[目的/意义]当前AI for Science(AI4S)科研范式加速演进,科学研究呈现智能化、平台化与跨学科融合趋势,传统学科情报服务体系面临技术嵌入不足、服务响应滞后、能力结构不适配等问题。明确AI4S背景下学科情报服务的转型方向,对构建高效...[目的/意义]当前AI for Science(AI4S)科研范式加速演进,科学研究呈现智能化、平台化与跨学科融合趋势,传统学科情报服务体系面临技术嵌入不足、服务响应滞后、能力结构不适配等问题。明确AI4S背景下学科情报服务的转型方向,对构建高效科研支持体系具有重要意义。[方法/过程]通过梳理揭示AI4S科研范式下学科情报服务面临的挑战与能力缺口,围绕“数据—信息—知识—情报(DIKI)”链条,设计面向AI4S的新型学科情报服务体系;结合科研组织形态变革,提出服务内容重构、学科馆员能力升级与组织机制创新的路径。[结果/结论]研究认为AI4S驱动下,学科情报服务需从过程嵌入走向系统协同,从被动响应转向智能赋能;学科馆员应完成角色转型,构建以高质量数据保障、智能情报产出和AI素养提升为核心的支撑能力;同时,组织机制需适配动态流程、重构边界与交叉协作模式,为智能科研生态体系提供全链条服务体系支撑。展开更多
科学发现的历程,伴随着人类认知世界方式不断革新的过程。从远古先民对自然现象的简单观察,到现代科学家借助精密仪器探索宇宙奥秘,每一次认知工具与研究方法的突破,都推动着科学发现范式的迭代演进。今天,人工智能技术与科学研究的深...科学发现的历程,伴随着人类认知世界方式不断革新的过程。从远古先民对自然现象的简单观察,到现代科学家借助精密仪器探索宇宙奥秘,每一次认知工具与研究方法的突破,都推动着科学发现范式的迭代演进。今天,人工智能技术与科学研究的深度融合催生了AI4S(人工智能驱动的科学,AI for Science),这一全新的科学发现范式正突破传统研究的边界,重塑科学探索的逻辑框架,为人类解开自然之谜注入前所未有的强大动力。展开更多
3月14日,复旦大学与四川大学华西医院团队的合作研究成果以“Cryo-EM reveals mechanisms of natural RNA multivalency”为题发表在Science杂志上,作为复旦AI4S(AI for Science)的又一硕果,该研究创新性地将深度学习技术与冷冻电镜技...3月14日,复旦大学与四川大学华西医院团队的合作研究成果以“Cryo-EM reveals mechanisms of natural RNA multivalency”为题发表在Science杂志上,作为复旦AI4S(AI for Science)的又一硕果,该研究创新性地将深度学习技术与冷冻电镜技术相结合,为RNA生物学研究开辟了全新的技术路径,不仅显著提升RNA结构解析的效率,更为新药研发提供了重要技术支撑和理论指导。展开更多
随着人工智能驱动的科学研究(AI for Science,以下简称“AI4S”)范式的兴起,科研诚信治理面临巨大的挑战与风险。AI4S范式对科研创新生态,如科研主体结构、知识生产流程和全球科研格局等均造成重要变化,进而对科研诚信治理提出更复杂的...随着人工智能驱动的科学研究(AI for Science,以下简称“AI4S”)范式的兴起,科研诚信治理面临巨大的挑战与风险。AI4S范式对科研创新生态,如科研主体结构、知识生产流程和全球科研格局等均造成重要变化,进而对科研诚信治理提出更复杂的要求。以AI4S范式变革为背景,综合分析其对科研创新生态造成的影响及给科研诚信治理带来的挑战,以欧盟、美国和日本等主要发达国家或地区针对AI4S范式下科研诚信治理的经验为借鉴,在分析中国当前现状及面临的风险挑战的基础上,提出对AI4S范式下中国科研诚信治理的政策建议。展开更多
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
人工智能(AI)在科学领域展现出巨大潜力,人工智能赋能科学研究(AI for Science,以下简称AI4S)正快速发展与普及并推动科学研究范式全面变革,但当前AI4S赋能科研创新的特征与机制依然不明晰,AI4S布局方向仍未形成系统谋划。聚焦2024年获...人工智能(AI)在科学领域展现出巨大潜力,人工智能赋能科学研究(AI for Science,以下简称AI4S)正快速发展与普及并推动科学研究范式全面变革,但当前AI4S赋能科研创新的特征与机制依然不明晰,AI4S布局方向仍未形成系统谋划。聚焦2024年获得诺贝尔化学奖的AlphaFold与Rosetta项目,本研究采取对比案例研究方法,分析AI赋能科学研究的不同特征与机制,提出“AI+”与“+AI”两种AI4S赋能模式。基于知识生产模式视角,本研究进一步分析两种模式的知识生产特征,提出在“AI+”模式中存在“智”第五大主体,其知识生产具有成长性、独立性、协同性、平台性特征,且“AI+”与“+AI”模式各自具有适配场景与应用模型。最后,本文提出AI+与+AI差异化战略、重视小模型开发与推动基础设施建设等政策建议。以上结论对AI4S相关研究及知识生产模式理论均有一定贡献,也对我国发展AI产业、挖掘AI场景、开发AI模型具有启示意义。展开更多
文摘[目的/意义]当前AI for Science(AI4S)科研范式加速演进,科学研究呈现智能化、平台化与跨学科融合趋势,传统学科情报服务体系面临技术嵌入不足、服务响应滞后、能力结构不适配等问题。明确AI4S背景下学科情报服务的转型方向,对构建高效科研支持体系具有重要意义。[方法/过程]通过梳理揭示AI4S科研范式下学科情报服务面临的挑战与能力缺口,围绕“数据—信息—知识—情报(DIKI)”链条,设计面向AI4S的新型学科情报服务体系;结合科研组织形态变革,提出服务内容重构、学科馆员能力升级与组织机制创新的路径。[结果/结论]研究认为AI4S驱动下,学科情报服务需从过程嵌入走向系统协同,从被动响应转向智能赋能;学科馆员应完成角色转型,构建以高质量数据保障、智能情报产出和AI素养提升为核心的支撑能力;同时,组织机制需适配动态流程、重构边界与交叉协作模式,为智能科研生态体系提供全链条服务体系支撑。
文摘科学发现的历程,伴随着人类认知世界方式不断革新的过程。从远古先民对自然现象的简单观察,到现代科学家借助精密仪器探索宇宙奥秘,每一次认知工具与研究方法的突破,都推动着科学发现范式的迭代演进。今天,人工智能技术与科学研究的深度融合催生了AI4S(人工智能驱动的科学,AI for Science),这一全新的科学发现范式正突破传统研究的边界,重塑科学探索的逻辑框架,为人类解开自然之谜注入前所未有的强大动力。
文摘3月14日,复旦大学与四川大学华西医院团队的合作研究成果以“Cryo-EM reveals mechanisms of natural RNA multivalency”为题发表在Science杂志上,作为复旦AI4S(AI for Science)的又一硕果,该研究创新性地将深度学习技术与冷冻电镜技术相结合,为RNA生物学研究开辟了全新的技术路径,不仅显著提升RNA结构解析的效率,更为新药研发提供了重要技术支撑和理论指导。
文摘随着人工智能驱动的科学研究(AI for Science,以下简称“AI4S”)范式的兴起,科研诚信治理面临巨大的挑战与风险。AI4S范式对科研创新生态,如科研主体结构、知识生产流程和全球科研格局等均造成重要变化,进而对科研诚信治理提出更复杂的要求。以AI4S范式变革为背景,综合分析其对科研创新生态造成的影响及给科研诚信治理带来的挑战,以欧盟、美国和日本等主要发达国家或地区针对AI4S范式下科研诚信治理的经验为借鉴,在分析中国当前现状及面临的风险挑战的基础上,提出对AI4S范式下中国科研诚信治理的政策建议。
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。
文摘人工智能(AI)在科学领域展现出巨大潜力,人工智能赋能科学研究(AI for Science,以下简称AI4S)正快速发展与普及并推动科学研究范式全面变革,但当前AI4S赋能科研创新的特征与机制依然不明晰,AI4S布局方向仍未形成系统谋划。聚焦2024年获得诺贝尔化学奖的AlphaFold与Rosetta项目,本研究采取对比案例研究方法,分析AI赋能科学研究的不同特征与机制,提出“AI+”与“+AI”两种AI4S赋能模式。基于知识生产模式视角,本研究进一步分析两种模式的知识生产特征,提出在“AI+”模式中存在“智”第五大主体,其知识生产具有成长性、独立性、协同性、平台性特征,且“AI+”与“+AI”模式各自具有适配场景与应用模型。最后,本文提出AI+与+AI差异化战略、重视小模型开发与推动基础设施建设等政策建议。以上结论对AI4S相关研究及知识生产模式理论均有一定贡献,也对我国发展AI产业、挖掘AI场景、开发AI模型具有启示意义。
