6月30日，“浦江创新论坛——2023科学技术创新智库国际研讨会”在上海举行，研讨会以“AI重塑科学技术创新范式”为主题。科技部战略规划司梁颖达司长、上海市政府尚玉英副秘书长出席开幕式并致辞。10位来自国内外一流科学技术创新智库和AI实践走在前沿的产学研机构的专家进行了主题演讲与圆桌讨论，两百余位专家代表参加了会议。
会上发布了由上海市科学学研究所牵头，联合复旦大学、同济大学、中国科学院、上海科技管理干部学院、莫斯科国立莱蒙诺索夫大学等机构学者共同完成的新书《变局之解：全球科学技术智库思想观察》，上海市科学技术委员会主任骆大进、中国科技发展战略研究院院长张旭、上海市科学学研究所副所长张聪慧（主编）共同启动新书发布仪式。
◆ 1.人工智能激发基础研究的颠覆性创新，是基础研究的催化剂、培养基和原材料。在生命科学、力学、化学工程、工程热物理等基础研究领域，人工智能发挥催化剂效果，作为科研工具帮助研究人员加速基础研究速率，提高研究产出的质量；在物理学、数学等基础研究领域，人工智能作为科研工作的培养基，为科研工作者攻克领域难题提供了基础环境和必备工具；人工智能技术本身也是数学、计算机科学、类脑研究等基础研究领域的主攻方向，既作为科研工具参与研究过程，也是研究对象本身。
◆ 2.颠覆性技术如同运载人类文明飞跃时空的运载火箭，现阶段人工智能技术已成为运载火箭的导航器、助推器和控制器。人工智能不断为人类颠覆性技术的发现和应用指明方向，加速颠覆性技术的迭代和普及应用。随着AI治理和发展同步，人工智能技术将成为人类应用颠覆性技术的控制器。
◆ 3.AI for Science带来从科研到产业的全面革新，给科研生产力带来指数级提升，而受控核聚变、量子、脑科学等前沿领域的进展也为AI技术拓展了无尽空间。
◆ 4.各项颠覆性技术相互赋能，彼此成就，迭代突破，科技变革速度大大加快，重要的时间节点都指向未来10年。未来10年，有很大的可能是颠覆性技术变革实现群体性突破的10年，是关键核心技术攻关重要的10年，是中国初步实现现代化的重大时间节点，是决定大国竞争格局的关键10年。
◆ 5.面向未来，如何抓住机遇？一是统筹能源基地布局与算力布局，形成AI发展基础竞争力；二是同步支持多样化技术路线，整体形成应对技术快速变化能力；三是主动设计极富挑战性场景，引导更具长期性独创性攻关；四是加强以企业为核心的协同，提高颠覆性技术生态掌控力；五是千方百计促进交流合作，成为颠覆性技术变革的核心枢纽。
中国科学技术信息研究所人工智能发展研究中心常务副主任、科技部新一代人工智能发展研究中心副主任
◆ 1.科学研究一直是人类认识世界、理解世界、改造世界的重要方式，伴随着人类社会科技和生产力的发展，科学研究的方法也在一直在变化，通过方法和工具的变化，不断形成新的范式。
◆ 2.科学研究进入大科学时代，各类大科学装置、新工具、新技术产生的数据给科学研究带来新的挑战，一是随着数据持续不断的增加，基于大量数据的归纳处理海量数据面临维度灾难。二是随着科学研究问题的日益复杂，基于物理建模的难度也逐步加大。AI可以利用强大的数据归纳和分析能力学习科学规律和原理，在很多科学研究领域展现出超越传统数学或物理学方法的强大能力，大大加速科研探索进程，在前沿科学领域取得显著成果。
◆ 3.在AI for Science从2017年概念形成到应用落地的发展过程中，人工智能大模型技术也从2017年的Transformer架构开始逐步发展，以BERT、T5、ChatGPT为代表的标志性成果相继涌现，在数学方程求解、分子动力模型分析、蛋白质结构预测等科学研究领域的应用不断深化，推动科学研究任务全过程加速。
◆ 4.AI for Science正在成为新的科研范式，表现为两个趋势，一是随着工具模型不断成熟、应用领域持续拓展，AI for Science有望能够在帮助解决实际科研问题的同时，主动探索发现新理论，从而带来整个科学研究范式的全新变化。二是随着学科交叉融合不断深化，AI for Science跨界交叉将进一步驱动科学研究创新和更广泛的落地应用，加速推动新一轮科技革命和产业变革。
◆ 5. AI for Science未来潜力巨大，当前正处于突破性发展的关键窗口期，是我国成为全球科学中心的新机遇。但同时，下一步发展也面临诸多挑战，需要为AI for Science发展创造更多有利条件，支撑世界级、原创性、基础性的重大科学发现。
◆ 1. 人工智能会取代就业，也会创造新的就业。如果我们回顾历史，在人工生产力方面和人工的收入，这些劳工收入方面也随着时间在不断地上升，我们在比较18世纪50年代的英国生产力，再看一下现在的2010年时的生产力，你们会发现这个生产力已经上升了几乎15倍，因此生产力是大大增加了，这是一个好消息。当然，与此同时工人的收入也在不断地增加，生产力的增加是一方面，但是另外一方面我们也经历到其他的问题，比如这个是传统电话接线年代的时候，总的电话接线万，但现在已经是下降到10万了，因此技术创造了新的工种，但是技术也消除了一些或者淘汰了一些工种，这是我们必须要仔细思考的一件事情，在我们的社会当中，我们要如何去变革就业的模型和构成？
◆ 2. ChatGPT在高校中的使用需要受到控制。这是在2023年年终的时候将会发布的日本关于在学校当中如何使用生产式AI指南的草案，现在每个学生都必须要做家庭作业，在他们做家庭作业的时候，他们是必须要使用到生成式AI的，在学校里面最初的使用应当要进行控制，要受到限制，并且要非常谨慎地控制。使用AI行为的内容作为学生的作业提交或者用于参加比赛，这是一个不当的行为，换言之，不允许使用AI、Chat GPT或者其他的AI工具来完全生成他们自己的作业的内容，50%-60%的高中生或者中学生他们都使用开放式AI或者Chat GPT来进行他们个人的用途。我自己也是在大学当中的教授，非常有趣的一点，我注意到社会科学和人文学的教授和教职人员他们非常反对使用生成式AI，但是目前有超过50%的大学生都在使用生成式的AI用于他们个人的用途。但是，在自然科学和工程学的教师和教授，他们是非常想要使用AI，他们也希望他们的学生使用开放式的AI来进行他们的作业的准备。因为，在人文科学方面是非常在乎听说读写的，而对于人文科学来说，Chat GPT一个非常大的灾难。
◆ 3. 技术实际上不会促进社会和政治的变化。这本书非常好，叫做《GEEK HERESY》，2015年密歇根大学的教授写的，他指出我们要面对采用AI和不采用AI的人之间的鸿沟，他还提出两点，技术实际上不是会促进社会和政治的变化，而是带来一个好处，技术本身其实取决于我们需要整体的方法来把技术的创新和社会和机构改革联系起来。
◆ 4. 人工智能会拉开人与人差距。我们为什么要讨论技术推进社会环境的变化？刚才讲到采用技术和不采用技术的人之间的区别，一些更早采用技术的人可能会获得财富，那些不采用或者没钱采用技术的人就会更加的走向反面。大家都期待OpenAI、Chat GPT还有生成式的AI等等能够弥合这两端的差距。但是，现在实际上鸿沟越来越大。
◆ 5. 在一些领域人工智能很可能会控制人类。虽然我们现在做了很多AI的研究，但是我并不认为至今还是人类主导的地位，如果我们什么都不做的话，我们不去控制机器的话，在一些领域里面有些机器很可能将来就会控制人类。我们来看一下对于生成式AI控制的方法，我们要做到透明和数据整合安全，有一些国家应该有一些规范，有一些道德，甚至还有一些法律等等会进行归管。我们会有一些伦理，这个伦理差不多就是在法律和规范这一类，这样才能够更好地控制人工智能。
◆ 1.技术革命正在加速演进，变化速度超乎人们想象。人工智能正是其中典型例子，其加速渗透医疗保健、教育科技、零售消费、国防科技等诸多不同领域。例如，我们已经看到无人商店，利用计算机视觉、虚拟现实和增强现实等先进技术，完成商品识别，支付收费等原先只有人能完成的工作环节。最近大热的ChatGPT等生成式AI也是一个典型的例子，利用复杂的人工智能算法赋能非专业人士，允许普通人做他们以前无法做的事情。
◆ 2.飞速发展科技也将加剧社会不平等、不均衡问题。我们发现，美国的地理差距正不断扩大，美国15%的郡创造了全国71%生产总值，大部分经济活动集中在东海岸、西海岸以及中部大都市地区，但其他大部分地区相对落后，许多人并没有分享到日新月异科技所带来的发展繁荣，这些都可能造成大量的经济和社会焦虑，为潜在的社会动荡和政治动乱埋下隐患。
◆ 3.人工智能正在深刻改变企业组织架构。我们发现人工智能工具显著增强人类工作表现与工作效率。随着人工智能技术不断精进与应用，企业组织架构将发生改变，将颠覆少量中层人员监督大量基层工作人员的架构模式，人工智能出现将减少企业对中层管理者的需求，不再需要像现在这样多管理监督人员，这将深刻改变许多组织的运作方式。
◆ 4.在人工智能影响下，社会将转向终身学习模式。未来人们将30岁、40岁、50岁和60岁不同人生阶段升级工作技能，终身学习将成为美国成人教育市场的非常重要组成部分，同时公司开始将更针对性地培训自己员工，以适应这些技术进步所创造的新工作环境与任务。
◆ 1. ChatGPT能够在一定程度上推动科学研究，GPT4大模型可以快速获取跨学科通识知识，在文献研究方面能起到关键作用，还可以在生物医药领域辅助提出假设和猜想，做一些潜在的创新性实验设计。
◆ 2. ChatGPT之所以能够帮助科学家做研究，是因为它具有一定的逻辑推理和判断能力。如果直接让ChatGPT对复杂的问题或推理的问题给出答案，它可能会犯一些错误，但如果通过思维链的模式，诱导它一步一步地进行思维推理，它就可以给出推理过程和我们想要的答案。
◆ 3.GPT4版本比GPT3.5版本有了很大的进步，是最接近通用人工智能的大模型，它比之前的所有版本都要聪明，模型规模相比之前的版本也更大一些，但GPT4和人类的最优表现还是有一定差距的。现在的模型最强性能可能在逻辑上也有很多的不严谨性，可以用一些手段调整模型，比如我们在对话中给出提示，把没有见过的问题告诉它，就会发现它只要见到少量的实例性能就会提升很多。另外，如果让它进行思维链的推断，过程一步步写下来然后再去判断，它的性能也会提升不少。
◆ 4.现在的模型许多都是通过大量的数据进行模式学习，学习的多是表面特征，能做到不犯经验性错误，但如果学习不到本质的特征，就会犯一些分布外泛化的错误。人类是通过因果性来进行直觉判断的，而机器是通过统计性或者相关性来进行判断的。在深度学习领域要想学习到因果性仅靠相关性的数据是实现不了的，因此要想让模型更聪明可以通过数据治理来达到一定的效果，比如加入反事实数据学习本质特征，提高模型的泛化能力。
◆ 5.现在的人工智能展现出了能够帮助科学计算的一些能力，但是当前的能力在本质上受到了一些限制，比如逻辑推理和学习深层次思想的能力，也许在下一代人工智能或者下一代大模型里这些能力会是大家关注的方向。
◆ 1.在人工智能领域，香港的优势主要体现在基础研究能力和融资能力。香港人工智能人才和学术论文具有较好的国际影响力，商汤科技和大疆创新等知名企业都是依托香港顶尖高校科研成果转化而创立的。香港过去14年（2009-2022）有7年登上全球IPO集资榜首。于此同时，香港依然面临大学科研成果转化不足，数据管理条例不完善、公共数据库种类及数据量有限等问题。
◆ 2.为协调促进两地技术转移，香港应重视技术转移联盟建立，负责较后期的工作，例如市场化活动、创业比赛，以及法律和商业咨询服务方面，以产生协同效应，进一步与深圳及其他内地市技术转移促进中心协调，促进香港与内地合作。
◆ 3.针对高校科研成果商业化问题，建议设立独立于高校的跨学科大型研究院，吸引内地人工智能相关企业与其进行科研合作。一是让企业享受科研成果产业化的经济回报，例如在与跨学科研究院的合同中承诺在优惠条件下获得专利使用权，有助于企业借用联合实验室的力量进行技术攻坚，增加在商业化场景下使用的科研成果并鼓励增加企业研究项目。二是促进研究人员第一时间了解科技企业的产业需要以及应用场景多的科技，促进科研成果的商业化转化。三是政府应牵头兴建内地企业-香港高校联合实验室，促进两地科技企业和高校的合作，让内地人工智能领域的企业更好地利用香港的基础研究优势，同时促进两地经济融合。
◆ 4.为加强跨境数据的共享，香港应助力大湾区建立一个数据共享机制和安全审查及监管机制。建立跨境的数据分级标准，列出需要互通的数据清单、安全措施及应用方案，并建立一个针对大数据的标准系统，包括技术、平台、安全、认证等规范的大数据标准体系，鼓励大数据研究的合作。总量数据或较不敏感数据(如食品、环境）可自由共享，但涉及国家安全的数据，需经过严格的脱敏处理后方可共享。可考虑首先在关键领域（医疗、工业、金融、民生）实行先行先试。
◆ 5.为便利两地科研人员流动，建议两地政府透过招才计划，预留教席及/或提供资助补贴，促进两地高校及企业合作，允许科研人员便捷流动。中央政府亦应实施统一政策，调整地方政府对香港职称认可的标准及要求。
◆ 1. 今天的人工智能系统是基于大数据，而如何运用这些数据更为重要。如果我们建立了大型的AI系统，比如说Chat GPT或者LLM模式的话，我们如何才能够建立起强有力的系统呢？其实是因为这些系统都是基于大数据，数据是非常重要的，不止如此，所有的这些计算机系统和AI系统也会生成大量的数据。现在我们经常会谈到大数据，因此这也是今天我为什么选择要讨论数据的原因，比如在计算机系统中，有来自用户使用的警报日值或者传感器的数据，不同计算机之间交互的数据，当我们有大量数据的时候非常好，但是如果不知道如何运用这些数据其实这会成为一个问题。
◆ 2. 生成式人工智能就像黑匣子，这是非常危险的。生成式AI是非常强有力的工具，与此同时也会伴随一些问题，其中一个问题就是生成式的AI就好像是个黑匣子，它可以做一些很擅长的事情，但是我们不了解它为什么可以做这些事情，比如它可以进行检测，可以用于药品的发现，可以做很多的事情，非常地有用，但是却不一定能够帮助我们来了解这些数据，从这些数据中有所学习，因此就我的观点而言，当我们在利用AI进行决策时，人类在这个过程其实是被放在一边，我们把很多权利交在AI的手中，但是我们能学到什么是非常重要的。比如对于医院而言，我们不想让AI做所有的决定，因为这是非常危险的，我们必须从数据中有所学习，这是我们应当要实现的一件事情，因此我今天想要和大家分享的是与其他主题有所不同的，我想谈的是我们如何能够从数据中有所学习，并为未来服务。
◆ 3. 数据学是为了在数据中找到一些模式，为了更好地了解数据。我想跟各位分享数据学，这是我所研究的一个领域，这样的研究的背后是要在数据中找到模式，我们把它称之为数据模式的挖掘，有了数据之后，希望在数据中进行搜索来找到一些模式，而这些模式是我们感兴趣的，并会让我们有所了解，让我们有所学习，而不是像一个黑匣子一样，同时帮助我们之后做出一些决策。我们的目的并不是要取代AI，也许是为了帮助我们更好地了解我们手中的数据。
◆ 4. 数据挖掘能够帮助我们了解顾客的商业行为以及周期行为。用浅显易懂的例子来讲，我们有一个购物的数据库，我们发现了一些关联，喜欢买苹果的人也喜欢买面包等等，这是一个非常基础的例子，如果我们在数据中找到这样的关联，我们就更好地了解顾客的行为，也许我们可以把这两样东西放在一起卖，如果买两样东西的话，我们给它打折扣，我们就可以有量的增长。又如，我们可以找到频繁的数据挖掘，在数据库里面，经常出现的东西，我们想要找到那些在商店里频繁被买的东西，我们就可以来做促销。此外，了解周期的模式是非常有趣的，周期是指有一些情况会随着时间的推移出现回转或者重复，它就会告诉你顾客行为习惯，你也可通过这个来做一些决策，比如做一些促销或者其他营销的决策。
◆ 5. 数据挖掘也面临很多挑战，涉及算法、数据复杂度、模型等方面。当然，我也看到了很多挑战，首先从计算科学来说，我们要设计好算法，来分析数据。此外，我们还想要分析一些非常复杂的数据，使之能够在真实的生活中使用，比如说还可以分析一些社交网络、图表等等。另外，我们还可以设计一些新的方法来找到真正有趣的模型，而不仅仅是关于利润或者其他的方面。
◆ 1.三大痛点导致药物研发昂贵且漫长。根据最新数据，传统药物研发普遍花费超20亿美元，周期长达15年以上，3大痛点促成了如此高昂漫长的研发活动：一是新颖生物学靶点难发现；二是符合条件的小分子化合物难形成；三是合理临床实验方案难设计。
◆ 2.罕见高致死疾病面临全球无好药局面。特发性肺纤维化是全球罕见病，根据统计，全球约70万患者，但这类疾病致死率很高，如不进行干预，2年内12%致死率，5年内更是达39%致死率。虽然目前全球有2款治疗药物，但这些药都不是十分完美，主要表现在较强的毒副作用，约10%-40%患者最终无法耐受其毒副性，而放弃继续服用治疗。
◆ 3.人工智能与生物制药有机结合，助力药物研发降本增效。针对特发性肺纤维化疾病，英矽智能的PandaOmics平台运用人工智能技术筛选出20余个新靶点，Chemistry42平台形成78个小分子化合物，其中最优秀的小分子化合物促进用药剂量大幅下降，并显著提高了药物活性。在人工智能加持下，目前这个化合物进入到临床二期阶段，整个项目只用了18个月时间，花费260万美金，与传统药物研发相比，做同样的事情需要花四年半的时间，需要投入几千万或者上亿美金的研发投入，人工智能的运用显著降低研发成本，提高研发效率。
◆ 1.算法、数据、算力以及初创企业共同推动AI4S的发展。如同算法、数据、算力对人工智能的促进作用，创业企业对人工智能推动作用也是不能忽视的。例如Schrödinger（薛定谔）作为全球第一家成功IPO的人工智能药物研发企业开创了人工智能制药企业盈利模式，后续其他企业相继模仿复制。Deepmind公司自2010年成立以来引领AI4S科技发展，运用人工智能挑战人类围棋冠军、发现蛋白质结构、进行核聚变研发等。
◆ 2.只有初创企业才能将颠覆性技术转换为商业应用。一是初创企业规避了大企业创业窘境，大企业很难做出基于突破性技术的商业层面颠覆性创新，而初创企业从0开始，没有大企业的路径依赖，更愿意拥抱新技术创新带来的不确定性。二是创业者有着非凡的企业家精神，这是创业企业独有价值，帮助企业高效整合资源，克服各种困难，实现创新的目标。三是创业企业提供了理想的投资标的，因为这类企业股权结构简单、政策壁垒少、成长迅速、退出机制规范，使创业企业成为吸引巨大风险投资的理想载体。
◆ 3.人们应对创业企业推动AI4S保持乐观的三大原因。一是越来越开源的技术环境。开源开放的技术体系使创新的方法快速传播，大幅降低创业门槛。二是越来越好的创业环境。通过创业带动技术的突破和商业的落地已成为广泛被接受的创新机制。三是越来越开放的产业链体系。医药、新能源、制造等传统工业领域，逐步向创业企业开放，典型如自动驾驶、mRNA药物，初创公司的创新力让大企业开始认识到与其合作的必要性。
◆ 4.AI4S创业企业健康成长需具备四类关键要素。首先，企业需要有改变世界的梦想，需要瞄准突破性创新，用改变世界的梦想，汇聚资源，激励团队。其次要掌握硬核科技，企业既要有顶级科学家，也有一流的商业大咖，能够将伟大的梦想变成落地的产品。同时，要具备高速成长基因，构建于数字经济底层规律之上的成长逻辑。最后要蕴含强大的要素汇聚力，能够在短时间内吸引大量资本、合作伙伴、客户等要素。
◆ 5.同时政府需要在三个方面服务于硬科技企业成长。首先是提供低成本算力，不仅是算力基础设施，还有算力之上产业服务组合。第二是，提供数据，尤其是政府需要向企业开放重点行业数据，例如真实世界的医疗数据、建筑设计数据、城市感知数据等。第三是，供给行业场景，促进生物医药、汽车、钢铁领域大企业向创业企业开放场景，使大企业获得创新技术、小企业获得成长机遇，政府获得新赛道成长曲线，实现三赢局面。
◆ 1.经过多年建设，试验区围绕建设方案在创新策源、应用场景、企业培育、创新生态等方面形成初步成效，正在努力建设更具国际影响力的人工智能“上海高地”，上海已初步成为全世界人工智能发展的最佳试验场和重要风向标。
◆ 2.在人工智能创新策源能力方面，上海建立了国家战略科技力量和创新平台，取得了国家级科研成果，学科布局更合理，人才队伍更加壮大。
◆ 3.在人才智能场景创新方面，上海围绕智能港口、智能工厂、智能教育等场景示范应用，推动了人工智能与实体经济融合、赋能经济社会发展。
◆ 4.在人才智能企业培育方面，经过多年培育，上海人工智能领域初步形成了覆盖算力、算法、数据等方面的产业生态，相关企业茁壮成长，在人工智能细分领域打造产业高地。
◆ 5.在人才智能创新生态方面，上海正在形成既能支持创新、又具有包容性、还能有效保护安全的治理环境。
◆ 6.未来的人工智能的研究与决策边界更为交织、研究成果转化为政策更加快速，智库可以发挥更大的作用。智库做好瞭望台，要抓住底层规律，战略预判人工智能趋势，以确定性应对不确定性。智库研究要预判未来需求、支撑现在要求，快速响应，做好研究储备，将研究成果转化为政策。发挥好智库会讲故事、讲好故事，推动人工智能国际交流合作。
1.这次论坛充分体现了“开放创新”的宗旨，嘉宾来自国内外知名的专家学者，都有很强的国际背景，同时近140个单位、240多位参会代表参加论坛，有广泛的代表性。
2.从宏观、中观、微观三个层次来讲，专家分享了宏观层面AI发展的背景、前景，中观层面香港和上海的人工智能发展实践，微观层面高校、科研机构、企业在一个领域或行业中的发展应用。
3.从维度来讲，专家分享了AI的技术、数据挖掘、技术应用，以及AI带来的伦理挑战等内容，AI的技术发展必将对经济社会和科技等方面产生深远的影响。
4.AI发展迅速，具有可期待的美好发展前景，同时AI又会带来巨大的挑战，无论是机遇还是挑战，取决于我们对它的态度，我们一定要以开放的、积极的心态去迎接他、适应它、引导它、拥抱它。
5.智库机构更需要深入研究AI，找到AI未来发展的规律，特别是对未来的影响，帮助整个社会提前预判，做好准备。
1.AI的快速发展给科技智库带来了新的机遇和挑战。微观层面的机遇是AI为我们提供了一个更理性和科学的分析工具，我们可以在人员不足的情况下更高效的开展研究工作；宏观层面的机遇是AI改变了很多行业的发展形态，政府需要配套提供的政策也发生了变化，为我们创造了更多的研究课题。挑战的部分，需要关注的是AI有心和无心的信息误导，以及数据安全、数据滥用问题。
2.未来很难有一种针对智库的统一的人工智能大模型，因为每个城市、每个研究机构都有自己的特殊性，一套模型很难套用到不同地方。AI可以作为一种新型“员工”来使用，他们与传统员工的区别在于，他们没有个人经验和概念，他们能快速提供一个思考方向，但是需要我们再深化分析。
3.在数据跨境问题上，内地更关注的是数据背后的国家安全问题，香港则是将数据看作一门生意。我们希望在大湾区先选择一些与生活相关的金融、医疗领域探索数据安全跨境流动，让大湾区的人员往来更便利。
菲律普 弗尼尔-维格（philippe Fournier-Viger），深圳大学(中国)计算机与软件学院大数据技术与应用研究所特聘教授、SPMF开源数据挖掘库创始人
1. 人工智能正在深刻改变学习模式。AI可以用来提高生产力，它使我们的工人更加的高效，使学生更加高效，学生可以用AI来学习，可以向AI提问，AI还可以帮助沟通，来做翻译，对于研究而言，对于药物的研发，这些领域都是AI强大实力的体现。说到AI给大学带来的挑战，我觉得挑战有很多方面。首先，学生可能会变得更加懒惰，如果我们给他们作业，比如给他们一个做变成的作业，他们可能会让Chat GPT帮他们完成作业，在这样的情况下，一些学生会变得非常地慵懒，他们就会让Chat GPT给他们做作业。所以我认为AI对于学习是一个强大的工具，但是我们必须告诉学生，你必须以正确的方法驾驭AI，不是用AI来作弊。
2. 人工智能不会消失，所以需要以负责任的方式来使用人工智能。从我的角度来说有一点非常重要，AI会永远都在那里，它不会消失，所以我们应该学会怎么样去使用AI，并且教会学生正确使用AI的方法，因为我们的学生在未来必须保持竞争力，如果他们不知道该怎么使用AI，其他人就会代替他们，但是关键点在于，教会学生如何以一种负责任的方式使用AI，对自己的使用负责，以一种符合伦理学的方式来使用AI，不然他们就会用AI来做一些危险的事情。另外一方面，我今天并没有听到很多AI有些时候是不公平的，有些时候AI也会有一些偏见，可能会偏向某一些人，所以我们要确保AI是公平的，对每一个人来说都是公平的。
1.如何发挥AI的最大效能是加速研发的关键。如何使用AI是研发人员更为关键和核心的问题，面对ChatGPT以及其他AI4S算法软件，研发人员能做的就是用好这些已有的AI工具，把工具和平时科研或者日常工作结合起来，利用这些工具提高研发效率，比如扩展知识边界，把AI属性发挥到极致，这是我们能够把AI结合到日常的科研工作的最大可能。
2. AI赋能新药研发不仅降低成本与时间，同时提高成功率。通过AI加持，行业预估早期研发可节省40%-60%研发的时间，每年会为全球节省600亿左右研发投入，最重要的是，可以把药物的成功率提升12%。普遍来讲，新药研发总成功率只有3%-5%，12%的提升是之前不可想象的，起到的降本增效作用也是巨大的。
1. 政府需要营造创新环境促进科技创业。在通用AI大浪潮下，政府需要营造一种创新的环境，让这些企业家更敢干，从更敢干这一点来讲，尤其是最近这两年，最核心的议题是如何恢复创业者对于未来的信心，培养一种用技术能够改变世界的愿景，这可能是当前对于科技创业最关键的一点。
2.针对智库开发的人工智能大模型趋势已形成。这个趋势是基本确定的，很多的科技公司已经和行业里拥有专有知识的机构共同开发行业性模型。我们可以设想一下，未来我们写报告的时候要查行业数据库，这一些数据库加持了ChatGPT等工具后可以自动回答更多问题，甚至能写报告，这是可以预见的未来。
本文由上海市科学学研究所科技创业研究室牵头根据嘉宾报告发言内容整理。文章观点不代表主办机构立场。
