一、主要发现

1、近几年AI主题的科学文章激增。尤其是近5年发表的AI文章，数量达到峰值。到2022年9月，全球约5.7%经同行评议的研究文章是AI主题。2020年，在研究主题变为COVID-19之前，谷歌学术搜索中最有影响的前5名研究论文中有3篇是AI主题。

2、AI正越来越用于广泛的研究领域。1960年，即图灵的里程碑式文章提出“机器能思考吗？”的问题十年后， AI文章仅占333个研究领域的14%；1972年该比值已过半。当前，98%的研究领域涉及AI。在计算机科学领域，目前30%的同行评议文章是AI主题，而AI的使用远远超出了计算机科学。实际上，自然科学、物理科学、社会科学及艺术人文科学的所有领域都在迅速吸收人工智能技术，数学、决策科学、工程、神经科学和卫生职业的AI采用率最高。

3、公私行业的AI研发投资在上升。随着发达经济体平均研发强度的上升，为AI投入的各种资源在增加，从事AI研发的科学家人数也在快速增加。自2017年以来，60个国家和地区已逐步制定了700多项AI政策和战略措施。

4、大量个例表明AI能提高研究效率和效果。已开发的自动机器人系统1天可测试12000个太阳能电池，是人工测试速度的600倍。机器学习发现疾病基因的方法每15个小时可处理1000万个基因组变异，而传统研究方法估计要花10万年。

5、AI发展也带来挑战。在各研究领域应用AI也带来了挑战并具有一定程度的风险。例如，用于诊断COVID-19的62种机器学习模型都对临床应用无效。

二、未来发展路径

1、软硬件升级。为机器学习设计的定制处理器正加速计算，量子计算会导致算力飞跃。如，带有无程式码AI软件工具的微软Azure和亚马逊网络服务等平台正使科学家更容易开发和应用AI。

2、探索更佳数据。大数据时代会转向更佳数据时代。能支持关键业务实际应用的机器学习，在使用优化后的更小数据集方面最近已取得突破。对高质量数据集针对性投资将使研究机构能进一步开发AI能力。

3、教育、培训和技能等方面在提升。仅2017~2020年，大学里AI课程的数量就增加了103%。近5年来，大学和理工学院的本硕AI学位和课程已爆发性增长。为希望提高AI技能的科学家而开办的收费或免费的职业发展教育和培训在多样性上也有所增加。研究机构可利用广泛的培训和教育资源招聘AI人才和提升现有员工的能力。

4、面向以人为中心的AI。在多数情况下，AI将增强而不是取代人类科学家。研究机构需要找到办法使人与AI共同推动的系统可以和谐工作。信任、透明性和可靠性等问题对AI系统相关的科学家和审稿人都很重要。

5、改善劳动力多样性。当前AI研究人才队伍缺乏性别、伦理和文化等方面的多样性，这限制了科学产出的质量。改善这种多样性将导致更好的科学产出。

6、符合伦理的AI将满足社会期望并遵守法规。研究机构的未来重任是开发各种能力、技术和文化，以提供越来越符合伦理的AI。之前各种自愿的约定可以成为规章和法律，例如欧美已提出针对AI的立法。（刘栋）