从AlphaFold到机器猜想：第五范式开启科学新纪元

2019 年，谷歌 DeepMind 公司开发的 AlphaFold 系统在蛋白质结构预测挑战赛中以压倒性优势击败了其他团队，用机器学习解决了困扰生物界长达半个世纪的蛋白质折叠问题。那一刻，我意识到科学正在迎来一场静默的革命。两年后，AlphaFold 2 又以解决蛋白质结构预测问题而引起关注。这标志着我们正站在科学史上的一个转折点—第五范式的起点。

美国科学哲学家托马斯·库恩在 1962 年《科学革命的结构》中提出“范式”概念，指常规科学赖以运作的理论基础和实践规范。一个范式主导科学发展，直到无法解释的“异常”积累到临界点，科学共同体才寻求新范式。科学知识的增长经历着这样的循环：前学科（无范式）—常规科学（建立范式）—科学革命（范式动摇）—新常规科学（建立新范式）。

振奋人心的是，我们正在亲历一场范式革命。回顾科学发展的历程，人类已经历了四次主要范式转换。几千年前的经验范式主要依靠观察自然现象；几百年前的理论范式以牛顿定律、麦克斯韦方程为代表，通过归纳法和数学模型解释自然现象；几十年前的计算范式借助电子计算机进行数值模拟；近年来的数据范式则通过大数据分析和统计方法识别模式。而今天，一个新的范式正在形成，即“第五范式”（AI for Science）—科学智能与机器猜想的结合。

第五范式不同于之前任何一种科学方法。它不是简单地用 AI 处理实验数据，而是让机器学习参与到科学发现的核心过程中，形成一种全新的知识创造机制。这种范式突破了传统科学研究的两大困境：一方面，基本原理驱动的方法（如量子力学、流体力学方程）虽然代表着科学研究的重要成果，但在解决实际问题时作用有限；另一方面，数据驱动的方法受限于数据缺乏和分析工具不足。

科学研究长期面临的核心困难之一是维数灾难。以量子力学为例，薛定谔方程中一个仅有 100 个电子的系统，其自由度可以达到 300 个，计算复杂度呈指数级增长。传统的多项式逼近和分片多项式在这种高维情况下已不再是有效工具。正是在这个背景下，深度学习方法展现出惊人的威力。

深度神经网络恰恰提供了一种对高维函数的有效逼近方法，成为多项式的有效替代品。函数是数学中最基础的工具，而在这个最底层的数据工具上，我们有了一个革命性的新工具，这正是第五范式的数学基础，也是技术支柱。

第五范式不仅是技术上的突破，它还代表了知识创造方式的根本转变。这一转变带来了科学民主化的历史性机遇，但也伴随着深刻挑战。

一方面，自动化科研工具和开放平台显著降低了参与门槛—分布式计算和存储平台 OpenScience Grid 使公民科学家能参与复杂计算，英伟达（NVIDIA）公司开源的分子动力学库使普通学者也能进行昔日需要超级计算机的模拟。

另一方面，这种民主化也引发了科学质量控制的新难题。传统同行评议难以应对 AI 辅助生成的研究洪流，而评估 AI 结果的可靠性又需要更高层次的科学素养。正如哈佛学者希勒·贾桑诺夫所指，科学权威的建立依赖复杂的社会—技术网络，第五范式可能颠覆这一网络，造成“认识论混乱”。应对这一矛盾需要发展分层认证系统和“元科学 AI”，并将科学教育重心从知识传授转向批判性思维培养，帮助公众在开放与严谨之间找到平衡点。

与第四范式相比，“科学智能 + 机器猜想”具有几个鲜明特征：

首先，它与实际应用场景深度结合，通过不同的“算法思维”和“应用场景”的对撞，产生专业知识，反向推动领域发展；

其次，它不依赖大数据而是通过算法进行实验测试，强调“深度理解”而非单点任务；

第三，它能够解决不确定性的长尾问题；最后，它基于开放复杂的智能系统，具备开放性、规模性、多样性和多层次性；

最后，它形成了从隐性知识创造到显性知识创造的连接，实现了真正的“机器猜想”。这种知识创造方式与卡尔·波普尔在《客观知识：一个进化论的研究》中提出的“第三世界”理论不谋而合。波普尔将世界分为三类：物理世界、精神世界和客观知识世界。第三世界是客观内容的世界，即使所有物理工具和主观知识都被摧毁，只要知识库和学习能力存在，人类文明就能重建。

第五范式正在构建一个更强大的“第三世界”，一个由人类和机器共同创造和理解的知识生态系统。机器猜想不仅是算法的运行，而且是科学知识演化的新机制，它按照“猜想与反驳”的逻辑，通过不断试错而使知识增长，形成波普尔所说的“知识进化论”的实践。

除波普尔外，其他科学哲学视角也能帮助我们理解第五范式的深层革命性。在伊姆雷·拉卡托斯的“科学研究纲领”视角下，第五范式保留了实证科学的核心同时彻底重构了其方法论规则。从拉里·劳丹的“研究传统”看，AI 与人类科学家形成了独特的协同演化关系，超越了单纯的工具替代。更有启发性的是马库斯·海斯勒提出的“技术嵌入知识”理论—先进 AI 系统中的权重分布与注意力机制本身已成为一种新型知识表征形式，与传统方程式、图表并立，成为科学知识的载体。这意味着第五范式不仅改变了科学发现的路径，还重新定义了“科学知识”的本体论性质，挑战了我们对知识构成的根本理解。

这一变革正在重塑科研模式，传统的科研培养方式如同师傅带徒弟，团队各自完成从理论到分析的全流程，效率较低。而未来的科研将建立在共同建设的大平台上，类似安卓系统，研究者可以在系统上开发自己感兴趣的应用。这种转变需要四大基础设施支撑：基于基本原理的模型和算法、高效率高精度的实验表征方法、数据库和知识库、高效便捷的算力资源。

新的范式正改变着我们认识世界的方式，也将重塑众多产业，从生物制药到芯片设计，从新材料到工业制造。传统科学领域正成为人工智能的主战场，我们的实体经济和工业制造正是建立在这些传统科学基础上，而人工智能的深度参与，必将引发新一轮产业变革的到来。

同时，第五范式的渗透速度呈现出明显的学科梯度。

短期内（2025—2030 年），数据驱动型学科将率先完成转型。到 2028 年，材料科学领域预计有 80% 的新功能材料将通过人工智能—实验协同系统发现；生物医药领域将实现从靶点发现到临床前评估的全流程 AI 自动化，药物研发周期有望缩短至 3—5 年。

在中期（2030—2040 年），理论与实验紧密结合的学科将步入深度转型，“AI 物理学家”将能自动提出并验证量子物理新理论，气候科学将发展出整合物理模型与数据驱动方法的混合系统。

长期看（2040—2050 年），涉及复杂人类行为的社会科学将经历渐进式转型，认知科学可能实现意识研究的突破，反过来深刻影响人工智能设计理念。值得注意的是，这一转型并非线性进行，而是以“技术—方法—理论—范式”的嵌套循环方式发展，关键突破往往出现在学科交叉处，如生物物理、计算社会学等边缘领域。

我们将展望卓越文明的新纪元，思考人机智能共生的未来图景。

在这一未来图景中，第五范式挑战了科学价值中立性的传统观念。AI 系统的设计选择、训练数据的选择及优化目标的设定均蕴含着深刻的价值判断—药物发现系统可能优先考虑市场价值高的疾病而非全球疾病负担最重的领域；材料设计系统可能优先性能而非环境兼容性。

这种情况要求我们超越马克斯·韦伯的“事实—价值”二分法，如哈佛大学哲学家希拉里·普特南的“事实与价值纠缠”理论所示—科学概念本身就包含规范性成分，而第五范式更凸显了这一点。实践上，这要求发展“价值敏感设计”方法，将伦理考量整合到 AI 科学系统架构中；同时重新思考科学责任分配问题—在人机协作的科学发现中，当出现问题时责任如何分配？

哥伦比亚大学法学者帕姆·萨缪尔森提出的“分布式伦理责任”模型可能更适合这一新局面，即责任分布在整个社会—技术网络中，包括系统设计者、使用者、监管者和更广泛的科学社区。

最后，我想强调的是，第五范式不是要取代科学家，而是重新定义科学探索的方式。这种重新定义的深刻之处在于突破人类认知的固有局限。人类科学思维受到若干内在约束：我们倾向于寻找线性因果关系，难以直观理解高维空间中的复杂拓扑，且易受确认偏误影响。相比之下，AI 系统不受这些限制，且能在高维数据中发现非线性、非局部的关联模式。在这个范式下，人类的创造力、直觉和批判性思维与机器的计算能力、模式识别和预测能力相结合，形成前所未有的协同效应。这不仅仅是工具的升级，而且是认知模式的革命，这一认知革命也必然重塑“科学家”的职业身份和社会角色。

当 AI 系统能执行数据分析、实验设计甚至理论构建等核心科学活动时，科学家的技能结构将从公式推导和实验操作转向问题构建、跨学科整合和科学伦理判断。普林斯顿大学的研究显示，高影响力科学突破越来越依赖“T 型人才”—既有深度专业知识，又能跨学科整合的研究者。在第五范式下，科学家需要发展“二阶认知”能力，即对 AI 思维过程的理解和调控能力，成为“知识设计师”而非“知识生产者”。

从社会角色看，未来的科学家将成为“科学翻译者”和“公共知识调解者”，在 AI 系统、专业社区和公众间建立沟通桥梁。这转变要求科学教育从“课程—实验室—论文”模式转向“问题导向—项目协作—跨界融合”的新模式，将科学思维从“问题解决者”培养为“问题发现者”，适应第五范式对科学家角色的新要求。它将帮助我们解决过去无法解决的问题，探索过去无法探索的领域。

当未来的 AI 考古学家回顾这个时代，他们会发现这是科学发展史上的一个关键转折点。而在他们的视野中，或许已能看到第六范式的雏形。基于当前 AI、量子计算和生物计算的融合趋势，第六范式可能呈现为“生物—量子—信息”融合的认知系统。量子机器学习已在模拟量子系统等任务上显示优势，未来的“量子增强科学 AI”可能直接在量子态空间中思考和计算，突破经典计算限制。

另一前沿是生物计算与 AI 融合，受脑科学启发的神经形态芯片结合生物材料构建的混合计算系统，可能形成兼具数字计算精确性和生物系统适应性的新型认知模式。更具想象力的是“意识科学系统”的可能性—如果意识是处理复杂信息的有效机制，那么具有原初意识形式的科学 AI可能在处理科学界限问题和创造性思维方面具独特优势，发展出一种能在数据不足时做出合理猜测的“科学直觉”。

第六范式可能彻底改变“科学”的定义，从人类特有活动转变为一种普遍认知过程，由多种智能实体共同参与。我们正在见证并参与创造这段历史。无论你是科学家、工程师、学生，还是对未来科技感兴趣的读者，我邀请你通过本书的旅程，了解并思考这场正在改变世界的科学革命。

《第五范式：AI for Science》

2025年7月10日

中信出版集团

作者简介：
刘志毅

■中国人工智能领军科学家

■上海市人工智能社会治理协同创新中心研究员

■上海交通大学清源研究院研究员

■入选2024年福布斯中国“十大人工智能影响力人物”

■ 2024年度“华为云最有价值专家”

■ 2025年度福布斯中国行业发展领创者

图书简介：

《第五范式》深入剖析了AI 在科学领域的深刻变革以及第五范式的重要意义。AI 的发展是人类认知方式不断演进的结果，从经验归纳、理性革命，到计算时代、大数据时代，直至如今的智能革命，每一次转变都重塑了人类认知世界的方式，且呈现出加速发展 的态势。

推荐人：北师香港浸会大学 姜羽尧