巅峰对话：鄂维南、黄铁军、汤超、王坚论道大模型与科学研究｜万字实录

　　在当今科技界，AI不仅是热门话题，更是推动科学研究进入“第五范式”的关键力量。作为将AI与科研深度融合的新兴科技形态，AI for Science正引领一场科研革命。8月10日，由中关村论坛指导、北京科学智能研究院主办的“2023科学智能峰会”在北京召开，旨在搭建AI for Science领域的共建共创平台，推动基础设施建设，激发创新效能。

　　会上，来自学术界和产业界的四位嘉宾围绕“大模型与AI for Science”议题进行了深入交流与探讨。以下是他们的精彩观点实录：

　　张林峰：各位嘉宾，大家好！今天我们将探讨利用大模型解决科学研究问题与发展AI for Science的优势和挑战。首先，请汤超老师谈谈在这个过程中有什么变与不变。

　　汤超：最大的不变就是一直在变，总有新东西出来，这让人非常振奋。虽然新东西层出不穷，但我觉得这是一件好事，而且看到很多年轻人参与进来，这是一个很好的现象。

　　张林峰：接下来请王坚院士谈谈他对AI for Science基础设施的看法。

　　王坚：对于基础设施的理解今天有点被泛化。没有真正意义上的基础设施也可以做很多创新。基础设施应该非常容易得到且便宜。在AI领域，如果基础设施做得好，就像最好的教授拿大项目一样容易获取。

　　张林峰：您觉得AI for Science在基础设施需求上会有什么异同吗？

　　王坚：AI基础设施如果做得好，可以像使用资源一样灵活。比如，你今天想用一张卡做研究，明天想用1万张卡就可以做到。

　　张林峰：接下来请黄铁军老师谈谈他对AI与大模型的最新判断和认识。

　　黄铁军：大模型具备“涌现”特性，这种特性使得它是划时代的。大模型之前的AI研究都是完全可控的，但大模型之后出现了产生‘不确定性’的创新能力，这是AI的一次大革命。

　　张林峰：今年是大模型与AI for Science报告发布的第三年，期待未来有更多的突破。请鄂维南老师谈谈2018年提出AI For Science概念时的机缘和认识。

　　鄂维南：当时汤超老师提议搞AI for Science，我们就用这个名字开始了这项工作。我是从计算科学出身，发现机器学习可以解决我原来的那些计算科学中的困难，于是我们就推动起来了。

　　汤超：从多年前提出到现在，我认为AI for Science有三层意思：应用场景、找新的科学规律、理解我们的大脑。现在第一个进步非常大，但AI还没有找到一个新的科学规律，我相信可能在很久的将来能做到。

　　张林峰：最后请四位老师探讨一下大模型与AI for Science目前的技术路线和应用的异同以及各自的优势。

　　王坚：创新有很大的偶然性，有时候太想总结成有规律反而没有好处。比如ChatGPT的发明就是让你胡说八道的，它的核心是Chat而不是GPT。我们试图把它跟科学结合在一起，但认为它这个不能干那个不能干，这个逻辑有些问题。

　　汤超：我同意王坚老师的观点。从整个IT领域到芯片的发展都离不开Science的积累。现在我们希望AI能help Science，可以做很多事情。

　　张林峰：谢谢各位老师的精彩分享！最后请每位老师用一句话寄语在座的年轻人。

　　黄铁军：真正的创新都是在年轻的时候，推翻已有的东西，提出全新的东西。

　　鄂维南：作为年轻人，你需要认真拷问一下自己，你一辈子最喜欢做的究竟是什么样的事情。

　　汤超：我希望你们年轻人从赶潮流到最后能够发起潮流的人，不要只去做现在红的事。

　　王坚：对于年轻人来讲最重要的事情就是混水摸鱼，趁大家都讲不清楚的时候，这是年轻人最好的机会。