■实习生Zhao Yutan记者Zhao Guangli AI（AI4S，人工智能用于科学研究）是“ AI或科学家更强大”的建议？ “我们不应该问AI可以做什么，而是AI可以做什么以及当前方法无法做什么。”最近，在中国科学院计算机技术学院（因此从因此被称为计算机研究所）发布的“ 2025计算机AI4S研讨会”上，中国科学院的学者陈·伦申（Chen Runsheng AI以及AI科学家如何解决AI，AI以及AI科学家如何解决AI，AI如何以及AI可以以及AI的数量以及AI科学家如何解决AI AI，AI AI，AI以及AI的AI以及AI以及如何AI以及如何AI以及如何AI以及如何AI以及如何AI和AI和AI AI和AI AI和AI AI和AI AI和AI AI和AI AI和AI AI和AI AI和AI和AI ai和AI。n ai ai和ai以及应集中多大的新问题。在圆桌讨论会上，中国科学技术大学的教授Luo Yi的研究人员Chen Runsheng和Chen Xilin，中国科学院上海研究所的研究人员，中国科学院的研究所，中国科学院，中国科学院的研究人员，陈·卢恩（Chen Luonan），陈·卢恩（Chen Luonan），科学界的研究员和Quarkence scorcien，Sorcimentiarn and Sorcimence，Sorcien，Sorcemence，Sorcimence，Sorcien，Sorcien，Sorcien，Sorcien，Sorcien，Sorcien，Sorcien，Sorcien，Sorcien，Sorcien，Sorcien，Sorciments Sorcien，Sorciments Sorcime微软研究中心的全球合作伙伴Si Tao进行了“科学”的讨论。科学研究激励“重新开放”？ “ AI擅长熔化数据，具有强大的计算强度和快速的反应速度。只要有足够的计算能力，它就可以处理大量数据。”秦陶说，从计算的角度来看，AI4S实际上是由科学研究范式的变化触发的。多年以来，科学家一直对如何处理多尺度问题（多元功能）。它完全阻止了科学研究的发现的速度。 1950年代终于始于黎明 - AI的诞生改变了算法问题的一些问题，这不仅解决了许多问题，这些问题无法通过传统的科学计算无法以高准确的方式解决，而且处理良好的大量数据。从蒸汽机的咆哮到清晨AI，劳动工具的转换已直接提高了生产率水平。 Qin Tao说：“ AI可以加快计算的速度。当计算强度足够强大且足够快时，它在科学领域的可能性就可以在“不可能”中。”但是，如果AI能够实现科学研究的“重新开放”，科学家并不乐观。 “ AI药剂师不是新的Konsepto。自计算机的诞生以来，科学家已经开始尝试设计分子药物。”在Zhu Weiliang的观点中，AI确实改善了T在某些方面，他对新研究和药物开发的效率效率仍然没有突破。“要使用AI，还需要数据积累和清洁。”它是在“整个爆发之前的繁荣时代”。一个新的视角。许多科学家认为 - AI似乎是用来深入研究复杂数据之间的联系。 “现在有很多数据和很少的规则，我们使用'黑匣子'来发现新法律，根据新法律生成新数据，并进行重新发现的撤销。这就像一个周期。” This is exactly the same as the view of the American philosopher of the science Thomas Kuhn in the book "The Structure of the Scientific Revolution": The history of science is essentially circular, and every new discovery of scientific is brought a new paradigm for recognizing the world, with each other passing through the same cycle of life as "invented, invented, problematic, crisis, crisis and problem, problematic, problematic, crisis, crisis and pr问题，问题，危机，危机和问题，问题，问题，危机和问题。跌倒。 “吸引“幻觉”和令人兴奋的“出现”的头痛是AI的两个方面。因此，AI如何解决问题，以及它应该解决什么可怕的问题？科学界在科学界有一个俗话说，AI和科学家“朝着相同的方向发展”：随着科学的发展，科学的发展速度仍然是一定的。在这个新的“ hoe”中，等待dug是在“ hoe”中，科学家们在陈的角度仍然有很多疑问和期望。现在深处研究仍然是静态表示，而YouLaws需要动态表示。 “根据生物信息学研究的多年，陈·卢南（Chen Luonan）建议，如果AI可以使用动态代表来解释未来的高维数据，它可能在科学研究中具有更好的性能。在科学研究中。我们在多个规模的计算中。我们在跨阶段的科学研究中没有成功，因为这是不可能的，因为它可以实现这一范围。科学研究。“我希望深入的研究能够发现大量数据，但是从中发现的发现，您是否可以使用深入的研究来模仿诸如解决这个问题的生物学方程，从从探索未知的到新知识，从解决特定问题到探索第一原则，AI和科学研究的碰撞的火花忽略了更多的期望，也伴随着一些冷酷的思想。“任何一个待遇机器可以模仿或执行的问题都是可以计算出来的，这只是一个快速而延迟的问题。口香糖牙龈肿块一个例子：“我们进行计算机研究的人就像是足球比赛的中场球员（球员）。他们不是前进或守门员。偶尔，他们认为当他们在前场跑步并进球时，他们可以进球。实际上，实际上，我们仍然是中场球员。我们仍然是中场的人。我们仍然是其他学科的方法，只能为其他学科而求解。 之后。 “我们希望科学家可以立即喂养K关于需要轻松解决并在AI的帮助下及时解决问题的问题。“近年来，您可以使用它们“适当地使用它们” AI4S吸引了很多关注。许多科学家认为，为了使AI更好地赋予科学研究，应解决一些主要问题。标签。 AI生成高质量的新数据。 Qin Tao说，需要合作“黑匣子”和“ White盒“。”。 “黑匣子”基于AI的观点，而“白盒”包含很多科学知识。依靠强大的AI数据处理能力，两者的不断组合有望加速新科学发现。 “朱·威利安格（Zhu Weiliang）认为，AI是一种性能工具。只有通过使用AI，在未来的各个方面都可以“容易”。ChenRunsheng说，AI实际上是人类智慧的整合。“每个人都承认，AI是一个很好的工具，是一项出色的工具，是现代研究的驱动力，但是我们的基础科学支持AI4S系统？陈·鲁申（Chen Runsheng）指出，这些问题需要宏观和仔细考虑设计水平。确定性，它可能不是唯一的解决方案。 “此外，值得在分裂劳动方面值得注意的是什么规模。” Chen Xilin认为，人机计算机合作和人类智慧合作是AI增强科学研究能力的最佳模型。