2023年9月8日晚上，“前沿工程讲堂”第24讲在二体B101报告厅举行。中国科学院院士、北京大学数学科学学院讲席教授鄂维南讲授“AI for Science”专题课程。

鄂维南院士主讲“前沿工程讲堂”

讲授伊始，鄂维南院士介绍了科学研究发展历程。他指出，科学研究的基本目的有两个方面，一是寻求事物发展的基本规律，二是解决生活实际中的问题。具体到科学研究方法，存在两种基本范式。第一，是开普勒范式，即从数据中直接总结出规律并解决实际问题。第二，是牛顿范式，即寻求基本原理并用以解决实际问题，例如，行星运动规律将天文学问题变成了一个数学问题，通过解微分方程，可以得到第三定律。简言之，从开普勒到牛顿范式，科学研究逐渐将物理问题转变为数学问题进行处理。

从50年代到现在，电子计算机结合数值方法开始得到不断运用。科学智能通过差分法、有限元法、谱方法等，第一次大规模实现了直接用基本原理解决实际问题。这一进展带来的影响是巨大的，在一些工程学科（例如力学）领域，计算方法已经成为主要工具之一。但与此同时，科学研究仍然面临新的瓶颈，理论研究的场景与实际问题的场景距离太远，实际问题只能通过经验和试错的办法解决，而这正是机器学习（尤其是深度学习）能够帮助我们的地方。

课程现场

鄂维南院士接着详细介绍了图像识别、人脸照片生成、Alpha Go等案例。这些例子的本质都是通过深度学习来解决某个高维数学问题。他认为，在上述背景之下，科学研究应该开启第二个时代：机器学习辅助的科学计算方法。新的计算方法将为科学研究带来新范式，在提升创新效能的同时，赋能产业应用的实际场景，加速科技革命的进程。

最后，鄂维南院士总结道，新型科学研究基础设施首先是以多尺度模型为代表的基本原理驱动的方法；其次是实验工具和实验数据整合、分析方法；最后是替代文献的数据库与知识库。“AI for Science”的重要性已经得到广泛认可，他欢迎同学们参与到这项伟大的事业中。

互动交流

在授课结束后的互动环节，同学们就人工智能中有潜力的研究方向、通用大模型与人工智能的关系、人工智能在医学和材料领域的运用、人工智能与传统行业的关系等问题踊跃提问，鄂维南院士热情细致地逐一予以解答。