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
[目的/意义]AI4S(AI for Science)作为人工智能(Artificial Intelligence,AI)与科学研究深度融合的新兴形态,引发了科研范式的深刻变革,通过AI技术加速科学发现,推动科学研究从传统的经验、直觉驱动向数据与AI共同驱动转变,已在众多科...[目的/意义]AI4S(AI for Science)作为人工智能(Artificial Intelligence,AI)与科学研究深度融合的新兴形态,引发了科研范式的深刻变革,通过AI技术加速科学发现,推动科学研究从传统的经验、直觉驱动向数据与AI共同驱动转变,已在众多科学领域实现了创新突破,也为农业科研转型带来新的机遇。[进展]本文梳理并分析了AI4S发展现状及其对农业科研产生的影响,研究发现近年来AI4S已取得显著进展,国内外积极布局相关前沿领域并出台系列政策以抢占新一轮科技战略制高点,且在多个学科领域得到了广泛应用。在农业科研领域,AI在加速多学科交叉融合、促进科研效率提升、助力复杂问题突破、驱动科研范式变革和升级科研基础设施五个方面发挥了重要作用。[结论/展望]面向农业科研新需求、核心领域与研究过程,提出了农业智能科研(A IforAgri-cultural Science,AI4AS)的概念及体系关键要素,涵盖大科学基础设施、大数据资源、大模型算法和大协同平台等部分。最后,针对数据资源、模型能力、科研生态,以及人才培养等挑战,从顶层设计规划、关键技术体系、协同创新体系、学科体系建设、复合人才引育等角度,提出打造面向AI4S发展的农业科研新体系的实现路径与具体建议。展开更多
[目的/意义]科技文献蕴含丰富的领域知识与科学数据,可为人工智能驱动的科学研究(AI for Science,AI4S)提供高质量数据支撑。本文系统梳理大语言模型(Large Language Models,LLMs)在科技文献数据挖掘中的方法技术、软件工具及应用场景,...[目的/意义]科技文献蕴含丰富的领域知识与科学数据,可为人工智能驱动的科学研究(AI for Science,AI4S)提供高质量数据支撑。本文系统梳理大语言模型(Large Language Models,LLMs)在科技文献数据挖掘中的方法技术、软件工具及应用场景,探讨其研究方向与发展趋势。[方法/过程]本文基于文献调研与归纳总结,在方法技术层面,从文本知识、科学数据与图表信息分析了LLMs驱动的科技文献细粒度数据挖掘关键技术以及综合性知识生成的方法;在软件工具层面,归纳了主流LLMs科技文献数据挖掘与知识生成工具的方法技术、核心功能和适用场景;在应用场景层面,分析了科技文献数据挖掘应用于LLMs的实践价值。[结果/结论]在方法技术方面,通过动态提示学习框架与领域适配微调等技术,LLMs极大提升科技文献数据挖掘精度与效度;在软件工具方面,已初步形成从数据标注、数据挖掘、合成数据到知识生成的全流程LLMs科技文献数据挖掘工具链;在应用方面,科技文献数据可为LLMs提供专业化语料和高质量数据,LLMs推动科技文献从单维数据服务向多模态知识生成服务的范式演进。然而,当前仍面临领域知识表征深度不足、跨模态推理效率较低、知识生成可解释性欠缺等挑战。未来应着重研发具有可解释性与跨领域适应性的LLMs科技文献数据挖掘工具,集成“人在回路”的协同机制,促进科技文献数据挖掘从效率优化向知识创造转变。展开更多
[目的/意义]本研究旨在在AI4S(AI for science)的科研范式变革背景下,探讨AI在赋能智库发展中的内涵、模式与实践路径。[方法/过程]本文在梳理历次科研范式演进的基础上,探索性地厘定了AI4S的内涵,并对国内外AI4S的发展现状进行了总结;...[目的/意义]本研究旨在在AI4S(AI for science)的科研范式变革背景下,探讨AI在赋能智库发展中的内涵、模式与实践路径。[方法/过程]本文在梳理历次科研范式演进的基础上,探索性地厘定了AI4S的内涵,并对国内外AI4S的发展现状进行了总结;进而,结合我国智库特征与功能定位,选取智库决策咨询报告撰写作为典型应用场景,从智库报告“选题、破题、解题”等写作流程入手,探索构建AI4S赋能智库的理论机理和流程机制。[结果/结论]研究认为,在特定需求和应用场景下,AI推动的科研范式变革亦适用于智库研究和工作,将有助于赋能我国新型智库建设与发展。展开更多
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[目的/意义]科技文献蕴含丰富的领域知识与科学数据,可为人工智能驱动的科学研究(AI for Science,AI4S)提供高质量数据支撑。本文系统梳理大语言模型(Large Language Models,LLMs)在科技文献数据挖掘中的方法技术、软件工具及应用场景,探讨其研究方向与发展趋势。[方法/过程]本文基于文献调研与归纳总结,在方法技术层面,从文本知识、科学数据与图表信息分析了LLMs驱动的科技文献细粒度数据挖掘关键技术以及综合性知识生成的方法;在软件工具层面,归纳了主流LLMs科技文献数据挖掘与知识生成工具的方法技术、核心功能和适用场景;在应用场景层面,分析了科技文献数据挖掘应用于LLMs的实践价值。[结果/结论]在方法技术方面,通过动态提示学习框架与领域适配微调等技术,LLMs极大提升科技文献数据挖掘精度与效度;在软件工具方面,已初步形成从数据标注、数据挖掘、合成数据到知识生成的全流程LLMs科技文献数据挖掘工具链;在应用方面,科技文献数据可为LLMs提供专业化语料和高质量数据,LLMs推动科技文献从单维数据服务向多模态知识生成服务的范式演进。然而,当前仍面临领域知识表征深度不足、跨模态推理效率较低、知识生成可解释性欠缺等挑战。未来应着重研发具有可解释性与跨领域适应性的LLMs科技文献数据挖掘工具,集成“人在回路”的协同机制,促进科技文献数据挖掘从效率优化向知识创造转变。
文摘[目的/意义]本研究旨在在AI4S(AI for science)的科研范式变革背景下,探讨AI在赋能智库发展中的内涵、模式与实践路径。[方法/过程]本文在梳理历次科研范式演进的基础上,探索性地厘定了AI4S的内涵,并对国内外AI4S的发展现状进行了总结;进而,结合我国智库特征与功能定位,选取智库决策咨询报告撰写作为典型应用场景,从智库报告“选题、破题、解题”等写作流程入手,探索构建AI4S赋能智库的理论机理和流程机制。[结果/结论]研究认为,在特定需求和应用场景下,AI推动的科研范式变革亦适用于智库研究和工作,将有助于赋能我国新型智库建设与发展。
