阿玛拉定律的核心观点是这一句话：“人们总是高估技术的短期变化，却低估长期的变革”，当前人工智能大热，有人质疑泡沫过多、有人认为发展需要更多泡沫。AI4S（AI for Science）领域存在一系列的“高估与低估”，该如何去科学评价与看待？
今天召开的2025浦江论坛“人工智能赋能科学研究论坛”上，上海人工智能实验室主任、首席科学家周伯文就上述问题系统性提出“AGI4S浦江论坛六问”。他从“边界之问、预测之问、交叉之问、形式化之问、验证之问、新科学之问”六个角度，展望AI的发展前景与应用未来易多投资，同时提出“AI正在加速拓展知识边界，但科学探索的罗盘始终是人类的心灵、好奇心与价值观来指引”。
所有科学问题是否都能被人工智能解决吗？哪些是AI可能永远无法触及的？第一问“边界之问”易多投资，周伯文回顾希尔伯特的可判定性问题与哥德尔不完备定理、对比吴文俊的“机器证明”在特定领域实现的突破，最终得出结论期望值从“偏高到偏低，最终回到现实”，由此可见AI的能力是有边界的，但AGI（通专融合）可能正在拓展这一边界。
第二问“预测之问”：如今AI的预测能力是否全面超越了现有计算方法？科学的关键特征是能否准确预测系统将要发生什么，当前可见，基于大语言模型和训练数据，对于全新复杂的问题，预测将会遭遇能力瓶颈。专家举例：AlphaFold能预测蛋白质结构，但尚不能通过分析模型本身来揭示蛋白质折叠的原理；神经网络虽然能进行短期或局部的快速模拟，但三体问题的混沌特性，导致长期预测仍面临挑战，“因此我们不仅仅要通过AI来预测，更需要AGI的技术路径来真正理解。”
第三问“语言之问”：对于科学表征，如何超越自然语言？两者孰轻孰重？他引用1972年图灵奖得主迪克斯特拉（Dijkstra）的观点，强调了形式化语言（数学符号）对现代科学的奠基作用。现代文明社会得以在欧洲挣脱出中世纪经院哲学的束缚后诞生，关键得益于韦达、笛卡尔、莱布尼茨等人所创立的严谨符号体系。如今，科学中的自然语言有局限，表达能否捕捉自然界的行为方式，是否能以人类理解的方式呈现值得商榷。周伯文认为，应该在自然与形式化语言结合的领域探索，他同时透露，目前上海人工智能实验室正在开展相关研究，在自然语言与多模态的基础上，加强形式化表征，致力于解决科学表述的根本难题。
第四问“交叉之问”：AI4S不只在于AI与其他科学交叉，是否还能带来新融合？分子生物学之父瓦伦·韦弗（Warren Weaver）于1933年就提出，生物学研究的未来在于物理学（以及化学、数学）的交叉——“一股尚未继续力量的新浪潮”，自此洛克菲勒基金会年度预算的80%持续投入这一交叉领域，直至1938年韦弗将这一领域正式命名为分子生物学，引领后续数十年的科研方向，并为发现DNA双螺旋结构、现代遗传学、生物技术等奠定了基石。专家说，历史的经验告之，科学研究最肥沃的领域存在于现有成熟学科的融合点，上海人工智能实验室启动的“攀登者计划”，也正是效仿韦弗，投资于跨学科融合，以期催化下一个“分子生物学”级的突破。
第五问“验证之问”：如何判断AI有能力做出重大科学发现？其可靠性如何确立？大胆设问：假如仅用1905年前的语料（1905年狭义相对论发表），AI能否快速融合此前学界已发现的黎曼几何等理论，由此诞生出“广义相对论”？周伯文认为，重大发现是“研究者-工具-对象”三者复杂互动的结果，要实现相对论级的突破，需要AI发挥系统性作用，帮助研究者增强跨域知识，智能提升研究工具，同时深度推理泛化研究对象，最终深度融入科研全流程才能获得突破，绝非简单的假设就能达成。
最后一问“新科学之问”：AI是否会将人文、艺术、社会科学等领域转变为可精确测量的“新科学”？周伯文举个有趣的例子，有的西方主流大模型给梵高的作品打分得了高分，但给徐悲鸿的骏马图打分，分数却相当低，“我们都知道徐悲鸿的骏马图是传世之作，那为什么AI会打低分？因为过去它没有被精准分析与训练过。”他认为，未来AGI将能辅助更多学科发展精确视角，提供新的分析视角与精确度量工具，有助于研究者从“非结构化原始数据”中识别出可能具有研究价值的模式与特征。记者获悉，目前上海人工智能实验室已探索“书生·妙析 ArtiMuse”美学大模型，这也意味着AI正在重塑对科学的传统定义。他还透露，将借助大规模、可重复的AI实验，提供系统研究框架，激发更创新的视角。
“执着、好奇、优雅、坚韧，以人类科学精神与智力为罗盘，以AGI为引擎，实现协同探索”，周伯文最后提出，“把握被高估的当下易多投资，投身被低估的未来。预测未来最好的方法就是创造未来！”
天载配资提示：文章来自网络，不代表本站观点。
