卷首語

一個世紀以來，數(shù)字科技的演進推動了人類的技術(shù)進步與產(chǎn)業(yè)發(fā)展。我們當前正在經(jīng)歷數(shù)字科技最快發(fā)展的階段，數(shù)字化、網(wǎng)絡(luò)化、智能化讓數(shù)字世界與物理世界的融合與協(xié)同更加緊密。

從現(xiàn)實世界走向虛實融合的世界。云網(wǎng)端的協(xié)同發(fā)展下，端側(cè)將誕生更多繁榮的新物種，比如以 VR、AR 為代表的虛擬現(xiàn)實技術(shù)相結(jié)合的多種終端，將在下一代互聯(lián)網(wǎng)的催化下，改變?nèi)伺c科技互動的方式。通過模擬真實世界的時空，解決真實世界的需求，如遠程教育、遠程醫(yī)療、遠程辦公等，消除地理空間的限制。

從實驗室走向產(chǎn)業(yè)應(yīng)用。以云為核心的數(shù)字技術(shù)體系，將 AI、大數(shù)據(jù)、大規(guī)模算力等技術(shù)與資源集成在一起，并通過云這個數(shù)字化的操作系統(tǒng)，讓個體、企業(yè)、科研院所都可以低門檻、普惠的方式快速的調(diào)用技術(shù)資源。讓各類前沿技術(shù)從實驗室通過云走到現(xiàn)實中，如 AI 工程化、AI for Science、預(yù)訓(xùn)練模型都在原有的基礎(chǔ)上，將人工智能運用到生物醫(yī)藥、天文氣象、工業(yè)制造等各行各業(yè)的實際問題中。

共同走向可持續(xù)發(fā)展的未來。全球正面臨日益緊迫的環(huán)境保護問題，每一個人都需要深刻的意識到，綠色低碳需要在人們的生活點滴、生產(chǎn)的各個環(huán)節(jié)去推動節(jié)能減排，而數(shù)字科技是這過程中必不可少力量，包括從無紙化辦公、數(shù)據(jù)中心節(jié)能技術(shù)、到工業(yè)生產(chǎn)能耗優(yōu)化等多個方面去努力。

以科技，達到我們共同美好的未來。

序言一

數(shù)百年來，以數(shù)據(jù)驅(qū)動的開普勒范式和以第一性原理驅(qū)動的牛頓范式是科學(xué)研究的兩大基本范式。當下正在蓬勃興起的 AI for Science 有可能促使兩種既有范式的深度融合，激發(fā)一場新的科學(xué)革命?！?span id="tdh7cio" class="wpcom_tag_link">達摩院 2022 十大科技趨勢》將 AI for Science 列為重要趨勢，無疑是看到了人工智能和傳統(tǒng)科研結(jié)合帶來的巨大潛能。我希望它能幫助推動更多科研工作者投身其中，加速這場科學(xué)革命的進程。

科學(xué)研究有兩大基本目的：一是尋求基本規(guī)律，二是解決實際問題。在量子力學(xué)建立之時，狄拉克就預(yù)言說尋求基本規(guī)律的任務(wù)已大體完成，但因為其數(shù)學(xué)問題太復(fù)雜，用基本原理來解決實際問題非常困難。直到上世紀 50 年代電子計算機開始投入使用，以及微分方程數(shù)值方法的出現(xiàn)，人類才第一次大規(guī)模實現(xiàn)了從基本原理出發(fā)解決實際問題的能力，并由此構(gòu)建起了現(xiàn)代工業(yè)和技術(shù)賴以生存的基礎(chǔ)。

但很多問題依然非常難以求解，比方說各類多體問題，藥物和材料設(shè)計、蛋白質(zhì)折疊、湍流、塑性力學(xué)和非牛頓流體力學(xué)等。這些難題的根本根源是“維數(shù)災(zāi)難”：隨著自由度的增多，問題的復(fù)雜度呈指數(shù)級增長。

我從 80 年代開始研究算法，一直在嘗試解決這些問題。尤其是在多尺度模型和算法方面，我持續(xù)了多年的努力，但總是覺得難以找到真正的突破口。2011 年我寫了一本多尺度模型方面的書。本來是想在山窮水盡之際轉(zhuǎn)行到更需要科研人力投入的大數(shù)據(jù)領(lǐng)域，但我沒想到的是，機器學(xué)習(xí)恰恰是我們過去缺乏的工具。從 2014 年起，我即投身于機器學(xué)習(xí)與科學(xué)計算的結(jié)合。去年我們一個以年輕人為主力的團隊利用機器學(xué)習(xí)方法在量子力學(xué)精度的分子動力學(xué)模擬方面取得了重大突破，把可處理體系的規(guī)模從 1000 個原子提高到 1 億個原子，并因此獲得了 2020 年戈登貝爾獎。這是我們第一次看到機器學(xué)習(xí)、科學(xué)計算、高性能計算三大工具的結(jié)合所帶來的廣闊空間。AlphaFold 2的成功，更是讓我們看到了數(shù)據(jù)驅(qū)動的方法所能帶來的革命性的改變。

這個空間和改變給我們帶來的將是新的科學(xué)工具的發(fā)展和新的科研模式的構(gòu)建。它也將推動科學(xué)研究從小農(nóng)作坊模式轉(zhuǎn)變到大平臺模式，即由整個科學(xué)家群體共同努力構(gòu)建基礎(chǔ)模型、基礎(chǔ)算法和工具。這樣的大平臺將極大地提升整體科研的效率。在這一方面，DeepModeling 開源社區(qū)已經(jīng)邁開了非?？上驳囊徊?。

AI for Science 帶來的不僅僅是幾個點上的突破，而是科研方法的全面改變。要適應(yīng)這樣一個新的環(huán)境，科學(xué)家們需要更深入地了解 AI，才有可能用好 AI。企業(yè)積累了大量 AI 研發(fā)能力和資源。它們不僅可以提供學(xué)界所急缺的計算資源，還能夠幫助打造基礎(chǔ)科研工具。無疑，學(xué)界和業(yè)界需要更多協(xié)作，秉持開源開放的精神，消除門戶之見，打造 AI for Science 的科研共同體。

達摩院十大科技趨勢或許就是這種努力之一。我期待達摩院牽頭的這種努力，能夠加快信息科學(xué)和傳統(tǒng)科學(xué)的深度融合。也期待 AI for Science 不只是一個新的浪潮，而是一個全新的科學(xué)時代。

序言二

著名物理學(xué)家盧瑟福提到“科學(xué)家不是依賴于個人的思想，而是綜合了幾千人的智慧，所有的人想一個問題，并且每人做它的部分工作，添加到正建立起來的偉大知識大廈之中?！笨茖W(xué)不應(yīng)該是束之高閣的學(xué)問，應(yīng)該讓更多有志者能夠理解、能夠共同參與進來，讓科學(xué)變成科技，讓科技變成產(chǎn)品，真實地改善人類生活的方方面面。

達摩院作為企業(yè)的研發(fā)機構(gòu)，關(guān)注的科學(xué)課題都更加接近實際問題，在今年達摩院發(fā)布的十大科技趨勢中可見一斑，有離生活更近的趨勢，譬如人工智能改變醫(yī)療的方式，讓一般人能夠享受到精度更高、體驗更好的醫(yī)療服務(wù)；也有離產(chǎn)業(yè)更近的趨勢，譬如柔性感知機器人的產(chǎn)業(yè)化，讓機器人技術(shù)能夠被使用到更廣泛的場景中。這些科技趨勢讓大眾了解到科技正在解決什么問題，而這些解決實際問題的科技發(fā)展，讓大眾更能直接感受科技帶來的美好。

科幻成真總是激動人心的，如同《回到過去》電影中預(yù)言的視頻通話、3D 眼鏡、指紋辨識等技術(shù)，在今天已經(jīng)真切地改變?nèi)祟惖纳?。同樣地，達摩院十大科技趨勢在今天看來只是預(yù)測，我衷心希望在未來群策群力的努力下，這些預(yù)測都能成為現(xiàn)實，讓科技成為社會進步的重要力量。

方法論闡述

《達摩院 2022 十大科技趨勢》采用了“定量發(fā)散，定性收斂”的分析方法，整個分析流程分為兩部分：“定量發(fā)散”是對科學(xué)領(lǐng)域做廣泛而全面的定量分析，抽取其中的熱點領(lǐng)域并挖掘重點突破的技術(shù)；“定性收斂”是對突破的技術(shù)點進行梳理，通過與領(lǐng)域?qū)＜页浞值恼撟C，找出多個技術(shù)點代表的趨勢，總結(jié)對未來的預(yù)判。

一 定量發(fā)散

以公開論文庫和公開專利庫作為基礎(chǔ)數(shù)據(jù)進行分析，從 236 個領(lǐng)域中篩選出 159 個應(yīng)用與基礎(chǔ)科學(xué)領(lǐng)域，基于論文與專利數(shù)量的絕對值與增長率，篩選出在學(xué)界與產(chǎn)業(yè)界需要重點關(guān)注的領(lǐng)域。本次總計分析了 770 萬篇論文及 8.5 萬份專利，時間跨度為 2018 年 1 月到 2021 年 10 月。

在篩選出的重點領(lǐng)域中運用 NLP 技術(shù)分析相關(guān)領(lǐng)域論文（特別是被高頻引用的論文）內(nèi)容，找出過去 12 個月內(nèi)被高頻提及的關(guān)鍵詞，并調(diào)查關(guān)鍵詞背后的代表技術(shù)，挖掘可能驅(qū)動技術(shù)發(fā)展的關(guān)鍵要素，以此作為下一階段分析的重要基礎(chǔ)。

二 定性收斂

通過訪談專家和組織研討會，對熱點領(lǐng)域內(nèi)的技術(shù)發(fā)展方向進行討論總結(jié)，最后結(jié)合專家觀點與技術(shù)情報提煉科技趨勢候選清單。本次共計訪談了近百位產(chǎn)、學(xué)、研、用領(lǐng)域的專家和戰(zhàn)略科學(xué)家。

最后，達摩院專家委員會組織了多輪討論，基于影響力、技術(shù)可行性、社會價值等因素的綜合考量，最終選出了代表 2022 的十大科技趨勢。

AI for Science

人工智能成為科學(xué)家的新生產(chǎn)工具，催生科研新范式

概要

實驗科學(xué)和理論科學(xué)是數(shù)百年來科學(xué)界的兩大基礎(chǔ)范式，而人工智能正在催生新的科研范式。機器學(xué)習(xí)能夠處理多維、多模態(tài)的海量數(shù)據(jù)，解決復(fù)雜場景下的科學(xué)難題，帶領(lǐng)科學(xué)探索抵達過去無法觸及的新領(lǐng)域。人工智能不僅將加速科研流程，還將幫助發(fā)現(xiàn)新的科學(xué)規(guī)律。預(yù)計未來三年，人工智能將在應(yīng)用科學(xué)中得到普遍應(yīng)用，在部分基礎(chǔ)科學(xué)中開始成為科學(xué)家的生產(chǎn)工具。

趨勢解讀

科學(xué)研究是在星辰大海里探索未知，科學(xué)發(fā)現(xiàn)漫長而偶然，重大突破仰賴大科學(xué)家的貢獻，如牛頓、愛因斯坦、楊振寧等，盡管眾多科學(xué)家不懈投入，科學(xué)發(fā)展的速度仍受到一定限制。計算機科學(xué)改變科研的路徑是從下游逐漸走向上游。起初計算機主要用來做實驗數(shù)據(jù)的分析與歸納。后來科學(xué)計算改變了科學(xué)實驗的方式，人工智能結(jié)合高性能計算，在實驗成本與難度較高的領(lǐng)域開始用計算機進行實驗的模擬，驗證科學(xué)家 的 假 設(shè) ， 加速科研成果的產(chǎn)出，如核能實驗的數(shù)字反應(yīng)堆，能夠降低實驗成本、提高安全性、減少核廢料產(chǎn)生。近年，人工智能被證明能做科學(xué)規(guī)律發(fā)現(xiàn)，不僅在應(yīng)用科學(xué)領(lǐng)域，也能在基礎(chǔ)科學(xué)領(lǐng)域發(fā)揮作用，如 DeepMind 使用人工智能來幫助證明或提出新的數(shù)學(xué)定理，輔助數(shù)學(xué)家形成對復(fù)雜數(shù)學(xué)的直覺。

人工智能將成為科學(xué)家繼計算機之后的新生產(chǎn)工具，一是帶來效率的顯著提升，人工智能將伴隨科研的全流程，從假設(shè)、實驗到歸納總結(jié)，讓科學(xué)家不需要像過去一樣十年寒窗才能產(chǎn)出科學(xué)成果，而是能在一生中保持高產(chǎn)；二是讓科學(xué)不再依賴少數(shù)天才，人工智能對科學(xué)研究產(chǎn)生猜想，讓科學(xué)家就其中有意義有價值的部分進行實驗與證明，讓更多人能夠參與到科學(xué)研究中。

人工智能在各科研領(lǐng)域中的應(yīng)用節(jié)奏將有所區(qū)別，在數(shù)字化程度高、數(shù)據(jù)積累好、問題已經(jīng)被清晰定義的領(lǐng)域中將推進地更快，如生命科學(xué)領(lǐng)域，AlphaFold2 運用生命科學(xué)積累的大量數(shù)據(jù)，通過基因序列預(yù)測蛋白質(zhì)結(jié)構(gòu)，對泛生命科學(xué)領(lǐng)域產(chǎn)生了深遠的影響。另一方面，在復(fù)雜性高、變量因子趨勢解讀多的領(lǐng)域，人腦難以歸納總結(jié)，機器學(xué)習(xí)可發(fā)揮優(yōu)勢在海量多維的數(shù)據(jù)中找到科學(xué)規(guī)律，如流體力學(xué)等。

人工智能與科研深度結(jié)合仍然需要解決三個挑戰(zhàn)，一是人機交互問題，人工智能與科學(xué)家在科研流程上的協(xié)作機制與分工需要更加明確，形成緊密的互動關(guān)系；二是人工智能的可解釋性，科學(xué)家需要明確的因果關(guān)系來形成科學(xué)理論，人工智能需要更容易被理解，以建立科學(xué)與人工智能之間的信任關(guān)系；三是交叉學(xué)科人才， 專 業(yè) 領(lǐng) 域科學(xué)家與人工智能專家的相互理解程度低，彼此互相促進的障礙仍然較高。我們預(yù)測在未來的三年內(nèi)，人工智能技術(shù)在應(yīng)用科學(xué)中將得到普遍應(yīng)用，在部分基礎(chǔ)科學(xué)中開始成為研究工具。