科學(xué)的發(fā)展史，就是一部范式更迭的歷史。

16、17世紀(jì)，伽利略與波義耳開創(chuàng)了實(shí)驗(yàn)范式，用系統(tǒng)化觀察和可重復(fù)實(shí)驗(yàn)奠定了科學(xué)的經(jīng)驗(yàn)基礎(chǔ)；

18、19世紀(jì)，牛頓、麥克斯韋與愛(ài)因斯坦推動(dòng)了理論范式，用抽象方程和統(tǒng)一理論解釋自然規(guī)律；

20世紀(jì)，計(jì)算機(jī)的出現(xiàn)催生了計(jì)算范式，模擬復(fù)雜系統(tǒng)成為可能；

進(jìn)入21世紀(jì)，大數(shù)據(jù)和機(jī)器學(xué)習(xí)驅(qū)動(dòng)的數(shù)據(jù)范式又一次革新了科學(xué)發(fā)現(xiàn)的邏輯。

然而，今天我們遇到的科學(xué)難題，遠(yuǎn)遠(yuǎn)超越了以往的復(fù)雜度：蛋白質(zhì)折疊、氣候變化、社會(huì)極化、藥物發(fā)現(xiàn)……這些問(wèn)題往往表現(xiàn)為涌現(xiàn)性、開放性和不可約復(fù)雜性。

即便是最先進(jìn)的數(shù)據(jù)驅(qū)動(dòng)方法，仍然受到線性假設(shè)、靜態(tài)建模、因果推理不足等限制，常常力不從心。

隨著科學(xué)問(wèn)題愈發(fā)復(fù)雜，這些傳統(tǒng)范式正逐漸顯露出局限：我們需要一種全新的科學(xué)發(fā)現(xiàn)模式。

在這一背景下，基礎(chǔ)模型（Foundation Models, FMs）橫空出世。與傳統(tǒng)「單任務(wù) AI」不同，F(xiàn)Ms 是在海量、多模態(tài)數(shù)據(jù)上訓(xùn)練的大規(guī)模神經(jīng)網(wǎng)絡(luò)，具備極強(qiáng)的泛化與適應(yīng)能力。

它們不僅能處理文本、圖像和代碼，還能進(jìn)行跨模態(tài)推理，展現(xiàn)出前所未有的科研潛力。

GPT-4能在語(yǔ)言理解、代碼生成和科學(xué)推理中游刃有余。

AlphaFold在蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)上達(dá)到接近實(shí)驗(yàn)精度，解決了困擾生物學(xué)界數(shù)十年的難題。

FunSearch甚至能在數(shù)學(xué)領(lǐng)域提出新的猜想，挑戰(zhàn)NP-hard問(wèn)題。

GraphCast等模型在天氣預(yù)測(cè)上，已經(jīng)開始超過(guò)傳統(tǒng)數(shù)值模式，且計(jì)算成本更低。

不同于傳統(tǒng)的專用AI模型，F(xiàn)Ms具備三個(gè)關(guān)鍵特性：

1. 通用性：它們不是為單一任務(wù)而設(shè)計(jì)，而是能通過(guò)提示、微調(diào)跨越語(yǔ)言、代碼、圖像甚至多模態(tài)任務(wù)。

2. 規(guī)模與知識(shí)覆蓋：在大規(guī)模數(shù)據(jù)訓(xùn)練下，它們吸收了跨領(lǐng)域的知識(shí)，能在缺乏標(biāo)注和經(jīng)驗(yàn)的情況下完成任務(wù)。

3. 推理與生成能力：不僅能處理現(xiàn)有數(shù)據(jù)，還能進(jìn)行推演、假設(shè)生成和跨領(lǐng)域聯(lián)想。

正是這些能力，使得FMs不僅能加速現(xiàn)有科學(xué)流程，還可能重塑科學(xué)發(fā)現(xiàn)的邏輯與結(jié)構(gòu)。

這些成果表明，F(xiàn)Ms不再只是「科研助推器」，它們正在改變知識(shí)生成的邏輯，香港科技大學(xué)的研究人員在NeurIPS上發(fā)表的最新論文，提出了一個(gè)大膽的論斷：基礎(chǔ)模型（Foundation Models, FMs）可能正引領(lǐng)科學(xué)進(jìn)入「第五范式」。

論文鏈接：https://www.techrxiv.org/doi/full/10.36227/techrxiv.174953071.19189612/v1

項(xiàng)目代碼：https://github.com/usail-hkust/Awesome-Foundation-Models-for-Scientific-Discovery

三階段框架 從后臺(tái)助手到自主科學(xué)家

論文中提出了一個(gè)三階段框架，刻畫FMs在科學(xué)發(fā)現(xiàn)中的演化路徑：

元科學(xué)整合

Meta-Scientific Integration

此階段，F(xiàn)Ms 更像「后臺(tái)科研操作系統(tǒng)」。它們幫研究者處理雜務(wù)：自動(dòng)化數(shù)據(jù)清洗、文獻(xiàn)檢索、實(shí)驗(yàn)設(shè)計(jì)。

在材料發(fā)現(xiàn)中，F(xiàn)Ms 已被用作貝葉斯優(yōu)化的先驗(yàn)，提高分子篩選效率。

在實(shí)驗(yàn)室里，它們能直接生成控制儀器的 Python 腳本，實(shí)現(xiàn)「從文本到實(shí)驗(yàn)」的自動(dòng)執(zhí)行。

在氣候科學(xué)中，模型如 ClimaX 能融合觀測(cè)數(shù)據(jù)與模擬數(shù)據(jù)，幫助發(fā)現(xiàn)隱藏的氣候模式。

人機(jī)共創(chuàng)

Hybrid Human–AI Co-Creation

此階段，F(xiàn)Ms 開始成為科研「合作者」。

在理論建模中，它們能基于知識(shí)圖譜生成新假設(shè)，并通過(guò)邏輯驗(yàn)證保證結(jié)果可檢驗(yàn)。

在實(shí)驗(yàn)設(shè)計(jì)中，F(xiàn)Ms 不僅能給出實(shí)驗(yàn)參數(shù)，還能提出改進(jìn)思路，與人類共同迭代方案。

在數(shù)學(xué)和物理中，DeepSeekProver、Logic-LM 等系統(tǒng)已能輔助完成復(fù)雜推理與證明。

在這里，人類與 AI 的關(guān)系是「互補(bǔ)」：AI 負(fù)責(zé)記憶、組合與演繹，人類負(fù)責(zé)創(chuàng)造力與判斷。

自主科學(xué)發(fā)現(xiàn)

Autonomous Scientific Discovery

未來(lái)，F(xiàn)Ms 可能進(jìn)化為「自主科學(xué)家」。

它們能主動(dòng)提出問(wèn)題；自行生成假設(shè)、設(shè)計(jì)實(shí)驗(yàn)并運(yùn)行模擬；解釋結(jié)果并提出新理論。

這并非科幻。

已有的 「AI Scientist」 系統(tǒng)，已經(jīng)能完成端到端的科研流程，從問(wèn)題提出到結(jié)果解釋。這意味著，科學(xué)不再完全依賴人類，而進(jìn)入一個(gè)機(jī)器自主探索知識(shí)的新時(shí)代。

跨范式的應(yīng)用實(shí)例

論文對(duì)FMs在四大傳統(tǒng)范式中的應(yīng)用做了系統(tǒng)性梳理：

實(shí)驗(yàn)科學(xué)：FMs正成為實(shí)驗(yàn)室的「大腦」。它們能為貝葉斯優(yōu)化提供智能先驗(yàn)，加速分子和材料搜索；還能生成實(shí)驗(yàn)協(xié)議，指導(dǎo)機(jī)器人化學(xué)合成。

理論科學(xué)：FMs正在擴(kuò)展「假設(shè)空間」。通過(guò)融合知識(shí)圖譜、物理約束，模型能提出創(chuàng)新性假設(shè)，并借助符號(hào)推理工具完成驗(yàn)證。

計(jì)算科學(xué)：FMs正在改變建模與求解方式。它們能從圖表或文本中自動(dòng)生成方程骨架，或通過(guò)神經(jīng)算子（Neural Operator）快速解偏微分方程，效率超越傳統(tǒng)數(shù)值方法。

數(shù)據(jù)科學(xué)：FMs為多模態(tài)知識(shí)整合提供了新引擎。從基因組學(xué)中的DNABERT到氣候預(yù)測(cè)中的GraphCast，再到材料生成的MatterGen，F(xiàn)Ms已能跨模態(tài)學(xué)習(xí)、跨領(lǐng)域推理。

更重要的是，F(xiàn)Ms能夠打通四大范式，形成跨學(xué)科的混合流程。例如，Coscientist 系統(tǒng)能將研究目標(biāo)轉(zhuǎn)化為實(shí)驗(yàn)協(xié)議，并驅(qū)動(dòng)機(jī)器人執(zhí)行，再根據(jù)結(jié)果迭代優(yōu)化。

風(fēng)險(xiǎn)與挑戰(zhàn)

新的科學(xué)范式伴隨新的挑戰(zhàn)。論文特別指出了四大風(fēng)險(xiǎn)：

1. 偏見與不公平：訓(xùn)練數(shù)據(jù)多來(lái)自西方語(yǔ)境，可能導(dǎo)致全球科研議題失衡。

2. 幻覺(jué)與虛假信息：FMs 可能生成看似合理卻缺乏依據(jù)的假設(shè)，誤導(dǎo)科研。

3. 可復(fù)現(xiàn)性與透明度：如果中間推理過(guò)程不可追溯，科學(xué)的驗(yàn)證性將受威脅。

4. 作者身份與責(zé)任：若一個(gè)重要假設(shè)由 FMs 提出，是否應(yīng)署名？一旦出錯(cuò)，責(zé)任如何界定？

這些問(wèn)題意味著，科學(xué)的第五范式不僅是技術(shù)變革，更是社會(huì)與倫理的挑戰(zhàn)。

展望未來(lái)

論文最后描繪了三條未來(lái)路徑：

具身科學(xué)代理（Embodied Scientific Agents）：FMs與實(shí)驗(yàn)機(jī)器人結(jié)合，既能推理又能動(dòng)手，成為真正的「實(shí)驗(yàn)科學(xué)家」。

閉環(huán)科學(xué)自主（Closed-Loop Autonomy）：FMs將實(shí)現(xiàn)「提出問(wèn)題—設(shè)計(jì)實(shí)驗(yàn)—運(yùn)行驗(yàn)證—更新知識(shí)」的全閉環(huán)研究流程。

持續(xù)學(xué)習(xí)（Continual Learning）：未來(lái)的FMs將具備長(zhǎng)期記憶與跨域遷移能力，能像真正的科學(xué)家一樣逐步積累知識(shí)。

結(jié)語(yǔ)

從伽利略到 GPT-4，每一次科學(xué)范式轉(zhuǎn)變，都改變了人類理解世界的方式。今天，基礎(chǔ)模型正讓我們看到一個(gè)可能的未來(lái)：科學(xué)的第五范式——由人類與機(jī)器共同，甚至由機(jī)器自主推進(jìn)的科學(xué)發(fā)現(xiàn)時(shí)代。

這篇論文不僅提出了全新的概念框架，還呼吁科研界正視即將到來(lái)的變革：如何治理 FMs 的風(fēng)險(xiǎn)？如何重建科學(xué)透明性與責(zé)任機(jī)制？如何確保技術(shù)進(jìn)步真正服務(wù)于全人類？

科學(xué)的未來(lái)，可能正在被重新書寫。