人工智能在科学研究中的应用价值 - 人工智能具有基础性、平台性和通用性特点，对经济社会产生深远影响，科学研究是重要方面 [1] - 国务院印发《关于深入实施"人工智能+"行动的意见》，将"人工智能+"科学技术列为六大重点行动之一 [1] - 人工智能在生命科学、数学、生物、材料科学等领域发挥越来越重要的作用 [1] 人工智能驱动科研范式变革 - 人工智能帮助科学家突破认知局限，提出更好问题并找到更有价值的研究方向 [1] - 人工智能不仅优化既有工具效率，更能自主构建新工具或实现创新性组合 [1] - 人工智能让研究者更全面审视研究对象，发现被忽视的潜在关联 [1] - 通过"通专融合"推动整个科研范式的系统性变革 [1][3] 科学研究的现状与挑战 - 科学学科高度分化，取得重大科学发现和解决重大科技问题的难度越来越大 [2] - 重大科学发现存在偶然性，受限于科学家认知水平和知识传播滞后性 [2] - 爱因斯坦相对论案例显示工具限制对科学发现的影响 [2] 人工智能技术发展路径 - 大模型出现前人工智能主要沿专业深度方向推进（深蓝、阿尔法围棋） [2] - 大模型出现后人工智能在泛化能力上取得重大突破但专业深度不足 [2] - 实现"通专融合"是通用人工智能发展的重要路径 [2] 人工智能科研应用具体场景 - 帮助研究者理解文献、增强计算能力、丰富研究对象表征维度 [3] - 帮助产生跨领域想法，判断科研假设价值 [3] - 自主构建新工具或实现已有工具创新性组合 [3] - 支撑研究者更全面、更交叉地审视研究对象，提升认知水平 [3] 实践案例与成果 - 上海人工智能实验室发布并开源"书生"科学多模态大模型 [3] - 模型融合蛋白质序列、基因组、化学分子式、脑电信号等科学数据 [3] - 具备严谨的逻辑推理能力和科学多模态能力 [3] - 基于"书生"大模型推出科学发现平台，与国内多家科研单位合作 [3] - 成功研发基于人工智能的量子计算中性原子排布算法 [3] - 开发专注于靶标发现与临床转化评估的多智能体系统 [3] - 在量子计算、药物研发、高分子化学等方面取得进展 [3] 未来发展方向 - 人工智能将成为跨学科、跨领域突破的重要引擎 [4] - 加快探索人工智能驱动的新型科研范式 [4] - 加快建设应用科学大模型 [4] - 进一步强化人工智能的牵引带动作用，推动科学技术取得更多"高点"突破 [4]