量的历史文献和文化资料。古典文献智能语言模型是人工智能技术在古籍文献研究领域的一项重要突破,为古典文献研究带来了新的机遇和挑战。随着多模态、生成式GPT模型的流行,AI4S情境下古典文献智能语言模型将更加注重整合多样信息、提高适应性、增强知识表示和服务于更广泛的应用场景。5)面向AI4S的图书馆数字学术服务:基于LLM的AI4S和AIGC推动智慧图书馆建设的理念不谋而合,给图书馆数字学术服务带来了机遇和挑战。基于AI4S平台化趋势与数字学术服务中台化特征适配,以及图书馆界长期服务科研工作的历史传统两大特点,其数字学术服务平台的再造路径,包括自主打造AI4S服务平台、购买和使用第三方的AI4S平台和作为科学智能组件的嵌入式知识服务再升级3种。6)AI4S的历史演化与逻辑结构:AI4S是人工智能技术充分应用到各学科领域主导的科学范式变革,其逻辑架构包括“数据+模型”驱动、通过机器猜想打造知识生态和通过算法思维延展应用场景。数智文明时代中,AI4S驱动科学进步与社会发展需要发扬科技向善价值观,有效选择AI4S延展应用到社会科学和人文科学领域的理论论证与方案,并完善人类决策与机器智能融合共建的系列机制。7)AI4S的发展机遇与展望:随着生成式人工智能的发展,预训练算法和预训练大模型为不同学科领域的AI4S带来了巨大机遇,在工业检测、机器人技术和医学等多个领域表现出了巨大的应用潜力和价值。此外,预训练大模型的技术实施条件局限、数据/计算资源的可持续发展、技术的透明性、公正性和可访问性等关键因素也值得重视。
文摘在数字智能技术的驱动下,全球学术出版正加速从数字化向智能化的方向演进。随着人工智能驱动科学(AI for Science,简称“AI4S”)范式的兴起,学术出版面临着深刻的变革机遇与挑战。AI4S范式带来知识生态的重大转变,对知识生产模式、知识服务形态以及知识资源共享方式提出了全新需求。然而,现有学术出版在满足智能化科研需求方面仍存在诸多不足,亟须进行二次转型。文章以AI4S范式为背景,深入分析了新范式下学术出版面临的现实困境,提出学术出版服务变革方向,包括建立动态知识生产平台、创新基于思维链的智能知识服务、构建AI4S开放知识资源基础设施等。最后,探讨未来出版的价值空间,为学术出版机构适应AI4S范式转型提供实践指引。
基金This work was supported in part by the New Generation Artificial Intelligence Development Plan of China(2015-2030)(Grant No.2021ZD0111205)the National Natural Science Foundation of China(Grant Nos.72025404,72293575 and 72074209).
文摘The global health landscape has been persistently challenged by the emergence and re-emergence of infectious diseases.Traditional epidemiological models,rooted in the early 2oth century,have provided foundational in-sights into disease dynamics.However,the intricate web of modern global interactions and the exponential growth of available data demand more advanced predictive tools.This is where AI for Science(AI4S)comes into play,offering a transformative approach by integrating artificial intelligence(Al)into infectious disease pre-diction.This paper elucidates the pivotal role of AI4s in enhancing and,in some instances,superseding tradi-tional epidemiological methodologies.By harnessing AI's capabilities,AI4S facilitates real-time monitoring,sophisticated data integration,and predictive modeling with enhanced precision.The comparative analysis highlights the stark contrast between conventional models and the innovative strategies enabled by AI4S.In essence,Al4S represents a paradigm shift in infectious disease research.It addresses the limitations of traditional models and paves the way for a more proactive and informed response to future outbreaks.As we navigate the complexities of global health challenges,Al4S stands as a beacon,signifying the next phase of evolution in disease prediction,characterized by increased accuracy,adaptability,and efficiency.
文摘Most traditional artificial intelligence(AI)systems of the past decades are either very limited,or based on heuristics,or both.The new millennium,however,has brought substantial progress in the field of theoretically optimal and practically feasible algorithms for prediction,search,inductive inference based on Occam’s razor,problem solving,decision making,and reinforcement learning in environments of a very general type.Since inductive inference is at the heart of all inductive sciences,some of the results are relevant not only for AI and computer science but also for physics,provoking nontraditional predictions based on Zuse’s thesis of the computer-generated universe.We first briefly review the history of AI since Godel’s 1931 paper,then discuss recent post-2000 approaches that are currently transforming general AI research into a formal science.
