【資料圖】

中新網北京12月16日電 (記者 劉文文)中國新聞社16日在北京主辦以“新格局·新動能”為主題的“國是論壇：2025年會”。圍繞如何破解AI科學發現的“堰塞湖”困境，工業和信息化部原副部長、工業和信息化部電子科技委主任王江平在會上展開深入分析。

王江平表示，當前AI的預測成果呈現指數級迅猛增長，但人類的驗證能力和產業化能力卻呈線性增長，兩者之間差距巨大。AI一天的預測結果，人類需要10年甚至更長的時間來驗證，這種矛盾就像“堰塞湖”一樣堵塞了科學發現轉化為實際應用的通道，不僅導致海量預測成果無法及時得到實驗驗證和產業化應用，還占用了大量科研資源和算力資源。

為什么會出現“堰塞湖”？他分析，主要有以下原因。

第一，預測模型具有局限性。比如，邏輯推理和知識深度不足、存在黑箱困境與幻覺風險、目標推導能力有限等。

第二，缺乏標準和評估體系。由于缺乏評估標準，海量預測結果的準確率和可合成性難以確定。

第三，實驗驗證能力普遍不足。環境適配性與靈活性較差，當前實驗室多為人類操作設計，難以滿足AI自主驗證需求；跨平臺互操作性偏低，存在數據孤島、設備孤島等問題；感知與分析銜接不夠，自主實驗需實現“感知-決策-執行”閉環，但目前這一環節仍存在脫節。

針對上述難題，王江平提出一些對策和建議。一是加強數據集、高價值知識中心和AI預測結果評估標準體系的建設。他分析，當前重點行業的高精度、長序列、多模態的數據集仍然欠缺，亟須建立公共的高價值數據中心，減少重復工作，并構建權威性的預測結果評估體系。

二是加快AI自主實驗室的建設。王江平認為當前，AI自主實驗室建設仍有諸多工作待推進。要倡導開源與模塊化發展，降低自主實驗室建設門檻。要探索“人在回路中”的混合增強智能，當前完全無人化的“AI科學家”尚難實現，仍需人類參與，因此“人在回路中”的增強智能在現階段不可或缺。要發展數字孿生與通用知識模型。要探索多智能體協作的“聯合科學家”模式。

三是加強中試平臺的建設，發揮我國應用場景的優勢，推動工程化的創新。此外，還要推動學術界和產業界合作等。(完)

關鍵詞： 堰塞湖 AI 自主實驗 知識模型 人在回路中