走進(jìn)中科院上海有機(jī)化學(xué)研究所綜合樓一樓，一條人工智能（AI）化學(xué)實驗線正在進(jìn)行測試。如果一切順利，它將在今年上半年正式投入使用。一位博士生花五年時間才能獲得的數(shù)據(jù)，在這里只需一個月就能完成。而且，實驗不會受到個人的實驗技術(shù)水平、心情好壞、數(shù)據(jù)偏好等影響，可以確保實驗數(shù)據(jù)規(guī)范準(zhǔn)確。

人工智能驅(qū)動的科學(xué)研究（AI for Science）正在推動科研范式變革。AI在解放科學(xué)家雙手、提高科研效率和準(zhǔn)確性的同時，也在催生更多創(chuàng)新。在科學(xué)數(shù)據(jù)、算法、算力的支撐下，面向科研“第五范式”的智能化科學(xué)設(shè)施，將實現(xiàn)“AI科研助手+操作機(jī)器人+智能實驗環(huán)境+可信多方協(xié)作”的高效迭代。

常規(guī)實驗觀察高度依賴人的體力和經(jīng)驗，而基于AI算法的無人實驗將顛覆這一切。比如這條由上�？茖W(xué)家研發(fā)的AI化學(xué)實驗線猶如一位“機(jī)器化學(xué)家”，讓人類專家告別簡單勞動，將智力集中于最前沿的創(chuàng)新探索。而這種“身邊的變革”不僅發(fā)生在化學(xué)合成領(lǐng)域，不少新材料、藥物發(fā)現(xiàn)等領(lǐng)域的實驗室都已經(jīng)與AI融合相伴，一個全新的科研時代已然來臨。

告別搖試管、守儀器，節(jié)省三分之二的時間精力

根據(jù)實驗方案，稱量取樣、放入通風(fēng)櫥開始實驗，再將樣品送入儀器分析——實驗數(shù)據(jù)在送達(dá)研究者手中的同時，也進(jìn)入數(shù)據(jù)庫。無需多時，實驗分析報告就傳到了研究人員手中。這就是AI化學(xué)實驗線未來的工作模式。

負(fù)責(zé)搭建AI化學(xué)實驗線的上海有機(jī)所研究員左智偉覺得，實驗線最大的優(yōu)點之一就是可以把博士生從搖試管、守儀器這類簡單重復(fù)勞動中解脫出來，“至少可以節(jié)省他們?nèi)�分之二的時間和精力”。

事實上，無論有機(jī)、無機(jī)材料，抑或生物制藥，實驗步驟具有相當(dāng)?shù)墓餐ㄐ�，主要以取樣、順序加料、設(shè)定反應(yīng)條件、分析實驗結(jié)果為主。這些程序性事務(wù)正是機(jī)器所擅長的。

之所以決定將引入AI這件事付諸行動，基于左智偉的一個粗略計算：五年學(xué)習(xí)畢業(yè)時，一名碩博連讀生通常會有15本實驗記錄本，多的可能有30本。按每本100頁計算，一般平均每頁會有兩條有效數(shù)據(jù)，那就相當(dāng)于可以積累6000條反應(yīng)數(shù)據(jù)。而AI化學(xué)實驗線可以24小時運(yùn)轉(zhuǎn)，同時進(jìn)行多個實驗，只需一個月就能完成一個博士生五年的積累。

從事熱電材料研究的中國科學(xué)院上海硅酸鹽研究所陳立東研究員也有同樣的感觸。在國家科技部和上海市科委的支持下，上海多所高校與硅酸鹽所聯(lián)合開展了基于材料基因工程的新材料探索研究。得益于高通量計算、數(shù)據(jù)挖掘研究平臺的建立，新型熱電材料的篩選與性能優(yōu)化的速度獲得了成倍提升。

科研提速的同時，實驗室收獲的還有寶貴的研究智力。在左智偉看來，科研“體力活”的大幅減少，可讓實驗室里的年輕人把更多精力投入到對科學(xué)問題的思考中。而且，有AI幫助，人類專家萌生的各種科研想法能夠更快地執(zhí)行，“預(yù)測—分析—改進(jìn)—再實驗”的認(rèn)知螺旋式上升也會推進(jìn)得更快。最為重要的是，年輕人的科研興趣不會被枯燥重復(fù)的實驗所消磨，這會吸引更多人投身科研，從整體上加速科技創(chuàng)新。

從存量數(shù)據(jù)中“淘寶”，突破數(shù)據(jù)和算法瓶頸

人類從事科學(xué)研究的范式一直在“迭代”。幾千年前是經(jīng)驗范式，幾百年前是理論范式，幾十年前是計算范式，十幾年前是數(shù)據(jù)范式，而今是AI范式。近年來，“AI for Science”正在引發(fā)一場科學(xué)革命。AI在預(yù)測蛋白質(zhì)結(jié)構(gòu)、自然語言學(xué)習(xí)上的表現(xiàn)，不斷在社會上引發(fā)高度關(guān)注。在這股變革大潮下，科學(xué)家們最關(guān)心的是如何實現(xiàn)數(shù)據(jù)和算法這兩大核心要素的突破。

為發(fā)展AI化學(xué)，從2021年起，中科院上海有機(jī)所從國內(nèi)外引進(jìn)了多位青年人才，組成了20多人的研究團(tuán)隊，專攻AI驅(qū)動的有機(jī)合成。薛小松就是其中之一。“數(shù)據(jù)庫是目前面臨最大的難題。”他坦言，機(jī)器學(xué)習(xí)需要大量數(shù)據(jù)，應(yīng)用也受限于數(shù)據(jù)。國外很久之前就開始布局科研數(shù)據(jù)庫，在這方面有著豐厚的積累；相比之下，國內(nèi)大量優(yōu)秀論文發(fā)表在國外期刊上，有些“先天不足”。

為此，左智偉正帶領(lǐng)團(tuán)隊努力挖掘存量實驗數(shù)據(jù)。畢竟，“發(fā)表論文只會用到一小部分?jǐn)?shù)據(jù)，而且往往帶有結(jié)果導(dǎo)向的偏見”。而實驗過程中會對成千上萬種新催化劑、新配體進(jìn)行研究，從這些存量數(shù)據(jù)中“淘”到AI訓(xùn)練所需要的“寶”，概率相當(dāng)高。同時，他們也期待實驗線早日啟動，因為AI實驗所產(chǎn)生的大量數(shù)據(jù)，也可用來“投喂”訓(xùn)練算法模型。“計算除了需要數(shù)據(jù)輸入，還需要給出算法、模型和判據(jù)。”陳立東說，早在十年前，國外就提出了“材料基因”的概念，而這正是如今“AI+材料”的前身，“可以說，材料就在那里，就看你用哪種工具去挖掘、去發(fā)現(xiàn)”。比如，北京科技大學(xué)謝建新教授就通過大數(shù)據(jù)挖掘，發(fā)現(xiàn)了一些傳統(tǒng)合金性能最好的區(qū)域，使其長期以來未獲突破的材料力學(xué)性能得到了進(jìn)一步提升。

AI加盟科研，科學(xué)家的發(fā)現(xiàn)意識比以往更重要

“AI已這么能干了，還需要科學(xué)家嗎？”面對這樣的疑問，大多數(shù)科學(xué)家似乎并未驚慌失措。他們很清楚，AI是一種得力工具，可讓更多研究者將智力集中于最前沿的創(chuàng)新。

 大約十年前，中科院上海硅酸鹽所研究員史迅的一位學(xué)生，在實驗中無心插柳發(fā)現(xiàn)了一種“砸不碎”的半導(dǎo)體，具有金屬延展性。后來，研究組發(fā)現(xiàn)其中蘊(yùn)藏著一些新機(jī)制，可惜用傳統(tǒng)試錯的實驗方法很難獲得有效結(jié)果。于是，研究組運(yùn)用高通量篩選的方法，很快得到了一批具有類似性能的材料。

史迅認(rèn)為，“AI+材料”還處于起步階段，需要廣泛的學(xué)科交叉來建立研究體系。目前，上海硅酸鹽所已建立起了計算材料研究中心、材料基因研究中心，為所內(nèi)外不同方向的研究團(tuán)隊提供合作平臺，拓展人工智能與材料研發(fā)的融合場景。

在迎接AI助手的同時，科學(xué)家愈發(fā)認(rèn)識到“發(fā)現(xiàn)意識”的重要。不少研究者認(rèn)為，在日�？蒲杏�(xùn)練中，學(xué)生仍需要學(xué)會動手做實驗，善于發(fā)現(xiàn)實驗中的“秘密”。因為基礎(chǔ)研究中的許多重大發(fā)現(xiàn)，往往就隱藏于“異常”的實驗結(jié)果中。

“有了‘機(jī)器化學(xué)家’，可能會影響學(xué)生對于實驗的深刻理解，因為對實驗現(xiàn)象的觀察被AI的加入屏蔽掉了，我們還需要找到其他訓(xùn)練方式來彌補(bǔ)這些隱性損失。”左智偉說，AI目前看來還無法主動思考實驗過程中的機(jī)理，所以在為AI建立實驗?zāi)Ｐ蜁r，需要學(xué)生對科學(xué)問題的本質(zhì)有更深入的了解與思考，未來一部分不具備獨立思考能力的學(xué)生，很可能會被淘汰。