人工智能如何催生更多从“0到1”颠覆性发现
人工智能之所以能催生更多从“0到1”的颠覆性新发现，是因为它正在从根本上重塑科学研究的范式。AI不再仅仅是辅助工具，而是演变为能够主动探索未知、生成假设甚至自主实验的科研伙伴，极大地拓展了人类认知的边界。
传统科研遵循“观察—假设—验证”的线性逻辑，这一过程高度依赖科学家的个人经验和直觉，在面对高维度、多变量的复杂系统时往往力不从心。AI的介入催生了“数据密集—智能涌现—人机协同”的新三元认知方法论。
AI擅长在海量、复杂的数据中捕捉人类难以察觉的深层模式与关联。它可以从数据中直接生成新的假设，而非被动地验证人类提出的假设，实现了从经验驱动到数据驱动和智能驱动的转变。AI能够在超高维度的参数空间中进行高效搜索和优化，尝试人类无法穷尽的组合，从而找到前所未有的创新解法。
AI正在将漫长且昂贵的“假设—实验—验证”闭环，升级为高效的“人类提出需求—AI生成路径—机器自动验证”的全新科研组织模式。AI可以被嵌入到科研的上游发现过程。例如，智能化的望远镜搭载AI模型，可以在观测瞬间完成数据分析，并根据异常信号自主调整方向进行“追逐式”观测，实现了“实验—分析—决策”的实时闭环。在材料科学等领域，自主机器人实验室系统可以在算法的指挥下，自主迭代优化合成协议、评估结果并调整参数，无需人工干预。这种模式，可以将新材料的发现周期从数年压缩到数周甚至数天。
AI作为一个通用的“工具箱”，能够有效打破传统学科壁垒，促进跨学科知识的整合与创新，催生新的交叉学科。AI模型可以阅读不同领域的文献和数据，将物理学原理应用于设计生物传感器，或将地质与气象数据结合构建高精度的“地球孪生”模型。AI工具使得过去只能由大型机构进行的复杂实验，现在可以由更小的团队完成，让科学创新向更广泛的科学界开放。
如生命科学领域，DeepMind的AlphaFold成功预测了蛋白质的三维结构，解决了生物学领域长达50年的重大难题，是AI驱动“从0到1”突破的里程碑。在新药发现领城，科学家利用机器学习从超过1亿种分子中筛选，发现了全新结构的广谱抗生素Halicin，这是AI首次在未被识别为抗生素的分子库中发现其活性。