0
| 本文作者： 周蕾 | 2026-05-11 16:33 |
作者丨周 蕾
編輯丨岑 峰
2050是阿里云創(chuàng)始人王堅(jiān)博士發(fā)起的一個(gè)非營利活動，自2018年起每年4月最后一個(gè)周末在杭州云棲小鎮(zhèn)舉辦，定位是“年青人因科技而團(tuán)聚”。它沒有傳統(tǒng)會議的“主辦方—嘉賓”結(jié)構(gòu)，而是一個(gè)由自愿者驅(qū)動、年青人自由發(fā)起活動的開放場域。
第八屆2050大會，在今年4月的最后一個(gè)周末如期舉辦。而2050學(xué)習(xí)節(jié)“AGI 4 Science”專場，或許是大會三天里信息密度最高的專場，沒有之一：三個(gè)小時(shí)，十七位發(fā)言嘉賓，每人十分鐘。據(jù)召集人王婷介紹，這是有意為之的高密度編排：舞臺時(shí)間本就是稀缺資源，讓更多正在前沿摸索的青年學(xué)者“上得了臺”，比讓少數(shù)人講得更長更重要。
這種議程安排讓現(xiàn)場節(jié)奏緊湊，講者沒有客套鋪陳，聽者全神貫注，云棲小鎮(zhèn)會展中心二樓的五云廳雖不大，上座率卻極高，不少聽眾為此駐足。
本次專場主題定位是“生長中的AGI 4 Science：全景、邊界、未來”，這三個(gè)詞旋即被投射為本場專場的三幕結(jié)構(gòu)——“落地前沿”“AI作為伙伴”“未來去向何處”。更直觀地講，這里談?wù)摰氖牵哼@條路上我們正走在哪里、誰與我們同行、以及最終希冀的目的地。
何為“生長中”？AI4S本身仍在快速演化，任何試圖以“已經(jīng)成型”的方式去框定它的努力，都會很快被現(xiàn)實(shí)拋在身后。專場策劃者選擇把這場分享呈現(xiàn)為一張“正在生長的科學(xué)地圖”，而非一份既定結(jié)論的總結(jié)陳詞——三幕之間不是層層遞進(jìn)的論證關(guān)系，而是從“此刻在做什么”到“能力邊界在哪里”再到“認(rèn)識論上將走向何處”的逐層抬升。
雷峰網(wǎng)(公眾號：雷峰網(wǎng))AI科技評論也注意到，AI for Science（AI4S）正經(jīng)歷從“通用大模型賦能”到“垂直領(lǐng)域深度融合”的范式演進(jìn)，一些細(xì)微的變化也在學(xué)習(xí)節(jié)上有所呈現(xiàn)：如今的AI4S交流，不再停留于AI+某種學(xué)科標(biāo)簽的簡單劃分上，比起聚焦單一技術(shù)路徑或?qū)W科分支，討論交流以“青年學(xué)者”為核心、以“問題”而非“學(xué)科”為導(dǎo)向，數(shù)學(xué)、物理、化學(xué)、芯片設(shè)計(jì)、生物制造等領(lǐng)域的青年學(xué)者匯聚一堂，形成了極具沖擊力的跨界碰撞。
不少AI for Science的敘事，經(jīng)常停在“科研流程加速器”這個(gè)節(jié)點(diǎn)上，但物理世界里的試錯(cuò)成本卻未必被真正接管，而在這次會上，我們觀察到青年學(xué)者們已經(jīng)在談?wù)摳щy的問題，試圖將敘事從“加速器”推向深水區(qū)：AI4S能否幫助科研承擔(dān)“試不起”的物理試錯(cuò)成本？能否擺脫簡單的排列組合，以第一性原理重塑AI4S的技術(shù)路線？AI4S或許存在著無法回避的結(jié)構(gòu)性問題？……與此同時(shí)，他們也積極尋找著產(chǎn)學(xué)研結(jié)合的新路徑——即如何將高校實(shí)驗(yàn)室的前沿探索，與產(chǎn)業(yè)界的真實(shí)需求進(jìn)行有效對接。
暮春四月的杭州，陰晴冷熱不定，2050大會舉行的三天卻剛好是天朗氣清、惠風(fēng)和暢的好天氣。五云廳的側(cè)窗外，是艷陽中搖擺發(fā)亮的綠樹，室內(nèi)的交流也正如春天萬物生發(fā)，一張正在生長的科學(xué)地圖徐徐展開。
幕前開場由上海人工智能實(shí)驗(yàn)室項(xiàng)目經(jīng)理人辦公室負(fù)責(zé)人于曉軼給出全場坐標(biāo)系。他的核心判斷直截了當(dāng)：科學(xué)發(fā)現(xiàn)的速度，接下來將由AI的能力邊界決定，但當(dāng)前多數(shù)AI仍是“專才式”的黑箱擬合器，給不出“為什么”，更無法涉足交叉學(xué)科。
上海人工智能實(shí)驗(yàn)室項(xiàng)目經(jīng)理人辦公室負(fù)責(zé)人于曉軼
他指出，落地必須有三件任務(wù)同時(shí)完成：AI4S是大模型推理能力的終極考場，需在稀疏數(shù)據(jù)、長周期反饋與爆炸性搜索空間中實(shí)現(xiàn)超長程推理與持續(xù)進(jìn)化；干濕閉環(huán)打通，讓AI直接輸出產(chǎn)業(yè)可用物，壓縮反饋周期；科研組織范式革新，引入PMO機(jī)制作為問題識別與翻譯引擎。
于曉軼最后以“問題庫才是我們真正在建設(shè)的護(hù)城河”這一觀點(diǎn)結(jié)束演講，本次專場正式拉開帷幕。
01
第一幕“落地前沿”，集中呈現(xiàn)了AI4S從論文階段進(jìn)入硬科技階段的臨界點(diǎn)。七個(gè)報(bào)告橫跨了可控核聚變、流體模擬、芯片電鍍、芯片設(shè)計(jì)、化學(xué)實(shí)驗(yàn)室、細(xì)胞影像和生物企業(yè)田野實(shí)驗(yàn)。領(lǐng)域看似分散，但都有相似的問題：試錯(cuò)成本高昂。一次等離子體實(shí)驗(yàn)成本極高，一次芯片流片耗時(shí)數(shù)月，一次化學(xué)合成可能毫無結(jié)果。
第一位登場的青年學(xué)者，是西湖大學(xué)特聘研究員吳泰霖。愛好科幻的他提起了《流浪地球》中令人印象深刻的行星發(fā)動機(jī)，也由此展開了核聚變的硬科技敘事。可控核聚變定義為“國運(yùn)級別”的工程，他指向2027年這個(gè)關(guān)鍵節(jié)點(diǎn)：多個(gè)聚變裝置有望實(shí)現(xiàn)Q＞1）（輸出能量大于輸入能量）。
西湖大學(xué)特聘研究員吳泰霖
AI 切入聚變的路徑被吳泰霖拆解為：仿真?zhèn)龋墒侥Ｐ吞幚淼入x子體多尺度多物理場耦合；控制側(cè)，基于共形預(yù)測的可證明安全控制方法；裝置設(shè)計(jì)側(cè)，仿星器優(yōu)化與AI原生診斷。同時(shí)他也向觀眾展示了更具想象力的“多智能體AI工程師”，即輸入一句話功能描述即可在純文本反饋下自動化建造火箭。
復(fù)旦大學(xué)助理教授、上?？茖W(xué)智能研究院AI科學(xué)家姜若曦，提出了“生成模型與表征學(xué)習(xí)的二元一體”——AI 既要會“畫”世界，也要會“看懂”世界，用表征打開AI黑盒。針對傳統(tǒng)去噪模型的局部加權(quán)平均問題，她與團(tuán)隊(duì)開發(fā)了 Nested Diffusion Models（CVPR 2026）；面向流體模擬的長期穩(wěn)定性難題，她進(jìn)一步提出 Hierarchical Implicit Neural Emulator（NeurIPS 2025），受經(jīng)典數(shù)值 ODE 求解器啟發(fā)，通過層級隱式表征預(yù)測未來狀態(tài)。在 Navier-Stokes 方程的二維平面實(shí)驗(yàn)中，該方法展現(xiàn)出顯著的長期穩(wěn)定性優(yōu)勢。她展望了 CFD 工業(yè)落地、基于表征隱空間的科學(xué)發(fā)現(xiàn)，以及醫(yī)學(xué)圖像與物質(zhì)生成等方向。
復(fù)旦大學(xué)助理教授、上?？茖W(xué)智能研究院AI科學(xué)家姜若曦
半導(dǎo)體是眼下最炙手可熱的領(lǐng)域之一，而從芯片制造的電鍍配方篩選，到芯片設(shè)計(jì)的版圖生成，AI 正在穿透半導(dǎo)體產(chǎn)業(yè)鏈。廈門大學(xué)化學(xué)副教授楊曉暉、上海交通大學(xué)長聘副教授邵雷來，正好分別聚焦了這一產(chǎn)業(yè)鏈的不同環(huán)節(jié)。
楊曉暉的分享從一道反問開始：“為什么高端芯片里有些問題不能只靠實(shí)驗(yàn)？”他將芯片電子電鍍描述為一種涉及分子、微孔到晶圓三個(gè)尺度的耦合問題，公開配方像菜譜，商業(yè)配方卻依賴數(shù)十年試錯(cuò)積累。AI在這里的角色并非替代實(shí)驗(yàn)，而是充當(dāng)“過濾器”——先排除95%走不通的路，再讓實(shí)驗(yàn)去驗(yàn)證剩下的5%。他給出的數(shù)據(jù)極具說服力：傳統(tǒng)方式命中率僅2%，AI輔助后接近60%；研發(fā)周期從一年壓縮到兩個(gè)月。同時(shí)他也拋出了希望得到討論的問題：模擬和真實(shí)之間的鴻溝，實(shí)驗(yàn)室到產(chǎn)線的最后一公里，下一代芯片結(jié)構(gòu)等。
廈門大學(xué)化學(xué)副教授楊曉暉
邵雷來聚焦AI走進(jìn)芯片設(shè)計(jì)核心的距離問題，他指出芯片設(shè)計(jì)是AI的理想戰(zhàn)場——數(shù)據(jù)豐富、反饋閉環(huán)、評估標(biāo)準(zhǔn)明確，比許多知識工作更容易形成“閉環(huán) Agent”。AI 在其中的演進(jìn)路徑已經(jīng)從單點(diǎn)優(yōu)化走向跨流程智能協(xié)同，EDA 正在從工具變成“智能同事”。但邵雷來強(qiáng)調(diào)，最大瓶頸不在模型本身，而在“最后一公里”：從“會優(yōu)化”到“敢 tape-out”之間，隔著制造約束、工藝偏差和工程信任。他描述的未來方向是讓 EDA 成為一個(gè)可對話、可自治的操作系統(tǒng)，即 Harness Engineering，LLM 必須理解制造約束才能生成真正可用的版圖。未來如果想按需求實(shí)時(shí)生成ASIC，Agent要能真正接入“物理世界”。
上海交通大學(xué)長聘副教授邵雷來
從芯片設(shè)計(jì)的“敢 tape-out”到化學(xué)合成的“敢做實(shí)驗(yàn)”，AI4S 的落地瓶頸在不同領(lǐng)域呈現(xiàn)出相似的結(jié)構(gòu)性困境。上?？茖W(xué)智能研究院研究員徐麗成指出，物質(zhì)科學(xué)領(lǐng)域AI的重大突破——從 AlphaFold 3 到 GNoME——幾乎都集中在分子的“設(shè)計(jì)”，而忽略了分子的“合成”，合成化學(xué)面臨海量條件組合的優(yōu)化難題。更關(guān)鍵的障礙在于“領(lǐng)域與算力壁壘”，實(shí)驗(yàn)科學(xué)家因缺乏編程經(jīng)驗(yàn)與算力資源，難以直接使用先進(jìn)的AI模型。徐麗成團(tuán)隊(duì)的開源工具矩陣與 Agent 系統(tǒng)試圖消除這些壁壘，構(gòu)建干濕實(shí)驗(yàn)閉環(huán)，讓實(shí)驗(yàn)科學(xué)家通過自然語言調(diào)用模型，專注于科學(xué)發(fā)現(xiàn)。
上?？茖W(xué)智能研究院研究員徐麗成
從化學(xué)合成的干濕閉環(huán)到生命細(xì)胞的物理放大，AI4S 正在向更復(fù)雜的生物系統(tǒng)延伸。西湖大學(xué)助理研究員董振分享了一種尿不濕啟發(fā)而來的組織膨脹技術(shù)——通過吸水膨脹將生物樣本物理放大，突破光學(xué)顯微鏡的分辨率極限，從而獲取從組織到亞細(xì)胞的多尺度空間結(jié)構(gòu)數(shù)據(jù)。在此基礎(chǔ)上，團(tuán)隊(duì)開發(fā)了膨脹空間蛋白質(zhì)組學(xué)方法，將物理放大后的生物數(shù)據(jù)輸入 HetuNet 等AI模型進(jìn)行分析，其推理過程“像在解數(shù)獨(dú)”。這條路徑的最終目標(biāo)是從膨脹空間蛋白質(zhì)組學(xué)走向“人工智能虛擬細(xì)胞”。董振的分享提供了獨(dú)特的生命科學(xué)視角：當(dāng)AI試圖理解細(xì)胞時(shí)，先需要物理層面的“放大”才能進(jìn)入數(shù)字層面的“建模”。
西湖大學(xué)助理研究員董振
錦波生物首席AI架構(gòu)師張?bào)K，提供了第一幕中最具產(chǎn)業(yè)縱深感的切片，錦波用18年完成了（重組）人源化膠原蛋白的原始創(chuàng)新，AI轉(zhuǎn)型時(shí)提出了一個(gè)簡潔公式：AI = BI（數(shù)據(jù)治理）+ BP（躬身入局）。他強(qiáng)調(diào)“智能化不只是技術(shù)革命，本質(zhì)上是一場管理革命”。而這場管理革命的邊界，比他最初設(shè)想的要寬得多——錦波身處太原，不像一線城市那樣擁有密集的人才供給，張?bào)K選擇在當(dāng)?shù)馗咝ｉ_設(shè)AI課程，試圖從源頭培養(yǎng)適配企業(yè)需求的人才，但這件事的復(fù)雜度和阻力遠(yuǎn)超預(yù)期，給他帶來了不小的沖擊。這也讓他更確信，AI轉(zhuǎn)型真正的瓶頸從來不只是技術(shù)本身，而是組織、生態(tài)與人才供給的系統(tǒng)性重構(gòu)。錦波的實(shí)踐給出了可量化的效率提升：AI輔助研發(fā)周期明顯縮短。張?bào)K最后以一句帶有溫度的判斷收束：“科技創(chuàng)新不是為了展示酷炫，而是為了守護(hù)生命的溫度?！?/span>
錦波生物首席AI架構(gòu)師張?bào)K
第一幕的分享里，沒有人把AI當(dāng)成包治百病的方子，每個(gè)人都如實(shí)地標(biāo)記出了自己科研道路上，那條模擬與真實(shí)之間的鴻溝有多寬，自己正在試圖用怎樣的辦法跨越。AI4S的落地前沿，輪廓已然清晰。
02
如果說第一幕是極具工業(yè)和硬核色彩的敘事，探索AI在物理世界能做什么，第二幕則是多了幾分人文與社會科學(xué)的思考：討論AI能力上限的同時(shí)，也該考慮AI的“底線”。這正是“伙伴”的深層含義——真正的伙伴不是全能助手，而是明確自己邊界在哪里的同行者。
今年以來OPC（一人公司）的概念受到廣泛追捧，浙江大學(xué)百人計(jì)劃研究員方榯楷的設(shè)問開場，也叩問了OPC的立足邏輯：“如果一個(gè)人能做一個(gè)團(tuán)隊(duì)的事，世界會變好還是變糟？“他展示了R&D-Agent的實(shí)戰(zhàn)數(shù)據(jù)，無論是在75場Kaggle競賽中，還是在量化交易里，Agent都獲得了相當(dāng)亮眼的成績。這套方法論的核心是“推理即優(yōu)化”——將推理類比為梯度優(yōu)化、記憶類比為動量、并行trace類比為分布式SGD。但方榯楷的論述迅速從效率樂觀轉(zhuǎn)向結(jié)構(gòu)警惕：當(dāng)思考按Token定價(jià)，知識創(chuàng)造將跟隨資本流動；先發(fā)者的GoME優(yōu)勢隨模型代際升級指數(shù)放大；“個(gè)體賦能的總和≠所有人變強(qiáng)=資本決定勝負(fù)的新一輪競爭”。他在接受AI科技評論采訪時(shí)強(qiáng)調(diào)，技術(shù)發(fā)展更要需要考慮生產(chǎn)關(guān)系，避免人類在 AI 時(shí)代被異化為工具。
浙江大學(xué)百人計(jì)劃研究員方榯楷
北京大學(xué)人工智能研究院博士生馬煜曦將AI帶入社會科學(xué)領(lǐng)域。她以“何以為人”的古典追問開篇，即展示AI作為“新顯微鏡“的雙重角色：作為物鏡，詞嵌入技術(shù)使分析200萬篇人民日報(bào)的70年話語變遷成為可能，大規(guī)模文本分析替代了傳統(tǒng)文獻(xiàn)考據(jù)；作為目鏡，AI迫使研究者直面“分布式創(chuàng)造力”“機(jī)器責(zé)任制”等從未存在過的本體論命題。馬煜曦特別展示了AI模擬進(jìn)化創(chuàng)造性思維的過程——當(dāng)AI負(fù)責(zé)窮盡變異的可能，人便進(jìn)化為審美的終審法官。這種“人際共創(chuàng)”的框架，為第二幕增添了人文維度的伙伴想象。
北京大學(xué)人工智能研究院博士生馬煜曦
上海人工智能實(shí)驗(yàn)室青年科學(xué)家胡舒悅，帶來了一項(xiàng)關(guān)于“AI能否幫人做出更好決策”的大規(guī)模實(shí)證研究。1000名參與者面對10000條來自Reddit的真實(shí)生活決策困境，在匿名條件下一致偏好LLM生成的建議而非人類建議。研究覆蓋了人際關(guān)系、情感挑戰(zhàn)、職業(yè)發(fā)展與教育選擇等主題，SEP框架下的評估顯示LLM建議被認(rèn)為合理、有幫助且令人滿意。更令人注意的是，2-4周后的追蹤顯示參與者報(bào)告的認(rèn)知清晰度提升和負(fù)面情緒降低得以維持。胡舒悅以此論證：以技術(shù)普惠推動AI平權(quán)，可以讓每個(gè)人無論出身、資源還是起點(diǎn)，都更有機(jī)會做出一個(gè)好選擇。
上海人工智能實(shí)驗(yàn)室青年科學(xué)家胡舒悅
清華大學(xué)在讀博士劉奕好即將加入騰訊混元，她的開篇提問直指多智能體“是不是另一個(gè)泡沫？”她沒有直接否定多智能體，而是給出了一個(gè)系統(tǒng)化的辨析框架。當(dāng)前主流產(chǎn)品已形成三條路線：Swarm-first（水平擴(kuò)展）、Context-first（干凈上下文）、Execution-first（可執(zhí)行狀態(tài)）。劉奕好指出，在單智能體足夠強(qiáng)大的今天，多智能體真正的價(jià)值在于“知識復(fù)用”，判斷標(biāo)準(zhǔn)是context/search/feedback/memory能否轉(zhuǎn)化為凈收益。一個(gè)agent的發(fā)現(xiàn)，可以成為另一個(gè)agent的起點(diǎn)；agent不是越多越好，得到良好組織的系統(tǒng)才是多智能體的本質(zhì)。
清華大學(xué)在讀博士劉奕好
上海人工智能實(shí)驗(yàn)室研究員溫力成，以一道反常識的質(zhì)問帶來第二幕的終章：“學(xué)了全互聯(lián)網(wǎng)的AI，為什么造不出一架飛機(jī)？”他的開篇引起“打工牛馬”們的共鳴，原來最前沿的Agent在“上班“場景中表現(xiàn)糟糕：分不清任務(wù)輕重緩急、不會主動追問模糊信息、做不到持續(xù)學(xué)習(xí)。溫力成將工業(yè)壁壘拆解為三道：專業(yè)知識壁壘、閉源工業(yè)軟件壁壘、物理約束壁壘。他團(tuán)隊(duì)推出的Assemble-Agent工業(yè)智能引擎和27B工業(yè)基座模型，試圖逐個(gè)擊破。他的分享為“AI作為伙伴”劃出了一道清晰的禁區(qū)：沒有物理反饋閉環(huán)的AI，在重工業(yè)面前仍是紙上談兵的實(shí)習(xí)生。
上海人工智能實(shí)驗(yàn)室研究員溫力成
03
時(shí)間接近正午，第二幕相對“接地氣”的分享也吸引來了更多聽眾，或站或立，五云廳門口人頭攢動。第二幕對“伙伴能力邊界”的務(wù)實(shí)討論，在第三幕被推向認(rèn)識論層面——當(dāng)組織形式已臻成熟，AI能否在沒有人類導(dǎo)師的情況下獨(dú)立完成范式轉(zhuǎn)換？
阿里達(dá)摩院算法專家杜偉韜的分享，可謂是一場精心設(shè)計(jì)的思想實(shí)驗(yàn)：“Agentic AI能否在1900年‘獨(dú)立’推導(dǎo)出狹義相對論？”他將1900年的物理困境翻譯為現(xiàn)代AI術(shù)語：牛頓力學(xué)的絕對時(shí)空觀是“陳舊的緩存協(xié)議”，邁克爾遜-莫雷實(shí)驗(yàn)是“無法命中舊緩存的異常Query”。杜偉韜展示了AI在跨領(lǐng)域聯(lián)想上的潛力——Aletheia系統(tǒng)能在未知邏輯空間中通過RL生成長鏈條推理。但他也揭示了AI的深層軟肋：審美與品味。例如AI缺乏對冗余實(shí)體的天生厭惡，奧卡姆剃刀“如無必要勿增實(shí)體”的原則是否能做成獎勵(lì)函數(shù)？
阿里達(dá)摩院算法專家杜偉韜
上智院AI科學(xué)家陶兆巍，以數(shù)學(xué)史的長鏡頭審視AI for Science的演化。他將數(shù)學(xué)研究劃分為三條線索——Reliable（嚴(yán)謹(jǐn)證明）、Experimental（實(shí)驗(yàn)探索）、Agentic（自主代理）——并展示它們?nèi)绾未┰郊埞P時(shí)代、電腦時(shí)代，最終在AI時(shí)代收束。一個(gè)關(guān)鍵洞察來自他對“嚴(yán)謹(jǐn)“的反思：四色定理和有限單群分類的證明已長到“原則上的嚴(yán)謹(jǐn)性開始與個(gè)人可完整持有的理解脫鉤“。Lean+Agent正在把證明從文本變成“可組合的接口“。AlphaEvolve、PackingStar、EinsteinArena等系統(tǒng)則標(biāo)志著從數(shù)值枚舉走向結(jié)構(gòu)探索。陶兆巍的判斷是：AI時(shí)代不只是三條線各自更強(qiáng)，而是它們第一次可以被編排成閉環(huán)系統(tǒng)——Reliable提供終點(diǎn)，Experimental提供來源，Agentic提供驅(qū)動。
上智院AI科學(xué)家陶兆巍
寧德時(shí)代首席AI科學(xué)家劉凱以“AI與大腦，到底誰更接近智能的本質(zhì)”為題，為第三幕注入了神經(jīng)科學(xué)的底層視角。他指出一個(gè)常被忽視的事實(shí)：DeepMind Hassabis和Anthropic Botvinick的核心背景都是神經(jīng)科學(xué)?，F(xiàn)代深度學(xué)習(xí)從McCulloch-Pitts神經(jīng)元模型到Hebbian學(xué)習(xí)，從CNN的局部感受野到ResNet的skip connection，都能在神經(jīng)系統(tǒng)中找到對應(yīng)。劉凱展示了果蠅全腦連接組（13萬神經(jīng)元、5000萬突觸）的映射進(jìn)展，以及從中催生的類腦智能方向——模型以微分方程系統(tǒng)模擬動態(tài)神經(jīng)網(wǎng)絡(luò)。他提出了五個(gè)遞進(jìn)式轉(zhuǎn)變，最終指向“AI Scientist”：人工智能將不再只是輔助人類，而是參與提出問題、形成理論、推動科學(xué)突破。劉凱也向AI科技評論強(qiáng)調(diào)，“這一階段的AGI研究又可以考慮一撥neuroscience inspired AI方案”。
寧德時(shí)代首席AI科學(xué)家劉凱
學(xué)習(xí)節(jié)的最后一個(gè)報(bào)告，來自香港中文大學(xué)助理教授劉圣超。他首先分享了一個(gè)有意思的話題文章：現(xiàn)在AI4S的整個(gè)領(lǐng)域的知識傳遞系統(tǒng)在邏輯上失效——“這不叫學(xué)科，這叫集體迷路”。目前科學(xué)主導(dǎo)派認(rèn)為AI只是加速器，AI主導(dǎo)派認(rèn)為科學(xué)范式正在被AI重構(gòu)，但在他看來，二者差異來自于時(shí)間尺度的不同——短期來看，當(dāng)前主流的AI/LLM可解決部分科學(xué)問題；但長期來看，它們還無法解決bottleneck問題。他用“無限猴子定理”隱喻：沒有第一性原理，AI就像隨機(jī)打字的猴子。劉圣超也在接受AI科技評論采訪時(shí)尖銳指出當(dāng)前 AI for Science 領(lǐng)域的殘酷真相：大量研究淪為 “排列組合”，研究者試圖走捷徑套用現(xiàn)有的圖像或自然語言模型；但是AI4S應(yīng)該有更本質(zhì)、從第一性原理出發(fā)的框架，逐步構(gòu)建獨(dú)立這一門學(xué)科。他在分享的最后提出如何奠定AI for Science的規(guī)則與邊界這一深刻提問，為學(xué)習(xí)節(jié)畫上了圓滿句號。
香港中文大學(xué)助理教授劉圣超
專場結(jié)束后，年輕的講者們移步至?xí)鐾饫^續(xù)交流。他們在天幕下分享正在做的學(xué)術(shù)工作，討論自己的所思所憂，也許下2050年的愿望。AI科技評論后續(xù)也將深度專訪本次專場的部分嘉賓，推出“AI學(xué)術(shù)青年”系列專訪，敬請期待。
值得一提的是，這一信息密度極高的專場，其實(shí)是“2050學(xué)習(xí)節(jié)”11場論壇的其中之一。AI科技評論了解到，“2050學(xué)習(xí)節(jié)”由王婷與Datawhale的范晶晶、莊表偉和王志軍在2023年聯(lián)合召集，起源于一次有趣但不切實(shí)際的追問：
既然淘寶可以為購物造一個(gè)雙十一狂歡節(jié)，為什么學(xué)習(xí)者不能擁有屬于自己的節(jié)日？
由此，他們開始在2050立下了學(xué)習(xí)節(jié)的flag，希望讓學(xué)習(xí)這件事從功利和KPI里走出來，回歸興趣與熱愛本身。它有三條貫穿至今的核心價(jià)值觀：給年輕人搭舞臺、創(chuàng)造不可能、自由生長的創(chuàng)新生態(tài)——把判斷權(quán)和發(fā)起權(quán)交還給那些真正在場的人。
今年是學(xué)習(xí)節(jié)的第三屆，主軸是“人和組織·構(gòu)建AI+X生態(tài)”，對外召集語被凝練為“讓真實(shí)的鏈接發(fā)生”。三日十一場論壇在云棲小鎮(zhèn)同時(shí)鋪開，除了“AGI for Science”專場以外，還有很多豐富的主題——AI+X高校教育聯(lián)盟討論大學(xué)如何被AI重塑，AI游戲論壇探索Z世代的進(jìn)化路徑，AI+心理論壇關(guān)注“從周公解夢到聊天紀(jì)元”，以及意識之橋、AI+OPC、AI+醫(yī)療等十幾個(gè)截然不同的議題在三天里平行發(fā)生。
云棲小鎮(zhèn)的草坡上，2050的倒計(jì)時(shí)還在持續(xù)跳動。這場2050學(xué)習(xí)節(jié)，其實(shí)并沒有迎來一個(gè)閉合的終章。正如于曉軼在開場所言，“問題庫是我們真正在建設(shè)的護(hù)城河”，此時(shí)此刻問題庫還在擴(kuò)大，護(hù)城河仍似溪流，真正屬于AI4S時(shí)代的第一代畢業(yè)生也還在路上。正是那些懸而未決的節(jié)點(diǎn)，構(gòu)成了持續(xù)跟蹤的價(jià)值，如今還在生長中的版圖，已足夠讓人期待。
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
