AI for Science：探索人工智能重塑科学研究之路

AI 会改变现有科学范式？AI该如何引导跨学科研究？在人工智能技术飞速发展的当下，AI在科学领域的应用也面临着诸多挑战。2025年1月5日，由中国计算机学会主办、CCF YOCSEF昆明分论坛承办的“AI for Science：AI 是否会颠覆现有的科学发现和计算范式？”技术论坛在昆明市呈贡区丽水云泉大酒店成功举办。本次论坛由云南师范大学邰永航教授和昆明理工大学黄于欣副教授担任执行主席。来自海内外的专家学者齐聚一堂，深入探讨了人工智能在科学研究中的机遇与挑战。

聚焦多域自适应学习，探索投影磁粒子视角重建新方法

北京航空航天大学吴相君博士在论坛上作了“基于多域自适应学习的投影磁粒子成像稀疏视角重建研究”的报告。他介绍了磁粒子成像（MPI）技术在生物医学工程中的创新应用：MPI利用磁粒子的非线性响应获得示踪剂信号的高分辨率图像。吴博士强调MPI技术具有无背景干扰、无深度依赖、无放射性等优势，可提供高分辨率成像，并通过在体老鼠实验验证了其泛化能力。他分析了MPI三维重建的挑战，并提出解决方案。吴博士还分享了其参与的国家自然科学基金项目，以及在医工交叉合作中开发的头颈癌和心血管影像智能分析算法。最后，他提出了未来科研方向，包括肿瘤/心血管影像基础模型研究和智能成像重建方法开发，强调了大数据和高性能计算的重要性。

聚焦多源数据，探索一致性表征学习新范式

中山大学卞锦堂博士以“多源数据一致性表征的紧致化学习方法研究”为题，阐述了多源数据在采集和处理中的一致性问题。他指出，多源数据包含多视图、多模态和多属性图数据，具有公共语义、互补属性和私有信息。卞博士分析了现有方法在效率、样本关系和泛化性能方面的不足，并提出基于对比自监督学习和聚合模式的多视图聚类方法，利用多级对比学习框架和对偶自监督模块，提升学习的一致性和类内紧凑性。他还介绍了在多模态情感识别领域的进展，提出无监督不完备多模态学习框架，通过模态内和模态间拓扑融合，有效学习信息交互。卞博士的研究在理论和应用上均具创新性，为多源数据处理分析提供了新思路。

聚焦多模态融合，探索影像与基因组学新发现

美国宾夕法尼亚大学赵崇悦博士以“从像素到细胞：探索影像与基因组学的多模态维度”为题，深入探讨了人工智能在神经影像学和基因组学数据融合领域的应用。他指出，全球脑科学计划推动了多模态数据融合在理解大脑功能中的重要性。赵博士所在团队利用TransformerST模型等人工智能技术，高效融合了影像学和基因组学数据，提高了空间转录组学分辨率至单细胞水平，并可处理不同平台数据。赵博士展示了高低分辨率组织图像的细胞密度映射，以及人工智能实现的细胞类型识别和基因表达预测。并且通过TransformerST为各种无监督空间转录组分析提供了有效高效的流程。其团队在多模态脑影像数据融合分析方面取得了显著成果，利用人工智能实现了影像学与基因组学数据的多种融合方法，如TransformerST分辨率增强等。未来，赵博士将继续在肿瘤/心血管影像的基础模型研究和智能成像重建方面进行探索。

思维交流碰撞，共绘AI赋能科研新蓝图

在思辨环节里，议题一是关于“AI与科学发现的融合：颠覆还是演进？”，昆明理工大学黄于欣副教授和云南财经大学刘应波副教授关于这一议题发表了自己的看法。

黄于欣副教授指出，科学研究的核心在于假设的提出与验证，而AI的引入正在改变这一传统模式。过去，我们依赖人类的直觉和经验来提出假设，但AI通过大数据分析和模式识别，能够发现人类难以察觉的规律。这种颠覆性改变是否会让科学研究变得更加‘工具化’，甚至削弱研究者的创造力？我们需要思考AI在科学发现中扮演的角色，是辅助工具，还是逐渐成为主导力量？

刘应波副教授提到，AI的强大计算能力和预测能力，已经在实验设计中展现出巨大优势。例如，AI可以通过模拟实验，快速筛选出最优实验条件，大幅缩短研究周期。然而，这种效率的提升是否会导致研究者对实验过程的理解变得浅显？我们是否会因为过度依赖AI，而忽视了科学研究中‘失败’的价值？这些问题值得深思。”

议题二探讨了“AI技术在跨学科研究中的角色：突破还是瓶颈？”，云南大学刘金卓副教授、北京航空航天大学吴相君博士和中山大学卞锦堂博士针对这一议题各抒己见，多维度进行了讨论。

刘金卓副教授指出，AI在跨学科研究中的应用，已经带来了许多突破性成果。例如，在生物医学领域，AI通过整合生物学、化学和计算机科学的数据，发现了新的药物靶点。这种能力不仅加速了药物研发的进程，还明显降低了研发成本，使得更多资源可以投入到其他关键领域。此外，AI的强大计算能力能够快速分析海量数据，帮助研究者从复杂的多学科交叉问题中提取有价值的信息，从而推动科学问题的解决。

吴相君博士提到，跨学科研究的一个主要挑战是数据的共享与整合。不同学科的数据格式、标准和隐私要求各不相同，导致了‘数据孤岛’的现象。AI虽然可以帮助整合这些数据，但前提是我们需要解决数据共享的伦理和技术问题。此外，跨学科研究需要团队的紧密协作，而AI的引入可能会让团队成员对技术的依赖加深，从而削弱学科间的深度交流。

卞锦堂博士强调，AI在跨学科研究中的应用，确实展现了强大的潜力，但也面临技术瓶颈。例如，AI模型的训练需要大量高质量的数据，而跨学科研究中，数据的稀缺性和不均衡性可能会限制AI的表现。此外，AI模型的复杂性也可能导致研究者难以理解其工作原理，从而影响研究的可信度。

议题三聚焦于“AI模型的可解释性与信任问题：科学界能否接受AI作为‘最终答案’？”，云南财经大学刘应波副教授和上海交通大学叶睿博士针对这一议题给出了自己的意见。

刘应波副教授指出，AI的预测能力确实令人惊叹，但科学研究的严谨性要求我们对每一个结论都进行充分验证。如果AI的结论无法被验证，那么它就不能被视为‘最终答案’。我们需要在AI的使用中，始终保持批判性思维，避免将其视为万能工具。

叶睿博士提出，AI模型的透明性，直接影响科学界和公众对其的接受度。如果我们无法解释AI的决策过程，那么它的结论就很难被广泛接受。未来，我们需要在透明性和效率之间找到平衡，既要保证AI的高效性，又要确保其结果的可解释性。

在这整个思辨环节中，大家各抒己见，从不同角度提出了自己独到的见解。本次论坛促进了各领域专家学者之间的交流与合作，为未来AI技术在科学研究中的应用提供了多元视角和探索方向。

CCF YOCSEF昆明：搭建学术交流与合作桥梁

本次论坛的成功举办，进一步彰显了CCF YOCSEF昆明在搭建学术交流和产业合作平台方面的积极作用。未来，CCF YOCSEF昆明将继续秉承“推动科技进步，服务社会发展”的宗旨，为促进AI技术在科学领域的创新应用贡献力量。

相关附图：

图1 会议现场

图2 邰永航教授发言

图3 吴相君博士发言

图4 卞锦堂博士发言

图5 赵崇悦博士发言

图6 合影