“We wanted flying cars, instead we got 140 characters.” Peter Thiel 2013 年在耶鲁大学演讲时 说。的确，千禧年以来，海量的科学人才涌入互联 网科技行业，带来生产和协作方式的变革，创造了 巨量的财富。而随着互联网热潮渐渐褪去，人们重 新把目光聚焦回科学本身，以及它们所映射的实体 经济领域上。
科学技术是第一生产力。科技革命的历史波澜壮 阔。过去三百年间，科学行进经历过数次系统性危 机，正是这些危机的解决才带来了科学的突破，新 科学经由新工具的应用和普及，进而带来生产力的 大幅提升。时至今日，随着数字化时代的到来，科 技创新转化为直接生产力的速度越来越快。与此同 时，系统性危机再一次降临。抬眼望去，科技创新 与应用的上空正飘着一朵遮天蔽日的“乌云”——维数 灾难。维数灾难，是 1929 年 Paul Dirac 盯着一行薛 定谔方程、将第一性原理了然于胸却仍然面临数学 能力瓶颈时的无奈；是 1957 年 Richard Bellman 写 下控制论方程、却因变量太多不知如何有效求解时 的挣扎；是 1965 年 Juris Hartmanis 和 Richard Stearns 面向计算机上“原则上可计算、实际上难计 算”的一大类问题时的觉醒；是 1972 年 Philip Anderson 呼吁科学内蕴层次化结构、写下“More Is Different”时的呐喊…科学家们在维度灾难面前苦苦 挣扎：面对纷繁复杂的现实世界，虽然数据越来越 丰富，但是寻求简单、漂亮的洞见却变得越来越 难；各行业的技术专家也深受困扰：控制和设计的 自由度越来越多，“炒菜式”的试错和喊口号式的攻坚 也越来越难以解决实际问题…… 此时，AI 来了。从艾伦·图灵的系统思考开始，伴随 着算法、算力、数据的融合发展，AI 在计算机视 觉、自然语言处理，自动驾驶等同样饱受“维数灾难” 的领域大放异彩。但 AI 若想从一套“数据处理”工 具，走向更加通用的“智慧”，则无法绕开“科学”这一 人类智慧结晶中最精华的一部分。于是，一群人先 行者开始探索用 AI 学习科学原理，解决科学问题的 路径。他们发现，当下 AI 取得成就的本质原因是在 算力和数据基础之上算法对高维函数处理能力的大 幅提升，这一能力是应对当下系统性危机的关键； 他们发现，AI 是驱散 Science 各领域维度灾难的乌 云的法宝，AI for Science（AI4S）会是 AI 的下一个 主战场，它将极大地拓展 Science 和 AI 的边界；他 们发现，AI4S 将赋能技术和工业的方方面面，帮助 我们加快走完科学研究和技术创新之间的最后一公 里，也将帮助科学家从纷乱的自然和社会特征之中 抽丝剥茧，发现事物背后作用着的关键规律。
AI4S 的未来正在走向流行。AI 求解薛定谔方程、AI 求解控制论方程、AI 加速分子模拟、AI 预测蛋白结 构、AI 赋能药物和材料设计……2022 年正在迎来 AI4S 的繁花似锦。
本文来自知之小站
PDF报告已分享至知识星球，微信扫码加入查阅下载3万+精选资料，年享1万+精选更新
（星球内含更多未发布精选报告.其它事宜可联系zzxz_88@163.com）
