AI在科学研究中的潜力
本报告探讨了AI在科学研究中的巨大潜力，尤其是在知识管理、大数据处理和实验模拟等方面。AI可以帮助科学家更快地消化和传播知识，加速复杂实验，并解决大规模搜索问题。尽管AI的应用存在风险，但其总体效益巨大。政策制定者应推动AI在科学中的应用，以迎接新的发现黄金时代。
数据收集和处理
尽管数据丰富的时代备受关注，但在自然和社会世界的大部分领域，科学数据仍然严重缺乏。AI可以通过提高数据收集的准确性和从非结构化数据中提取信息等方式帮助科学研究。AI模型还可以模拟复杂实验，帮助科学家更有效地利用实验时间。此外，AI可以更准确地建模复杂系统，预测和控制其行为。AI的应用还包括在大搜索空间中找到新的解决方案，如设计新分子或解决数学问题。
AI科学助手的现状与未来
当前基于LLM的AI科学助手在文献综述等任务上贡献有限，但未来有望在生成假设和预测实验结果方面更有影响力。然而，目前系统在创造性和推理方面仍有不足。改进AI能力的努力正在进行中，如结合逻辑推理引擎，但仍需进一步突破。AI在实验自动化中的应用面临挑战，尤其是复杂实验。AI的优势在于快速提取大数据集信息，应在这些领域部署以推动科学进步。未来，AI将成为科学研究对象，科学家将在评估和解释其能力方面发挥重要作用。
计算资源和数据管理策略
AI科学进步需要计算资源和数据管理策略，平衡自下而上和自上而下的科研方法，促进跨学科合作，并考虑AI模型的最佳访问方式。
科学突破与合作
为了推动科学突破，AlphaFold 2开源代码并与EMBL-EBI合作，开发了一个包含2亿蛋白质结构的数据库。AlphaFold 3进一步扩展了模型能力，开发了AlphaFold服务器，允许科学家按需创建结构。科学界也开发了自己的AlphaFold工具。Med-Gemini系统通过不确定性指导的方法回答健康相关问题，Med-Gemini-3D能够生成CT扫描报告。AI科学项目需要多方合作和伦理安全评估，以平衡潜在风险和收益。
AI的潜在风险和机遇
本文分析了AI在科学中的潜在风险和机遇，提出需要新的评估方法来衡量AI的危险能力和对人类能力的提升程度。文章讨论了AI对科学创造力、可靠性、理解力、公平性和环境的影响，并建议通过社区层面的努力来进行这些评估。为了实现有利的结果，科学家和政策制定者需要明确他们对AI在科学中的期望。
AI对科学和社会的影响
AI在科学中的应用可能导致忽视深层理解，但也能带来新的研究方向和发现。AI可能加剧科学中的不平等，但也有机会减少不平等。AI对环境的影响主要在于其直接和间接的排放效应。
可再生能源和政策建议
AI可以通过设计新材料、优化电网操作和预测极端天气事件来加速可再生能源的发展。为了应对AI在科学中的潜力，政府应优先考虑科学进步，并实施新的政策，包括定义AI科学问题、建立AI科学数据观测站、教授AI作为科学工具以及实验新的科学组织方式。
新型科研机构和教育
探索新型机构，从高风险高回报研究到解决特定瓶颈的专注研究组织，以及跨学科AI科学研究所。快速实验者将受益于发现的黄金时代。建立在剑桥大学的Accelerate计划等基础上，政策制定者需推动长期计划，确保下一代科学家具备所需技能。包括在各级科学教育中深化AI培训，高中生需早期接触AI影响，大学生需跨学科AI科学学位，如全非洲AI科学硕士项目。专门奖学金如英国BIG奖学金也可提供支持。
