國務(wù)院不久前印發(fā)的《關(guān)于深入實(shí)施“人工智能+”行動的意見》，明確提出加快實(shí)施“人工智能+”科學(xué)技術(shù)行動。這是黨中央準(zhǔn)確把握科技發(fā)展大勢作出的重要戰(zhàn)略部署，指引我們在新一輪科研范式變革中搶占先機(jī)。

近年來，人工智能驅(qū)動的科學(xué)研究在全球持續(xù)升溫，展現(xiàn)出重塑科技創(chuàng)新的巨大潛力，科學(xué)研究正邁向“人工智能+科學(xué)”的新范式。一個頗具代表性的例子就是人工智能模型阿爾法折疊2（AlphaFold2）準(zhǔn)確預(yù)測蛋白質(zhì)結(jié)構(gòu)。由于組成蛋白質(zhì)多肽鏈的氨基酸數(shù)量極為龐大，根據(jù)已知的氨基酸序列預(yù)測蛋白質(zhì)三維結(jié)構(gòu)，一度是個遙不可及的夢想。然而，AlphaFold2僅用短短幾年時間，便解決了這個曾經(jīng)困擾全球科學(xué)家數(shù)十年的難題，成功預(yù)測了大約兩億種蛋白質(zhì)的結(jié)構(gòu)。

當(dāng)然，人工智能帶來的機(jī)遇和挑戰(zhàn)并存。具體到科研領(lǐng)域，高質(zhì)量科學(xué)數(shù)據(jù)缺乏、算法可解釋性不足等，都是當(dāng)前制約人工智能驅(qū)動的科學(xué)研究深入發(fā)展的瓶頸。對此，我們需要在深刻把握人工智能發(fā)展趨勢和規(guī)律的基礎(chǔ)上，加強(qiáng)統(tǒng)籌謀劃。

例如，針對我國用于AI訓(xùn)練的數(shù)據(jù)質(zhì)量良莠不齊、依賴國外數(shù)據(jù)庫資源、數(shù)據(jù)標(biāo)準(zhǔn)不統(tǒng)一等問題，當(dāng)務(wù)之急是加快構(gòu)建國家級數(shù)據(jù)平臺和算力網(wǎng)絡(luò)，促進(jìn)跨平臺、跨學(xué)科的優(yōu)質(zhì)科學(xué)數(shù)據(jù)資源安全共享與高效應(yīng)用。再如，針對多學(xué)科交叉人才短缺這一問題，則需要加強(qiáng)相關(guān)學(xué)科與人工智能交叉領(lǐng)域的復(fù)合型人才培養(yǎng)。

面對新形勢新挑戰(zhàn)，廣大科技工作者應(yīng)積極擁抱新浪潮，探索使用人工智能手段解決重大科學(xué)問題。有關(guān)部門也要瞄準(zhǔn)問題癥結(jié)，強(qiáng)化跨領(lǐng)域、跨部門協(xié)同攻關(guān)，讓人工智能真正成為科學(xué)家們的超級助手，助力提升科研效率和創(chuàng)新潛能。（本文來源：經(jīng)濟(jì)日報 作者：沈 慧）