在多个科技论坛上，“AI for Science（人工智能驱动的科学研究）”成为高频话题。从服务于科学到嵌入科研流程，再到走向科学发现本身，人工智能不再是单纯的工具，而正在成为科研的“协作者”，参与重塑科研范式。
在生命科学场景中，有机构打造了AI科研智能体，打通文献挖掘、方案生成、自动化干湿实验、反馈迭代全流程，科学家无需编程即可调用高端设备，部分抗体发现周期从半年压缩到周级。在材料、化学等领域，人工智能也被用于预测材料性质、筛选分子，加速研发进程。
专家表示，人工智能可以高效处理海量数据、发现规律，帮助科研人员把更多精力放在提出问题和设计实验上。不过，人工智能并不能替代科学家的创造性思维。正如有科学家所言，“AI不能提出一个好问题”，提出好问题的能力仍然是人独有的。如何善用人工智能、同时保持对科学问题的敏锐，是科研人员需要面对的新课题。
延伸阅读：人工智能擅长在海量数据中发现规律，但“提出问题”仍需科学家的洞察。把人工智能的能力与科研人员的判断结合起来，可以各展所长。这种协作方式也对科研人员的数字素养提出了新要求，培养复合型人才成为当务之急。
