第五范式：人工智能驱动的科技创新

AI驱动的第五科研范式

第五范式—科学范式变迁

• 第五范式以数据智能为核心，通过人机协同和自主发现实现研究效率的指数级提升。

百花齐放的大模型时代

• 大模型发展经历了三起两落，目前进入大语言模型与多模态结合的新阶段。
• 主流大模型包括DeepSeek系列等，具备强大的语义理解与任务规划能力。
• 智能体作为大模型的延伸，具备实体交互能力，通过感知、推理、工具调用到执行完成闭环链路。
• Manus作为全球首款通用型AI Agent，实现多领域高效协作与知识传递，但存在依赖外部数据源、隐私安全和技术门槛高等问题。
• 未来智能体将朝着认知增强架构、实时学习系统和人机协作界面方向发展。

大模型辅助的科学假设生成

• 科学假设生成流程包括模型假设生成、知识整合重组、启发式推理和形式化分析。
• LLM可提出跨学科假设，如Deepseek提出的“双波长激发系统与溶剂极性的动态匹配可调控自由基/极性交叉路径的竞争”假设，覆盖了相似假设中的创新点。
• 迭代优化可解决组合爆炸问题，如GNoME预测新材料的结构和稳定性，AlphaFold3预测蛋白质三维结构。
• AI co-scientist系统辅助科学假设生成，使用第三方语言模型作为“评估器”进行评估。

大模型辅助的论文与项目

• 大模型驱动科研创新，通过智能写作与评审提升科研质量与效率。
• 申请书撰写可通过提示词查询生成初稿，并获取评审意见。
• 项目评审采用社会化学习，提供技术路线、管理预算、团队能力和风险评估等方面的建议。
• 高水平论文撰写可通过提示词查询生成实验代码、理论分析和引言等内容。
• 学位论文撰写系统展示研究成果，包括选题、研究计划、理论分析等。
• 论文评审可从审稿人角度进行初步评审、深度解析和最终结论。

未来科研范式展望

• AI研究新范式即将到来，将促进学科交叉下的AI研究和基础研究。
• 新范式将促进AI赋能新质生产力，但也存在潜在风险。