當前，“人工智能+”浪潮席卷科研領域，AI技術正成為推動多學科突破瓶頸、實現跨越式發展的關鍵力量。在人工智能深度賦能的背景下，科學探索的邊界不斷拓展，人類對未來發展的思考也愈發深刻。

在近期舉辦的“人工智能賦能科學研究”專題論壇上，多位專家學者圍繞AI在科研中的應用展開深入探討。上海人工智能實驗室主任周伯文提出，與其被動預測未來，不如主動創造未來。這一觀點引發了與會者的廣泛共鳴。

在傳染病防治領域，AI技術展現出強大的應用潛力。中國科學院院士徐濤介紹，通過AI參與抗原、抗體結構解析，科研人員能夠在1個月內研發出未知病原抗原檢測試劑盒，90天內獲得中和抗體藥物。相關裝備的通量提升數十倍，抗體開發周期縮短至2周，為疫情防控提供了有力支撐。

物質科學研究同樣受益于AI技術。中科院物理研究所所長方忠指出，面對跨尺度計算的挑戰，AI提供了兩條創新路徑：一是通過代理模型，用機器學習替代耗時費力的計算或實驗；二是運用生成模型，直接從數據中提取經驗并反向生成材料。這種“反向設計”模式被視為物質科學研究的終極目標。

在氣候科學領域，AI技術為極端氣候事件的建模提供了新思路。上海科學智能研究院理事長吳力波表示，AI驅動的氣候風險感知系統，能夠深化研究人員對大氣、海洋、陸地多系統反饋機制的理解，為應對氣候變化提供科學依據。

盡管AI賦能科研成效顯著，但與會專家也保持理性思考。周伯文引用“阿瑪拉定律”指出，人們往往高估技術的短期影響，卻低估其長期變革。他提出“AI4S六問”，包括邊界、預測、語言、交叉、驗證和新科學等問題，引發學界對AI賦能科研的深入反思。

在“邊界之問”中，周伯文以數學史為例，回顧了希爾伯特“可判定性問題”、哥德爾定理和圖靈證明等重要理論，指出AI賦能科研可能面臨類似的邊界劃定與突破問題。他強調，在關注AI技術當前應用的同時，更要思考其長遠影響。

關于AI與科研的關系，周伯文認為，多學科交叉融合是科學研究的肥沃土壤。他以分子生物學的誕生為例，說明交叉學科能夠催生重大科學突破。1933年，美國數學家沃倫·韋弗預言生物學與物理學的交叉將引領未來研究，隨后分子生物學的興起印證了這一判斷。

在論壇圓桌討論環節，專家們就AI的終極形態展開激烈辯論。上海創智學院副教授李怡康認為，當前AI是人類的“外骨骼”，但在生物醫學等領域，未來可能形成以AI為核心、人類為輔助的研發模式。晶泰科技首席科學家張佩宇則預測，AI將承擔更多調度與決策工作，其工作比例可能提升至80%至90%。

浙江大學教授陳華鈞提醒，隨著AI自主性增強，其潛在風險也在上升。AI可能設計出人類難以理解或不愿接受的事物，因此人類應扮演監管角色，而非單純輔助。華大智造高級副總裁楊夢則提出，AI與人類是分工協同關系，人類的情商、好奇心和跨學科共情能力是科研中不可替代的要素。

周伯文在總結中強調，盡管AI正在加速拓展知識邊界，但科學探索的方向始終由人類的好奇心與價值觀指引。這一觀點為AI時代的科研發展提供了重要思考維度。