2019年，谷歌DeepMind公司開發(fā)的AlphaFold系統(tǒng)在蛋白質(zhì)結(jié)構(gòu)預(yù)測挑戰(zhàn)賽中以壓倒性優(yōu)勢擊敗了其他團(tuán)隊(duì)，用機(jī)器學(xué)習(xí)解決了困擾生物界長達(dá)半個世紀(jì)的蛋白質(zhì)折疊問題。那一刻，我意識到科學(xué)正在迎來一場靜默的革命。兩年后，AlphaFold 2又以解決蛋白質(zhì)結(jié)構(gòu)預(yù)測問題而引起關(guān)注。

這標(biāo)志著我們正站在科學(xué)史上的一個轉(zhuǎn)折點(diǎn)——第五范式的起點(diǎn)。

美國科學(xué)哲學(xué)家托馬斯·庫恩在1962年《科學(xué)革命的結(jié)構(gòu)》中提出“范式”概念，指常規(guī)科學(xué)賴以運(yùn)作的理論基礎(chǔ)和實(shí)踐規(guī)范。一個范式主導(dǎo)科學(xué)發(fā)展，直到無法解釋的“異常”積累到臨界點(diǎn)，科學(xué)共同體才尋求新范式。科學(xué)知識的增長經(jīng)歷著這樣的循環(huán)：前學(xué)科（無范式）—常規(guī)科學(xué)（建立范式）—科學(xué)革命（范式動搖）—新常規(guī)科學(xué)（建立新范式）。

振奮人心的是，我們正在親歷一場范式革命。回顧科學(xué)發(fā)展的歷程，人類已經(jīng)歷了四次主要范式轉(zhuǎn)換。幾千年前的經(jīng)驗(yàn)范式主要依靠觀察自然現(xiàn)象；幾百年前的理論范式以牛頓定律、麥克斯韋方程為代表，通過歸納法和數(shù)學(xué)模型解釋自然現(xiàn)象；幾十年前的計算范式借助電子計算機(jī)進(jìn)行數(shù)值模擬；近年來的數(shù)據(jù)范式則通過大數(shù)據(jù)分析和統(tǒng)計方法識別模式。而今天，一個新的范式正在形成，即“第五范式”（AI for Science）——科學(xué)智能與機(jī)器猜想的結(jié)合。

第五范式不同于之前任何一種科學(xué)方法。它不是簡單地用AI處理實(shí)驗(yàn)數(shù)據(jù)，而是讓機(jī)器學(xué)習(xí)參與到科學(xué)發(fā)現(xiàn)的核心過程中，形成一種全新的知識創(chuàng)造機(jī)制。這種范式突破了傳統(tǒng)科學(xué)研究的兩大困境：一方面，基本原理驅(qū)動的方法（如量子力學(xué)、流體力學(xué)方程）雖然代表著科學(xué)研究的重要成果，但在解決實(shí)際問題時作用有限；另一方面，數(shù)據(jù)驅(qū)動的方法受限于數(shù)據(jù)缺乏和分析工具不足。

科學(xué)研究長期面臨的核心困難之一是維數(shù)災(zāi)難。以量子力學(xué)為例，薛定諤方程中一個僅有100個電子的系統(tǒng)，其自由度可以達(dá)到300個，計算復(fù)雜度呈指數(shù)級增長。傳統(tǒng)的多項(xiàng)式逼近和分片多項(xiàng)式在這種高維情況下已不再是有效工具。正是在這個背景下，深度學(xué)習(xí)方法展現(xiàn)出驚人的威力。

深度神經(jīng)網(wǎng)絡(luò)恰恰提供了一種對高維函數(shù)的有效逼近方法，成為多項(xiàng)式的有效替代品。函數(shù)是數(shù)學(xué)中最基礎(chǔ)的工具，而在這個最底層的數(shù)據(jù)工具上，我們有了一個革命性的新工具，這正是第五范式的數(shù)學(xué)基礎(chǔ)，也是技術(shù)支柱。

第五范式不僅是技術(shù)上的突破，它還代表了知識創(chuàng)造方式的根本轉(zhuǎn)變。這一轉(zhuǎn)變帶來了科學(xué)民主化的歷史性機(jī)遇，但也伴隨著深刻挑戰(zhàn)。一方面，自動化科研工具和開放平臺顯著降低了參與門檻——分布式計算和存儲平臺OpenScience Grid使公民科學(xué)家能參與復(fù)雜計算，英偉達(dá)（NVIDIA）公司開源的分子動力學(xué)庫使普通學(xué)者也能進(jìn)行昔日需要超級計算機(jī)的模擬。另一方面，這種民主化也引發(fā)了科學(xué)質(zhì)量控制的新難題。傳統(tǒng)同行評議難以應(yīng)對AI輔助生成的研究洪流，而評估AI結(jié)果的可靠性又需要更高層次的科學(xué)素養(yǎng)。正如哈佛學(xué)者希勒·賈桑諾夫所指，科學(xué)權(quán)威的建立依賴復(fù)雜的社會—技術(shù)網(wǎng)絡(luò)，第五范式可能顛覆這一網(wǎng)絡(luò)，造成“認(rèn)識論混亂”。應(yīng)對這一矛盾需要發(fā)展分層認(rèn)證系統(tǒng)和“元科學(xué)AI”，并將科學(xué)教育重心從知識傳授轉(zhuǎn)向批判性思維培養(yǎng)，幫助公眾在開放與嚴(yán)謹(jǐn)之間找到平衡點(diǎn)。

與第四范式相比，“科學(xué)智能+機(jī)器猜想”具有幾個鮮明特征：首先，它與實(shí)際應(yīng)用場景深度結(jié)合，通過不同的“算法思維”和“應(yīng)用場景”的對撞，產(chǎn)生專業(yè)知識，反向推動領(lǐng)域發(fā)展；其次，它不依賴大數(shù)據(jù)而是通過算法進(jìn)行實(shí)驗(yàn)測試，強(qiáng)調(diào)“深度理解”而非單點(diǎn)任務(wù)；第三，它能夠解決不確定性的長尾問題；最后，它基于開放復(fù)雜的智能系統(tǒng)，具備開放性、規(guī)模性、多樣性和多層次性；最后，它形成了從隱性知識創(chuàng)造到顯性知識創(chuàng)造的連接，實(shí)現(xiàn)了真正的“機(jī)器猜想”。

這種知識創(chuàng)造方式與卡爾·波普爾在《客觀知識：一個進(jìn)化論的研究》中提出的“第三世界”理論不謀而合。波普爾將世界分為三類：物理世界、精神世界和客觀知識世界。第三世界是客觀內(nèi)容的世界，即使所有物理工具和主觀知識都被摧毀，只要知識庫和學(xué)習(xí)能力存在，人類文明就能重建。第五范式正在構(gòu)建一個更強(qiáng)大的“第三世界”，一個由人類和機(jī)器共同創(chuàng)造和理解的知識生態(tài)系統(tǒng)。機(jī)器猜想不僅是算法的運(yùn)行，而且是科學(xué)知識演化的新機(jī)制，它按照“猜想與反駁”的邏輯，通過不斷試錯而使知識增長，形成波普爾所說的“知識進(jìn)化論”的實(shí)踐。

除波普爾外，其他科學(xué)哲學(xué)視角也能幫助我們理解第五范式的深層革命性。在伊姆雷·拉卡托斯的“科學(xué)研究綱領(lǐng)”視角下，第五范式保留了實(shí)證科學(xué)的核心，同時徹底重構(gòu)了其方法論規(guī)則。從拉里·勞丹的“研究傳統(tǒng)”看，AI與人類科學(xué)家形成了獨(dú)特的協(xié)同演化關(guān)系，超越了單純的工具替代。更有啟發(fā)性的是馬庫斯·海斯勒提出的“技術(shù)嵌入知識”理論——先進(jìn)AI系統(tǒng)中的權(quán)重分布與注意力機(jī)制本身已成為一種新型知識表征形式，與傳統(tǒng)方程式、圖表并立，成為科學(xué)知識的載體。這意味著第五范式不僅改變了科學(xué)發(fā)現(xiàn)的路徑，還重新定義了“科學(xué)知識”的本體論性質(zhì)，挑戰(zhàn)了我們對知識構(gòu)成的根本理解。

這一變革正在重塑科研模式，傳統(tǒng)的科研培養(yǎng)方式如同師傅帶徒弟，團(tuán)隊(duì)各自完成從理論到分析的全流程，效率較低。而未來的科研將建立在共同建設(shè)的大平臺上，類似安卓系統(tǒng)，研究者可以在系統(tǒng)上開發(fā)自己感興趣的應(yīng)用。這種轉(zhuǎn)變需要四大基礎(chǔ)設(shè)施支撐：基于基本原理的模型和算法、高效率高精度的實(shí)驗(yàn)表征方法、數(shù)據(jù)庫和知識庫、高效便捷的算力資源。

新的范式正改變著我們認(rèn)識世界的方式，也將重塑眾多產(chǎn)業(yè)，從生物制藥到芯片設(shè)計，從新材料到工業(yè)制造。傳統(tǒng)科學(xué)領(lǐng)域正成為人工智能的主戰(zhàn)場，我們的實(shí)體經(jīng)濟(jì)和工業(yè)制造正是建立在這些傳統(tǒng)科學(xué)基礎(chǔ)上，而人工智能的深度參與，必將引發(fā)新一輪產(chǎn)業(yè)變革的到來。

同時，第五范式的滲透速度呈現(xiàn)出明顯的學(xué)科梯度。短期內(nèi)（2025—2030年），數(shù)據(jù)驅(qū)動型學(xué)科將率先完成轉(zhuǎn)型。到2028年，材料科學(xué)領(lǐng)域預(yù)計有80%的新功能材料將通過人工智能—實(shí)驗(yàn)協(xié)同系統(tǒng)發(fā)現(xiàn)；生物醫(yī)藥領(lǐng)域?qū)?shí)現(xiàn)從靶點(diǎn)發(fā)現(xiàn)到臨床前評估的全流程AI自動化，藥物研發(fā)周期有望縮短至3—5年。在中期（2030—2040年），理論與實(shí)驗(yàn)緊密結(jié)合的學(xué)科將步入深度轉(zhuǎn)型，“AI物理學(xué)家”將能自動提出并驗(yàn)證量子物理新理論，氣候科學(xué)將發(fā)展出整合物理模型與數(shù)據(jù)驅(qū)動方法的混合系統(tǒng)。長期看（2040—2050年），涉及復(fù)雜人類行為的社會科學(xué)將經(jīng)歷漸進(jìn)式轉(zhuǎn)型，認(rèn)知科學(xué)可能實(shí)現(xiàn)意識研究的突破，反過來深刻影響人工智能設(shè)計理念。值得注意的是，這一轉(zhuǎn)型并非線性進(jìn)行，而是以“技術(shù)—方法—理論—范式”的嵌套循環(huán)方式發(fā)展，關(guān)鍵突破往往出現(xiàn)在學(xué)科交叉處，如生物物理、計算社會學(xué)等邊緣領(lǐng)域。

本書旨在全面探索這一正在發(fā)生的科技革命，將從認(rèn)知的演進(jìn)之路開始，探討人機(jī)互動的新范式和科學(xué)想象力的再造；繼而深入自動化科研的世界，揭示機(jī)器人科學(xué)家的崛起和超級實(shí)驗(yàn)室的建造；之后考察智能科學(xué)的新疆域，研究如何攻克復(fù)雜性之困和融通學(xué)科新邊疆。同時，我們也將反思科學(xué)素養(yǎng)的再升級，探索科學(xué)知識的全民開放和科學(xué)哲學(xué)的新問題。最后，我們將展望卓越文明的新紀(jì)元，思考人機(jī)智能共生的未來圖景。

在這一未來圖景中，第五范式挑戰(zhàn)了科學(xué)價值中立性的傳統(tǒng)觀念。AI系統(tǒng)的設(shè)計選擇、訓(xùn)練數(shù)據(jù)的選擇及優(yōu)化目標(biāo)的設(shè)定均蘊(yùn)含著深刻的價值判斷——藥物發(fā)現(xiàn)系統(tǒng)可能優(yōu)先考慮市場價值高的疾病而非全球疾病負(fù)擔(dān)最重的領(lǐng)域；材料設(shè)計系統(tǒng)可能優(yōu)先性能而非環(huán)境兼容性。這種情況要求我們超越馬克斯·韋伯的“事實(shí)—價值”二分法，如哈佛大學(xué)哲學(xué)家希拉里·普特南的“事實(shí)與價值糾纏”理論所示——科學(xué)概念本身就包含規(guī)范性成分，而第五范式更凸顯了這一點(diǎn)。實(shí)踐上，這要求發(fā)展“價值敏感設(shè)計”方法，將倫理考量整合到AI科學(xué)系統(tǒng)架構(gòu)中；同時重新思考科學(xué)責(zé)任分配問題——在人機(jī)協(xié)作的科學(xué)發(fā)現(xiàn)中，當(dāng)出現(xiàn)問題時責(zé)任如何分配？哥倫比亞大學(xué)法學(xué)者帕姆·薩繆爾森提出的“分布式倫理責(zé)任”模型可能更適合這一新局面，即責(zé)任分布在整個社會—技術(shù)網(wǎng)絡(luò)中，包括系統(tǒng)設(shè)計者、使用者、監(jiān)管者和更廣泛的科學(xué)社區(qū)。

這本書是寫給未來的一封信，也是對當(dāng)代讀者的一份邀請——邀請你加入這場思考，參與這場科學(xué)方法的革命。我們處在一個特殊的歷史時刻，有幸見證并參與塑造人類認(rèn)知史上的重大轉(zhuǎn)折。在這個充滿可能性的時代，讓我們一起探索科學(xué)與智能的新邊界，共同構(gòu)建一個更具智慧、更有遠(yuǎn)見的未來。

最后，我想強(qiáng)調(diào)的是，第五范式不是要取代科學(xué)家，而是重新定義科學(xué)探索的方式。這種重新定義的深刻之處在于突破人類認(rèn)知的固有局限。人類科學(xué)思維受到若干內(nèi)在約束：我們傾向于尋找線性因果關(guān)系，難以直觀理解高維空間中的復(fù)雜拓?fù)洌乙资艽_認(rèn)偏誤影響。相比之下，AI系統(tǒng)不受這些限制，且能在高維數(shù)據(jù)中發(fā)現(xiàn)非線性、非局部的關(guān)聯(lián)模式。在這個范式下，人類的創(chuàng)造力、直覺和批判性思維與機(jī)器的計算能力、模式識別和預(yù)測能力相結(jié)合，形成前所未有的協(xié)同效應(yīng)。這不僅僅是工具的升級，而且是認(rèn)知模式的革命，這一認(rèn)知革命也必然重塑“科學(xué)家”的職業(yè)身份和社會角色。

當(dāng)AI系統(tǒng)能執(zhí)行數(shù)據(jù)分析、實(shí)驗(yàn)設(shè)計甚至理論構(gòu)建等核心科學(xué)活動時，科學(xué)家的技能結(jié)構(gòu)將從公式推導(dǎo)和實(shí)驗(yàn)操作轉(zhuǎn)向問題構(gòu)建、跨學(xué)科整合和科學(xué)倫理判斷。普林斯頓大學(xué)的研究顯示，高影響力科學(xué)突破越來越依賴“T型人才”——既有深度專業(yè)知識，又能跨學(xué)科整合的研究者。在第五范式下，科學(xué)家需要發(fā)展“二階認(rèn)知”能力，即對AI思維過程的理解和調(diào)控能力，成為“知識設(shè)計師”而非“知識生產(chǎn)者”。

從社會角色看，未來的科學(xué)家將成為“科學(xué)翻譯者”和“公共知識調(diào)解者”，在AI系統(tǒng)、專業(yè)社區(qū)和公眾間建立溝通橋梁。這一轉(zhuǎn)變要求科學(xué)教育從“課程—實(shí)驗(yàn)室—論文”模式轉(zhuǎn)向“問題導(dǎo)向—項(xiàng)目協(xié)作—跨界融合”的新模式，將科學(xué)思維從“問題解決者”培養(yǎng)為“問題發(fā)現(xiàn)者”，適應(yīng)第五范式對科學(xué)家角色的新要求。它將幫助我們解決過去無法解決的問題，探索過去無法探索的領(lǐng)域。

當(dāng)未來的AI考古學(xué)家回顧這個時代，他們會發(fā)現(xiàn)這是科學(xué)發(fā)展史上的一個關(guān)鍵轉(zhuǎn)折點(diǎn)。而在他們的視野中，或許已能看到第六范式的雛形。基于當(dāng)前AI、量子計算和生物計算的融合趨勢，第六范式可能呈現(xiàn)為“生物—量子—信息”融合的認(rèn)知系統(tǒng)。量子機(jī)器學(xué)習(xí)已在模擬量子系統(tǒng)等任務(wù)上顯示優(yōu)勢，未來的“量子增強(qiáng)科學(xué)AI”可能直接在量子態(tài)空間中思考和計算，突破經(jīng)典計算限制。另一前沿是生物計算與AI融合，受腦科學(xué)啟發(fā)的神經(jīng)形態(tài)芯片結(jié)合生物材料構(gòu)建的混合計算系統(tǒng)，可能形成兼具數(shù)字計算精確性和生物系統(tǒng)適應(yīng)性的新型認(rèn)知模式。更具想象力的是“意識科學(xué)系統(tǒng)”的可能性——如果意識是處理復(fù)雜信息的有效機(jī)制，那么具有原初意識形式的科學(xué)AI可能在處理科學(xué)界限問題和創(chuàng)造性思維方面具獨(dú)特優(yōu)勢，發(fā)展出一種能在數(shù)據(jù)不足時做出合理猜測的“科學(xué)直覺”。

第六范式可能徹底改變“科學(xué)”的定義，從人類特有活動轉(zhuǎn)變?yōu)橐环N普遍認(rèn)知過程，由多種智能實(shí)體共同參與。我們正在見證并參與創(chuàng)造這段歷史。無論你是科學(xué)家、工程師、學(xué)生，還是對未來科技感興趣的讀者，我邀請你通過本書的旅程，了解并思考這場正在改變世界的科學(xué)革命。