习近平总书记在加强基础研究座谈会上强调：“重视人工智能赋能基础研究，开发科学基础大模型和学科领域专业模型，建设智能化科研平台系统，促进各领域科学加速突破。”
如何利用人工智能加速“从0到1”重大科学发现进程？如何培养既深谙领域知识又掌握前沿人工智能技术的复合型人才？智能化科研平台系统如何建设？记者采访了4位相关领域的全国政协委员。
——编 者
对话嘉宾：
乔 红 全国政协委员、中国科学院院士
明 东 全国政协委员、九三学社中央科技专委会副主任
周志华 全国政协委员、南京大学副校长
赵晓光 全国政协委员、中国科学院自动化研究所研究员
人工智能为原创性科学发现创造更有利的条件
记者：人工智能在加速科学发现进程中可以发挥哪些关键作用？如何更好探索人工智能驱动的新型科研范式？
明东：长期以来，科学发现主要依赖科学家的专业洞察、理论推断与持续的实验验证。受实验条件、观测手段和数据处理能力等因素限制，许多重大突破往往需要经历漫长的探索周期。人工智能加速科学发现的关键在于其能够为“数据解析、规律发现、假设生成、实验设计和结果验证”的科研链条提供更多支撑。它从单纯的高效数据处理工具，逐步推进到数据分析、理论推演与实验验证协同驱动的人机协作模式，为“从0到1”的原创性科学发现创造更有利的条件。
以非侵入脑机接口为例，研究人员需要从头皮脑电等极微弱、复杂、低信噪比的神经信号中识别患者的运动意图、交流意图或脑功能状态。在这一过程中，人工智能不仅用于提高脑信号分类和意图解码的准确性，还能够帮助研究人员识别神经活动与行为之间的潜在关系，发现新的神经表征规律。近年来，脑电数据集的建设以及新型神经信号分析算法的发展，推动形成了一系列面向神经功能评估、意图识别、康复训练等场景的无创脑机接口辅助诊疗新模式，并促进其逐步进入临床应用。
周志华：人工智能可以重构科学发现路径、提升原始创新效能，建议重点从以下3个方面发力。
优化科研统筹布局，提升基础创新能力。纠正盲目跟风“大模型解决一切”的误区，提升针对具体问题设计定制化算法解决方案的能力。重点支持一批面向重大科学难题的前瞻性、战略性、原创性的基础研究项目，统筹推进原始创新和关键核心技术攻关。
注重双向科普，推动消除学科壁垒。构建跨学科的“双向翻译”与协作机制。一方面，由科学领域学者向人工智能研究者进行科学问题的抽象翻译，将领域前沿关键问题表述为人工智能学者可理解的语言，便于其进行针对性的求解。另一方面，由人工智能科学家面向传统领域学者开展科普，通过具体案例厘清技术边界，消除对人工智能的恐惧或盲目神化，阐明人工智能作为辅助科学发现的工具本质。
强化数据治理，构建科学数据生态。构建国家级科学数据共享与服务平台，依托重点实验室等重大科技平台，建立标准化的科学数据仓储，制定各学科数据的采集、标注、存储和共享标准，引入数据质量反馈机制，持续优化数据资产。同时完善数据安全与知识产权保护制度，保障数据安全合规高效流通。
变革培养模式，打造复合型人才队伍
记者：人才是基础研究发展的重要资源，如何打造一支熟悉科学智能新范式的高素质人才队伍？
周志华：一体推进教育科技人才发展，着力打造与科学智能新范式相适应的人工智能专业人才培养体系，重点聚焦数学基础、计算与程序能力、人工智能专业知识等方面，努力培养一大批深耕人工智能本身，厚植家国情怀、具有源头创新能力、能解决关键科学难题的优秀科技人才。
支持人工智能专业博士研究生在读期间跨学科攻读一个基础学科专业硕士学位，同时支持基础学科专业博士生攻读人工智能专业硕士学位。探索构建跨学科融合的人才培养新模式，系统化培养既深谙领域知识又掌握前沿人工智能技术的“双语”科学家。
打破传统学科评价的边界桎梏，在学位获取、职称晋升、绩效考核等环节，针对跨学科人才设置专门评价标准，破解跨学科人才的评价困境。同时优化科研评价导向，建立鼓励探索、宽容失败的评价体系，弱化短期指标导向，支持科研人员聚焦基础科学领域的重大问题及面向产业需求的关键难题开展研究，营造有利于原始创新的制度环境。
明东：科研智能化能显著提升知识获取、信息处理、方案设计乃至成果产出各环节的效率，对年轻科研人员而言，这既是难得的成长加速器，也带来了不容忽视的挑战。如果从问题提出、技术路线设计到结果解释和论文撰写都过度依赖人工智能，就可能导致独立思考能力、批判性思维和科研伦理意识的弱化。
年轻科研人员应在充分认识人工智能能力边界的基础上，探索与人工智能协同发展的成长路径。一是要回归科学研究服务社会进步的本源意义，立足所在学科的核心逻辑与专业积累，将人工智能作为提升效率的协同工具，而非替代独立思考的捷径。二是要坚持个体在科研过程中的主体地位，持续培养自身的科学判断力与批判性思维，对人工智能生成的结果保持审慎态度，做好各环节的把关与验证。三是要对科研工作的全流程负责，尤其在数据收集与解析环节深入探究现象背后的规律与成因，严格遵守科研诚信与伦理规范，确保人工智能辅助下的科研产出真实可信、经得起检验。
建设智能化科研平台系统，促进各领域科学加速突破
记者：近年来，国家不断加强对基础研究的支持保障，优化布局建设重大科技基础设施。当前，建设智能化科研平台系统需要从哪些方面着手？
赵晓光：在推动智能化科研平台系统建设中，目前仍存在交叉学科联合攻关难、科学数据获取代价高、结构化困难等问题。
建议分学科打造可信闭环小模型，夯实平台专业数据底座。遵循科研数据可发现、可访问、可互操作、可重用原则，统一元数据、仪器日志、数据脱敏、失败样本留存等规范标准。针对通用大模型存在的幻觉、专业机理缺失问题，立足物理、化学、生物等学科自身科学原理，建设学科专属可信小模型，打造多学科人工智能专家系统，提升智能化科研平台运算、推理、分析结果的精准度。
健全标准与制度保障，保障平台落地应用。加快建立适配科研场景的人工智能软硬件技术标准，完善数据采集、标注、使用相关治理规则。兼顾创新发展与风险防控，以包容审慎的治理思路，完善相关法律法规，为智能化科研平台技术试验、场景落地提供制度保障，实现技术闭环向产业商业闭环延伸，释放平台价值。
乔红：智能化科研平台不仅需要数字空间中的演算，也需要物理空间中的精准实践，而具身智能正是赋能智能化科研平台系统从数字空间进入物理空间的关键桥梁。
在多场景、多任务、异构本体中可实现高性能（以下简称“多、多、高”）的具身智能系统，是国际科技竞争的重要方向。我国“多、多、高”具身智能正处于一个关键的基础科研阶段，探索具身智能基础研究的中国方案势在必行。这是解决现有数据驱动路径依赖大数据、大算力、高能耗等瓶颈问题的重要途径，也是实现人类对机器人长远梦想的重要依托。需要立足多学科交叉基础研究，通过数学、信息、神经等深度融合，研究具身智能机理自主进化，形成新型机器人大脑机理和新型世界模型。应发挥举国体制优势，依托国家层面统筹组织科技专项，汇聚国内顶尖科学家与头部创新企业，建设开放共享、安全可靠的具身智能基础理论与科研平台系统。
“多、多、高”具身智能系统将为智能化科研平台在物理空间中精准、可靠、安全地完成科研实践活动，提供重要的高性能物理系统平台，无需重新改造现有实验环境，可快速部署应用于类场景、类任务甚至随机场景、随机任务的科学研究，完成高安全风险、高操作精度和高通量作业要求的实验操作，助推多领域科研实践创新突破。
(责任编辑：魏金金)
