这条路线很快得到印证,就在今年10月初,数学家团队与大模型协同完成了悬置30余年的三维吉斯(Ghys)猜想证明。法国数学家艾蒂安·吉斯1995年提出这项猜想,探索能否将看似无序的复杂运动归入结构清晰、可严格分析的数学模型。面对这一世界级难题,数学家团队负责把握研究方向、研判关键路径,大模型参与问题拆解、探索候选路径并开展长程推演,再由相关团队借助形式化工具完成严格核验。这一突破的价值,不仅在于一个具体问题取得进展,更在于实现了专家判断、机器推演与严格核验的高效协同,让“通专融合”的探索机制在最具智力挑战的数学前沿得到了验证。
要将人机协同的经验沉淀为普遍科研能力,必须依靠能够贯通全流程的平台载体,打通从科学问题定义、方案规划、全域资源调度、分布式验证,直至小试、中试与产业应用的全链条。有了这样的平台,“环境即数据”可从理念走向工程现实:实验中的每一次行动、反馈、参数微调与专家校准,均沉淀为可验证、可学习的科研轨迹。平台把逻辑推演、干湿实验与工程放大连接起来,不仅加速“从0到1”的源头假设产生,更切实服务“从1到10”的技术迭代与“从10到100”的产业扩大。
平台的长远价值不仅在调度算力与工具,更在于构建共享的研究条件,让更多科学家站在共同的高原上攀登各自学科的高峰,让一次探索留下的方法、数据与经验,成为下一次探索的起点。
面对新一轮科技革命与产业变革,人工智能必将不断拓宽人类的认知边界。AI可以大胆假设,科学结论却必须可验证、可追溯、可复现,这条底线不会松动。科学探索的罗盘,始终掌握在人类的心智、好奇心与价值判断之中。决定什么问题值得追问、什么证据足以支撑结论,始终是科学家的核心职责。
从解题到发现,人工智能与科学的双轮驱动,绝非让机器替代人思考,而是让人的洞察获得更有力的延伸与支撑,让科学在探索中不断催生新的问题、新的方法和新的答案。
(作者:周伯文,系上海人工智能实验室主任、首席科学家)





