李沫 付强 赵志囡

摘要：日本科学技术振兴机构下属的研究开发战略中心（CRDS）以科研周期中的“假说”为视角，提出三个研究开发课题，旨在建立“AI自动化科研周期”体系，从而抢占未来科研竞争制高点。我国有关人工智能驱动科研周期自动化发展的研究较少，该文具体分析了日本研究开发战略中心（CRDS）发布的战略提案报告《人工智能与科学——以AI·数据驱动科学促进发现和理解》，阐述了日本对AI自动化科研周期体系建立的一些战略方针，以期对我国未来科研周期的智能化发展提供参考。

关键词：人工智能  科研周期  数据密集型科学  战略提案

中图分类号：TP18   文献标识码：A   文章编号：1672-3791（2021）09（c）-0000-00

Research on Japanese Strategic Proposal from the Perspective of Artificial Intelligence Driven Scientific Research

LI Mo  FU Qiang  ZHAO Zhinan

（Jilin Institute of Science and Technology Information， Changchun，JilinProvince， 130033 China）

Abstract：The research and Development Strategy Center （CRDS） under Japan's science and technology promotion agency puts forward three research and development topics from the perspective of "hypothesis" in the scientific research cycle， in order to establish the "Ai automated scientific research cycle" system， so as to seize the commanding height of scientific research competition in the future. This paper specifically analyzes the strategic proposal report "artificial intelligence and science --Toward discovery and understanding by AI-driven science" issued by the Japanese research and Development Strategy Center （CRDS）， This paper expounds some strategic policies for the establishment of AI automatic scientific research cycle system in Japan， in order to provide reference for the intelligent development of scientific research cycle in China in the future.

Key Words：AI; Research cycle data; Intensive science; Strategy proposal

2021年4月，中國信通院发布的《人工智能核心技术产业白皮书》指出，人工智能与科学研究的结合已开始改变基于传统学术经验的科学研究方式[1]。对此，日本研究开发战略中心（CRDS）提出科研周期中“假说”阶段的智能化驱动方案和具体推进方法[2]。科研周期的智能化不仅能够强化科研能力，扩大知识发现的范围，同时能够加速新材料、医药化合物的发现，在成本削减和附加价值方面占据优势。因此，研究分析日本在人工智能驱动科学研究上的战略提案和推进措施，对我国未来科研的智能化发展能够提供可行性参考。

1问题提出背景

1.1数据密集型科学范式

随着数据的爆炸性增长，基于大数据提出的数据密集型科学（或电子科学）成为科学第四范式[3]。数据密集型科学采取了基于数据导出科学知识和社会有益知识的方法，数据和计算理论方法的融合能够提高模拟的高度化和预测的高精度化，同时削减研发成本，也给科学知识发现模式带来新变革。

1.2人类认知有限性和偏差

科学发现过程智能化引起重视的另一个背景是人类认知能力的界限。在很多科学领域，想要阅读完研究相关的所有文献本就不是易事，在新冠疫情反复袭来的情况下就愈加困难。有研究者指出只着眼于符合自己假设的数据，只对不符合设想的情况进行严格检查会有认知偏差存在，科学发现的可能性也会减小。如果利用AI技术，则有望超越这种界限和偏差，带来与以往不同的科学发现。

1.3机器学习的快速发展

2012年深度学习进入爆发期，随着第三次AI热潮的到来，AI不仅应用于产业，对各领域的科学研究也产生了很大影响。比如：在生命科学、医学领域，最显著的是使用卷积神经网络（CNN：Convolutional Neural Network）的图像识别。人工智能领域的机器学习可以帮助完成医学图像诊断的自动识别，数字化地辅助医学诊断过程，同时降低医务工作者的工作量[4]。

随着数据密集型科学时代的到来，科研人员对知识的探索也要随势而动，充分利用人工智能和大数据的优势，弥补人类认知有限性和认知偏差的不足。因此，科研探索的智能化进程也显得尤为重要。

2.研究开发课题战略提案

2.1大规模假说的生成与探索

人类在发现未知知识的时候，如果得到了用现有理论无法说明的观测事实，大多会建立补充现有知识欠缺部分的假说。如果新的假说具备新颖性，并且实验验证的结果十分可靠的话，就被认为是新发现。因此，大规模假说的生成与探索，其目标就是合理利用计算机来完成从发现未知、建立假说到实验验证的过程。具体而言，基于AI系统从论文或实验结果等数据中提取的知识，来生成大规模的假说，筛选有研究价值的假说转到后续验证过程中。

2.2假说验证的高通量化

庞大的假说探索背后，意味着大量的验证假说的实验工作。在材料科学和药物研发领域，多采用“虚拟筛选”的手法，因为即便是高精度量子化学计算、第一原理计算或者分子动力学模拟等方法，也会有无法计算体量庞大的化合物的情况。另外，实验方法和顺序所涉及的范围广、难度大，为保证高速正确实施实验，机器人是必不可少的手段之一。自动化机器人的导入不仅提高了工作的速度，还确保了实验的可再现性。

2.3以人为核心的架构设计

科研周期的智能化发展，需要有软硬件兼有的综合性平台，整合各种技术要素，为科学发现提供自动化、连贯性、良性循环体系。同时，AI系统在未来应用中，也可用于科学家验证自己提出的假说。从这个意义上来说，AI系统是离不开人类本身的，在整体架构设计上应向人类协调型方向发展，形成人机协同兼具科学研究的智能化系统。

3研究开发课题推进措施

3.1强化设备共享

自动化科学研究过程的AI系统是计算机、数据库、实验机器人、测量机器等通过网络连接起来的网络物理系统。实验机器人的价格昂贵，集中于一个研究室运维整个系统十分困难。因此，强化大型设备共享是十分必要的。日本提出建立一个全新的外部化法人的民营性运营机构。例如：可以考虑由内阁府主导外部化法人制度，整合并灵活运用现有大学和民间团体力量来促进开放创新。在实际运行中，提出可从生命科学和材料科学领域入手，有了成功案例之后，再试点其他领域。

3.2任务导向项目和登月研发制度

如何实现AI自动化科研周期体系，日本提出任务导向创新项目作为国家的战略目标，项目针对某个课题，不指定具体的方法，而是广泛收集方案，根据课题达成度给予奖金。此外，日本内阁府提出登月（Moonshot）型研究开发制度，共设置了7个“登月目标”。日本科学技术振兴机构（JST）负责登月目标3是“2050年前，通过AI和机器人的共进化，实现能够自主学习、行动、与人共生的机器人”[5]。未来，在自然科学、人文社会科学的广泛领域中，实现AI机器人能够有计划（Planning）实验，自主地进行少数的试行（Trial）和实验，到2030年为止实现AI机器人能够对人类指令的特定问题（新药开发、材料开发等），获得科学原理和解法。

3.3跨领域教育普及

探索建立AI自动化科研周期体系需要各种技术领域和行业的储备知识，需要培育具备多领域知识和技术并且能够熟练掌握AI和大数据技术的综合性人才。科学相关领域里，对科学的方法论进行广泛的普及化教育是十分必要的。随着科研方式方法的变化，数学、伦理学、统计等推论工具，论文、国际会议等合作方式，都需要打牢基础教育底子。

4对我国科研发展的启示

2020年我国人工智能产业保持平稳增长，产业规模不断扩大。未来我国需要进一步构建人工智能基础理论与应用技术相结合的学科体系，布局一批企业级人工智能研究院来引领技术落地，打造区域人工智能技术融合创新生态体系，连通企业、高校、研究院所和政府等创新主体形成共同体生态[6]。

结合日本对人工智能驱动科学发展的战略方案，一是要明确我国人工智能驱动科学发展的技术路线，制定重点行业领域的目标，构建具有中国特色的人工智能科学体系;二是要集中关键要素，建立以政府为主导，产学研协同的人工智能创新系统，保障系统间关键要素的流通;三是要加强人才培养，夯实人工智能相关学科基础教育，高校和企业共同赋能基础型人才。

参考文献

[1] 中国信通院.人工智能核心技术产业白皮书[R/OL].（2021-04-19）.

http：//www.caict.ac.cn/kxyj/qwfb/bps/202104/P020210420614092578238.pdf.

[2] 日本科学技術振興機構研究開発戦略センター. 人工知能と科学、AI·データ駆動科学による発見と理解[EB/OL].[2021-09-18].https：//www.jst.go.jp/crds/report/CRDS-FY2021-SP-03.html.

[3] 金莎.数据密集型科学的运行机制研究[D].天津：天津大学，2018.

[4] 圣文顺，孙艳文.卷积神经网络在图像识别中的應用[J].软件工程，2019，22（2）：13-16.

[5] 日本内閣府.ムーンショット型研究開発制度が目指すべき「ムーンショット目標」について[EB/OL].（2020-01-23）.https：//www8.cao.go.jp/cstp/moonshot/mokuhyou.pdf.

[6] 中国信通院，京东探索研究院.可信人工智能白皮书[R/OL].（2021-07-08）.

http：//www.caict.ac.cn/kxyj/qwfb/bps/202107/P020210709319866413974.pdf.