尊龙凯时·(中国)官网app

　　尊龍凱時 - 人生就是搏!上海景點，菲爾茲獎，尊龍凱時人生就是博，）于2025年1月20日發布的DeepSeek-R1模型，以高性能、低成本尊龍凱時 - 人生就是搏!平台、完全開源的特性，實現了國產大模型裡程碑式的突破，打破了我國生成式人工智能應用面臨的技術壁壘，為人工智能大模型在國內的大規模擴散創造了前所未有的機遇。以Deepseek為代表的國產大模型在不同行業領域的加速部署和應用，不僅重塑了我國人工智能產業格局，更推動AI技術普惠化與國產化生態繁榮，開啟了一場彎道超車式的AI效率革命。與此同時，大模型時代也面臨巨大的治理挑戰，如AI技術和應用發展繁榮帶來的智能社會治理復雜性和廣泛影響，深度推理可能帶來的新技術風險，等等。DeepSeek緣何推動了人工智能的普惠發展和生態繁榮，又怎樣增加了技術治理的復雜性，引發哪些新興治理挑戰與議題，以及如何構建治理思路與策略以規制我國人工智能的安全發展，學者們從大模型應用拓展下的智能社會復雜性及其治理、人工智能多重技術路線的治理、人工智能技術創新想象、構建通用人工智能社會的技術基座、大模型思維鏈與算法透明、人工智能監管沙盒、人工智能驅動的科學研究、大模型“深度”賦能數字政府下的應用場景與治理變革、大模型加速治理智能化、人工智能技術變革動蕩中的治理、大模型風險治理、非線性創新觀與人工智能多重技術路線、人工智能法治創新治理等多個維度對DeepSeek突破背後的人工智能創新發展與治理進行了探討。

　　DeepSeek；大模型；智能社會；智能治理；人工智能；通用人工智能；大語言模型；政府治理

　　2025年2月尊龍凱時 - 人生就是搏!平台，中國人工智能企業深度求索（以下簡稱DeepSeek）的開源模型DeepSeek-R1引發全球關注，其核心優勢在于高效推理和較強的跨領域適應能力，只需極少的數據量就能實現OpenAI o1的性能。DeepSeek具備的開源、高效、低廉的特質也使其成為科學研究領域的重要科研工具，並引發顛覆性變革。人工智能（以下簡稱AI）與科學的深度融合，加速助推科學發現和人類文明進步。面對時代機遇，2023年3月，我國科學技術部與自然科學基金委啟動“人工智能驅動的科學研究”專項部署工作，緊密結合數學、物理學、化學、天文學等基礎學科關鍵問題，圍繞藥物研發、基因研究、生物育種、新材料研發等重點領域科研需求展開，布局“人工智能驅動的科學研究”（以下簡稱AI4S）前沿科技研發體系。AI4S一方面提高科研效率，另一方面可能產生諸多風險，這是一種機遇與挑戰並存的新科研模式ribibi。業界關于AI4S治理問題的討論較少，有少量研究討論AI在科研領域的可行場景和效率優勢，對包括科研失信、個體主體性消融、科研成果可重復性危機等風險問題關注不足。[1]為此，下文通過識別AI4S中的風險問題，提出針對性治理措施，以期助益于AI4S領域的善治。

　　科學研究（scientific research）是對知識的系統性探索，其特點是跨領域協作。AI4S具有高效、創新、融合等特質，是對傳統科研範式的超越。

　　如今，各地科學家都將生成式人工智能（以下簡稱GAI）和機器學習算法融入科學研究中，利用GAI分析大量文本、代碼、圖像等數據，生成新的想法、知識和解決方案。科研人員還可以利用AI輔助文獻檢索、論文撰寫、代碼開發等，提高科研效率，實現自動控制實驗過程。AI4S的成功案例已經出現于蛋白質工程、醫學診斷、人文科學和天氣預報等領域，比如深度思維（DeepMind）開發的AlphaFold預測數千種蛋白質結構的準確率超過90%。在生物醫藥領域，科研人員通過AI發現新的抗生素。在天氣預報領域，AI模型在速度和準確度上超越了傳統的物理模擬模型。在人文科學領域，歷史學家利用AI分析文本和圖片探究古代人類的生活習慣，以深度學習算法識別古代印刷品、語言的演變模式和規律。

　　第一，加速科學研究發現與創新。首先，科研人員利用大模型學習論文、書籍和數據庫等，生成新的假設，開拓新的研究方向。比如在材料科學領域，科研人員利用自然語言處理“捕捉”復雜概念，為功能應用推薦新材料。其次，助力大數據分析，加速模擬實驗。對高維數據進行物理和數學問題的模擬是科研界的一項重大挑戰，不僅成本高昂，而且需要耗時耗力的公式推導。科研人員通過機器學習算法識別數據中的新模式，能快速和精準地獲得新認知。比如在量子力學領域，科研人員通過AI開展實驗，模擬預測假定結果，發現高度糾纏的量子態、量子測量方案等。最後，從實驗數據中發現新規律。在天文學和量子物理學等領域，單個實驗就會產生海量數據，從中尋找新規律猶如大海撈針，通過算法則可以快速識別新模式。比如科學家們訓練算法，分析激光幹涉引力波天文台的海量數據集中的微妙信號，發現了引力波。在大型測序數據庫（如人類基因組計劃）中，通過算法發現基因改變規律。

　　第二，促進科研流程智能化，實現高效的實驗控制。傳統上，研究人員手動進行實驗，勞動強度大，而且不安全。如今許多實驗工作流程通過AI控制實現自動化，AIA-Lab是一個用于無機粉末固態合成的自主實驗室，以機器學習分析和解釋使用機器人合成的新型材料的實驗結果。Coscientist是一個由GPT-4驅動的AI系統，可以自主設計、規劃和執行復雜實驗，可以推進多項任務並行研究。在物理研究領域，物理實驗復雜且規模龐大，物理學家使用強化學習算法推導出能在動態環境中運行且最有效的控制策略尊龍凱時 - 人生就是搏!平台，精準控制實驗過程，具體用例包括核聚變的託卡馬克等離子體控制、量子系統的控制和操縱，以及量子計算機中放大實驗的校準。

　　第三，開闢新的研究領域和方向，加速科研成果傳播。AI可以促進跨學科合作，推動新的研究方式。例如，數字人文是一個需要人文學者與數據科學家共同合作的新領域，湧現出計算法學、計算政治學、計算社會學、智能考古等新興研究方向。傳統上人文研究主要依賴定性分析，如今科研人員利用AI引入定量方法，讓研究維度更多元。同時，AI可以支持科學論文評審過程，誠如國外出版公司Frontiers的人工智能助手所展示的，該AI工具可以將論文發送給同行評議人前，對論文的可適用性和創新性進行背景審查，加快科研成果的評價和傳播。

　　可重復性和驗證是科學誠信和科學方法的關鍵原則。可重復性指獨立研究人員使用相同（或相似）的方法，能夠得出與先前研究相同（或相似）結果的能力尊龍凱時 - 人生就是搏!平台，以證明該研究的有效性。如果用于得出研究結果的代碼和數據可用，而且正確分析了數據，則認為論文具有可重復性。在科研領域大規模運用AI加劇可重復危機，因為算法缺乏透明度，AI生成結果的解釋、驗證與重復性研究較為困難。數據集質量欠佳，評估指標使用不當，缺乏標準的建模和評估程序都加劇AI驅動科研成果的可重復性危機。正如《自然》雜志的一篇社論稱“充斥錯誤的人工智能論文比比皆是”，這在採用機器學習方法的領域“普遍存在”，因為模型“缺乏嚴謹性”。[2]

　　AI使用門檻低，開源模型普遍，湧現大量“論文工廠”（paper mills）。在急功近利的心態驅使下，不少科研人員“砲制”欺詐性內容，低質量論文規模迅速增加，給同行審議帶來巨大壓力，因無法驗證論文結果，滋生、傳播大量錯誤科研信息。例如OECD的一份報告指出，人類越來越難以區分AI生成內容和人類生成內容，增加了錯誤信息和虛假信息傳播風險。AI的不透明性和黑箱性質，延續和強化社會偏見，增加模糊性，影響學術交流和同行評審過程，削弱對科學發現的信任。[3]

　　科研人員在數據分析、文獻綜述撰寫、研究評估等方面過度依賴AI，將導致人類的批判性思維喪失、分析技能弱化、寫作能力退化等。科研人員趨于相信方案的唯一性，再難以激發人類靈感，主動探索創意方案。一旦人類缺乏創意，AI將大規模替代人類科研，嚴重威脅人類科學家的主體性地位。由于地緣政治影響，只有少數國家的少數科研人員才有機會使用規模大、功能全的大模型，不同區域或群體的科研人員的科研水平進一步拉大，制造“智能鴻溝”。由于科研群體普遍依賴AI，AI又具有同質性ribibi，造成科研成果近似，加劇“文化單一”性，將阻礙科學進步，妨礙人類探索更先進的解決方案。[4]

　　為預防AI4S中的潛在風險，應堅持協同治理思路，既要發揮科研群體的自我治理的作用，又要重視外部監督的制約作用。面對新的科研範式轉換，在預防風險的同時，還需要加大政策支持，加速推進AI驅動科學研究模式的普及。

　　2024年4月，美國總統科學技術顧問委員會發布報告《助力研究：強化人工智能應對全球挑戰》（Supercharging Research: Harnessing Artificial Intelligence to Meet Global Challenges），提出治理AI4S的三個政策方向，包括資源建設、規範制度和自我監測。首先，提倡共享模型、數據集和計算資源，促進共享公共科學數據集。其次，制定負責任科研行為指南，遵守可信賴的AI使用規範。最後，開發識別錯誤、虛假內容的技術工具，制定大模型性能評價標準。2024年4月，歐盟發布《成功和及時地在歐盟科學領域應用人工智能》（Successful and timely uptake of artificial intelligence in science in the EU），該報告提出從基礎設施建設、倫理素養提升和科研出版物監管等方面規範AI4S。首先，提供資金，打造研究設施，為科學家提供計算能力。其次，開發新的教育和培訓計劃，提升科研人員倫理意識。最後，加強科學期刊管理，保證其嚴謹性和透明度。2024年3月，歐盟發布《科研領域負責任使用生成式人工智能指南》（Living Guidelines on the Responsible Use of Generative AI in Research），要求科研人員對成果負責，透明地使用GAI，同時注意隱私、數據安全和知識產權合規。總之，美國和歐盟對AI4S的治理政策體現為兩個特點：一是鼓勵運用AI從事科學研究活動，大力建設基礎資源設施尊龍凱時 - 人生就是搏!平台，加速向新時代的科研新範式轉換，完成“科學革命”；二是加強AI驅動科學研究的規範性，提高科研群體的自我治理能力。

　　2024年9月，中國科學院科研道德委員會發布《關于在科研活動中規範使用人工智能技術的誠信提醒》，要求科研人員對AI生成內容負責，反對利用AI撰寫同行評議，並如實聲明使用AI的情況。2023年12月ribibi，國家自然科學基金委員會發布《科研誠信規範手冊》，要求科研人員使用GAI處理文字、數據、圖像、音頻、視頻等應披露使用方式和細節，使用GAI生成內容應標注並說明生成過程，並不得將GAI列為成果共同完成人。整體看，我國對AI4S的規範呈現分散化的特征，規則層級較低，尚缺體系化治理框架。“人是使用工具的生物”[5]，AI4S新範式下仍應強調人的主體性地位，避免AI替代人。規範AI4S時，應構建以人為中心的協同治理框架，通過負責任創新和倫理審查機制，讓科研主體自我治理，由國家、社會和市場共同監督這一過程和結果。結合域外政策要點與我國規範現狀，提出如下政策建議：

　　首先，加強科研基礎設施建設與科研數據利用。算力資源是影響AI4S進展的重要因素，國內科研機構普遍缺乏計算能力，制約了大規模復雜科學實驗的開展，國家需要建設科研算力平台，為中西部區域缺乏算力資源的科研人員提供算力支持。AI4S的另一關鍵要素是數據，針對我國科研數據分散、難獲取、質量粗糙等問題，國家應推進公共科研數據集建設，規範科研數據使用，加強敏感科研數據的安全保護，並以知識產權制度鼓勵私人科研數據的開發利用ribibi。

　　其次，提升科研人員倫理合規和自我監督意識。尊重科學家群體自我學術治理的規律，注重發揮科研人員主觀能動性，自覺守法合規地使用AI進行負責任創新。一方面，注重培育科研群體的學術素養，強化科學家精神，確立對科學事業的長期價值觀，提高創新思維和跨學科洞察力，保障個人主體性、批判能力ribibi、科研創新能力等；另一方面，為跨學科領域的科研人員提供交流平台，鼓勵科研人員對AI生成內容進行批判，加強對新科研成果的質疑與驗證，衝破“AI科研成果單一化”束縛，激發人類創新靈感。

　　最後，加強AI運用過程和科研成果傳播使用的規範性。國內外都對使用GAI提出了原則性要求和指引，但都屬于軟法範疇，缺乏強制約束力，規範作用有限。為了增強這些原則的約束力，應該為AI4S制定法律規範，針對違規科研、科研造假、濫用AI等行為創設法律責任。強化AI4S中的倫理審查，加大對科研群體的合規性監督ribibi，構建事先自我治理與事後外部追責的“雙軌”制，既給科研人員科研自由，又給科研人員劃定行為邊界。制定科研算法模型準確性、魯棒性和可解釋性的指標體系，開發識別歧視、偏見、虛假內容的技術工具ribibi。制定科研成果出版、傳播的新標準，規避錯誤信息“科學化”，及時阻斷“偽科學”成果生成和傳播。