通过AI寻找科学真理，距离我们还有多远？对话深度原理创始人、新神经网络架构KAN作者

AI for Science (AI4S) 正推动科学研究从传统的实验与理论组合转向数据驱动的新范式。人工智能的角色已从单纯的辅助工具演变为科研合作者，能够通过高维数据挖掘提出前沿猜想。实现科学突破的核心在于追求 “内部可解释性”，即超越黑箱功能，深入理解模型背后的逻辑与物理原理。目前，高质量、标准化的实验数据是制约发展的关键瓶颈，而 “人机协同” 模式——即人类专家提供先验知识与逻辑验证，结合自动化实验室进行反馈迭代——成为加速发现新材料与物理规律的有效路径。尽管通用大模型在知识整合上展现潜力，但针对特定科学问题的专用模型在短期内仍是解决复杂科研难题的主力，预计未来十年内 AI 将在能源、材料等领域实现更深度的科学范式变革。