首页 > 人工智能 >推动AI迈向驱动科学发现

推动AI迈向驱动科学发现

来源：互联网 2026-08-02 13:21:14

人工智能资讯合集

人工智能发展的关键正从算力、算法转向科学数据，需让科学数据成为基础模型的“原住民”，推动AI从理解文本迈向驱动科学发现。已有实例表明，重新挖掘旧数据能带来突破，AI将像数学一样成为科学研究的基础设施。

如果说大语言模型为人工智能打开了新世界的大门，那AI的下一场革命将由什么来驱动？中国工程院院士、之江实验室主任、阿里云创始人王坚给出的答案，直指“科学数据”。在他看来，人工智能正站在一个历史性的转折点上——未来推动AI发展的关键，不再仅仅是算力或算法的堆叠，而是让科学数据真正成为基础模型的“原住民”，从而推动AI从“理解文本”迈向“驱动科学发现”的新阶段。

推动AI迈向驱动科学发现

长期稳定更新的攒劲资源： >>>点此立即查看<<<

大语言模型的本质与局限

今天大家熟悉的LLM——大语言模型，本质上是在海量文本数据上训练出来的基础模型。王坚院士提到一个有趣的视角：人类对文本的处理其实古已有之。就像中国古文和古拉丁文原本没有标点、没有空格，后来人们给它们加上标点和空格，这个过程在本质上和今天大语言模型核心的Tokenize（分词）逻辑如出一辙。大语言模型把人类对文本数据的理解和利用推到了前所未有的高度。

但问题在于，科学研究中大量关键信息并不以文本形式存在。如果AI的视野始终停留在分析人类写成的论文和代码上，那它很难真正触及科学的本质。王坚以地球科学为例：超过70%的地学关键信息来自光谱、地震波这些原始物理数据，而非学术论文里的文字。他打了个比方——“一张图胜过千言万语，而一段光谱可能胜过千万张图。”

科学数据：基础模型的新方向

所以，未来的基础模型应该直接面向科学数据，实现文本、代码和科学数据的统一建模。这才是真正意义上的突破。

一个最近的例子很能说明问题：一名年仅18岁的高中生，利用一颗原本用于监测小行星的退役卫星遗留下来的数据，竟然发现了近150万个此前从未被识别的太空天体。这项成果作为单作者论文，发表在了顶级天文期刊上。王坚强调：“科学突破不仅来自新的实验，也可能来自对已有数据的重新挖掘。”从旧数据中发现新问题，这正是科学变革的基本逻辑。面对浩瀚的科学数据，人类目前的认知和利用程度还远远不够。