阿瑪拉定律的核心觀點是這一句話：“人們總是高估技術的短期變化，卻低估長期的變革。”當前人工智能大熱，有人質疑泡沫過多、有人認為發展需要更多泡沫。AI4S（AI for Science）領域存在一系列的“高估與低估”，該如何去科學評價與看待？

今天召開的2025浦江論壇“人工智能賦能科學研究論壇”上，上海交通大學上海高級金融學院兼聘教授周伯文就上述問題系統性提出“AGI4S浦江論壇六問”。他從“邊界之問、預測之問、交叉之問、形式化之問、驗證之問、新科學之問”六個角度，展望AI的發展前景與應用未來，同時提出“AI正在加速拓展知識邊界，但科學探索的羅盤始終是人類的心靈、好奇心與價值觀來指引”。

所有科學問題是否都能被人工智能解決？哪些是AI可能永遠無法觸及的？第一問“邊界之問”，周伯文回顧希爾伯特的可判定性問題與哥德爾不完備定理，對比吳文俊的“機器證明”在特定領域實現的突破，最終得出結論期望值從“偏高到偏低，最終回到現實”，由此可見AI的能力是有邊界的，但AGI（通專融合）可能正在拓展這一邊界。

第二問“預測之問”：如今AI的預測能力是否全面超越了現有計算方法？科學的關鍵特征是能否準確預測系統將要發生什么，當前可見，基于大語言模型和訓練數據，對于全新復雜的問題，預測將會遭遇能力瓶頸。專家舉例：AlphaFold能預測蛋白質結構，但尚不能通過分析模型本身來揭示蛋白質折疊的原理；神經網絡雖然能進行短期或局部的快速模擬，但三體問題的混沌特性，導致長期預測仍面臨挑戰，“因此我們不僅僅要通過AI來預測，更需要AGI的技術路徑來真正理解”。

第三問“語言之問”：對于科學表征，如何超越自然語言？兩者孰輕孰重？他引用1972年圖靈獎得主迪克斯特拉（Dijkstra）的觀點，強調了形式化語言（數學符號）對現代科學的奠基作用。現代文明社會得以在歐洲掙脫出中世紀經院哲學的束縛后誕生，關鍵得益于韋達、笛卡爾、萊布尼茨等人所創立的嚴謹符號體系。如今，科學中的自然語言有局限，表達能否捕捉自然界的行為方式，是否能以人類理解的方式呈現值得商榷。周伯文認為，應該在自然與形式化語言結合的領域探索。他同時透露，目前上海人工智能實驗室正在開展相關研究，在自然語言與多模態的基礎上，加強形式化表征，致力于解決科學表述的根本難題。

第四問“交叉之問”：AI4S不只在于AI與其他科學交叉，是否還能帶來新融合？分子生物學之父瓦倫·韋弗（Warren Weaver）于1933年就提出，生物學研究的未來在于物理學（以及化學、數學）的交叉——“一股尚未繼續力量的新浪潮”，自此洛克菲勒基金會年度預算的80%持續投入這一交叉領域，直至1938年韋弗將這一領域正式命名為分子生物學，引領后續數十年的科研方向，并為發現DNA雙螺旋結構、現代遺傳學、生物技術等奠定了基石。專家說，歷史的經驗告之，科學研究最肥沃的領域存在于現有成熟學科的融合點。上海人工智能實驗室啟動的“攀登者計劃”，也正是效仿韋弗，投資于跨學科融合，以期催化下一個“分子生物學”級的突破。

第五問“驗證之問”：如何判斷AI有能力做出重大科學發現？其可靠性如何確立？大膽設問：假如僅用1905年前的語料（1905年狹義相對論發表），AI能否快速融合此前學界已發現的黎曼幾何等理論，由此誕生出“廣義相對論”？周伯文認為，重大發現是“研究者-工具-對象”三者復雜互動的結果，要實現相對論級的突破，需要AI發揮系統性作用，幫助研究者增強跨域知識，智能提升研究工具，同時深度推理泛化研究對象，最終深度融入科研全流程才能獲得突破，絕非簡單的假設就能達成。

最后一問“新科學之問”：AI是否會將人文、藝術、社會科學等領域轉變為可精確測量的“新科學”？周伯文舉個有趣的例子，有的西方主流大模型給梵高的作品打分得了高分，但給徐悲鴻的駿馬圖打分，分數卻相當低，“我們都知道徐悲鴻的駿馬圖是傳世之作，那為什么AI會打低分？因為過去它沒有被精準分析與訓練過”。他認為，未來AGI將能輔助更多學科發展精確視角，提供新的分析視角與精確度量工具，有助于研究者從“非結構化原始數據”中識別出可能具有研究價值的模式與特征。記者獲悉，目前上海人工智能實驗室已探索“書生·妙析 ArtiMuse”美學大模型，這也意味著AI正在重塑對科學的傳統定義。他還透露，將借助大規模、可重復的AI實驗，提供系統研究框架，激發更創新的視角。

“執著、好奇、優雅、堅韌，以人類科學精神與智力為羅盤，以AGI為引擎，實現協同探索”，周伯文最后提出，“把握被高估的當下，投身被低估的未來。預測未來最好的方法就是創造未來！”

內容來源｜上觀

圖片來源｜千圖網

高金項目火熱招生中…

歡迎點擊小程序了解更多信息