北京大学前沿交叉学科研究院所在地 新华网记者 冉晓宁 摄
传统印象中，学科间往往有着难以逾越的壁垒。但在认识客观事物过程中,囿于某个高度独立和单一的学科,必然容易丧失对客观事物的整体性思考。就连钱钟书先生也曾在《诗可以怨》中这样描述:“由于人类生命和智力的严峻局限,我们为方便起见,只能把研究领域圈得越来越窄,把专业学科分得越来越细。此外没有办法。所以,成为某一门学问的专家,虽在主观上是得意的事,而在客观上是不得已的事。”
如果说学科分化或分类是学科发展的历史必然,那么,学科交叉、跨学科合作则能够为科研提供更广阔的视角和更深入的洞察。此前，汤超院士就曾以生命科学为例指出，“生命系统里其实蕴含了很多的数学、物理学、工程、计算机科学的原理，它们都是相通的，只不过我们人为地把学科划分开来，用自己的眼光来看生命系统。但大自然是不分学科的。”
今天，随着人工智能等新兴技术的日益兴起，一方面，科研工作者要掌握不同学科的知识和技能，适应时代发展；另一方面，人工智能对传统领域学科产生了强烈的冲击，引发了传统科研在思维模式和研究方法上的深刻变革。
2024年科学智能峰会期间，中国科学院院士、北京大学前沿交叉学科研究院荣誉院长、国家自然科学基金委交叉科学部主任汤超接受新华网专访时，就AI在生命科学领域的应用进行了深入阐述。
中国科学院院士、北京大学前沿交叉学科研究院荣誉院长、国家自然科学基金委交叉科学部主任汤超 新华网记者 冉晓宁 摄
AI为基础科研带来的变化和契机
由于科学家对科学研究范式的信奉受到认知的局限性，某种科学研究范式总会在科学发展到一定程度后显示出不足而无法解决一些问题，出现困难、矛盾以及困惑。这种矛盾反而推动了科学家们的反思和进一步探索的步伐。在此背景下，AI的出现让人们再一次看到了“范式突破”的可能性。
“AI作为一个赋能工具不仅可以大大加速科学研究，而且能为科研提供一个新维度。其中一个很大的变化和契机就是今后数据驱动的科研范式会日趋重要。”汤超以“第一次科学革命”的历史背景为例，说明了从数据到规律再到原理的发展过程。可以设想，如果当时AI有现在的水平，人类仅凭数据或许就可以从行星运动中发现开普勒三定律，甚至启发人类发现牛顿定律，从而实现科学范式突破。
在他看来，在过去以假设驱动为代表的传统科研进程中，需要先假设、再验证。然而，这种方法依赖研究人员对已有知识的理解，以及他们提出假设的能力。此外，受既有学科框架和研究范式限制，这些假设往往难以跳出理论框架，限制了科学新发现。AI的出现，使得研究者可以从数据出发，通过AI分析处理数据，从而获得新灵感。
“比如生命系统，你很可能事先想象不出来超越传统框架的假设。这就需要AI帮助分析处理数据后才能给你灵感，需要AI帮助发现规律。先有数据，再谈别的。这就是数据驱动的研究范式。”汤超说。
抓住AI for Science机遇，推动科技创新
“把‘生命’去掉，仅留下‘科学’二字，把生命系统作为对象，用科学眼光研究它。科研工作者应更注重利用AI发现新原理新规律，以推动科研互动、前进。”
汤超指出，生命科学的本质更为复杂，涉及从分子到细胞乃至整个生命体的多层次与多维度的交互。因此，生命科学如今正在经历一场由于技术进步和与物质科学、工程、信息等学科交叉融合而产生的革命。
以深度学习为代表的AI技术兼顾了效率与准确性，融合不同领域专业知识，将未知结论推导出来，从而反向推动该领域发展，得到在经验领域具有前瞻性的结果。
谈及AI在生命科学领域的新突破，他认为，尽管AlphaFold在预测蛋白质结构方面取得了巨大成就，但这仅仅是生命科学领域“万里长征第一步”。人工智能当前的应用成果主要集中在分子层面，如核酸、蛋白质、抗体和药物设计。未来，研究方向将向更高层次拓展，整合多模态、多尺度数据，并利用AI发现生命系统中的新规律和新原理。
“我预言下一个诺贝尔物理奖会给Science of AI，即AI背后的科学。AI实际上也是一个复杂系统，为什么数据多了、参数多了，其能力就会得到大大提升？这背后的科学原理是什么？需要科研工作者去发现。”
由于中国在AI应用场景方面具有优势，拥有大量数据，AI的兴起为中国科技创新提供了历史性的机遇。汤超认为，“科技创新是一个系统工程，需要多方面的共同努力，共同打造一个更有利于原始创新的环境。”
可以预见，随着认知智能发展，人工智能未来将不再局限于某一特定科学领域，还将会扩展到文学、艺术、历史等人文社会科学领域。对此，汤超还建议，“科研兴趣和专注是非常重要的，广大科研工作者应培养对科学的品位，不断思考和提高。青年人要解放思想，开阔视野，理科生不要专盯着理科，工科生不要专盯着工科,多多接触一些不同的东西，学科间很多东西都会互相启发。”