中國工程院院士、之江實驗室主任王堅
AI for Science（AI4S）再次迎來新突破。
最近，在杭州舉辦的021科學(xué)基礎(chǔ)模型創(chuàng)新合作大會上，浙江之江實驗室首次全面展示021科學(xué)基礎(chǔ)模型及系列領(lǐng)域科學(xué)模型研發(fā)的進展，包括全球首個百億級人類基因組基礎(chǔ)模型Genos。
021模型構(gòu)筑形成跨學(xué)科知識、跨領(lǐng)域推理、跨語言理解（覆蓋204種語言）三大基石，具備出色的科學(xué)推理能力，能夠深入分析、推導(dǎo)、驗證多類科學(xué)問題。
“021”就是“從0到1”，其中包含著之江實驗室對科學(xué)基礎(chǔ)模型的理解和發(fā)展規(guī)劃。
在中國工程院院士、之江實驗室主任王堅看來，“如果基礎(chǔ)模型是人工智能的皇冠，那么科學(xué)基礎(chǔ)模型就是人工智能皇冠上的明珠。”
之江實驗室科學(xué)模型總體部技術(shù)總師薛貴榮認(rèn)為，科學(xué)數(shù)據(jù)涵蓋時間、空間、能量等多個維度，是對復(fù)雜物理系統(tǒng)演變規(guī)律的高維表征。為解決科學(xué)問題，科學(xué)界需要突破語言空間的局限，研發(fā)科學(xué)基礎(chǔ)模型，構(gòu)建“科學(xué)空間+語言空間”于一體的更高維空間，建立跨學(xué)科數(shù)據(jù)之間的深層連接，變革科學(xué)研究范式。
為此，之江實驗室研發(fā)團隊探索將科學(xué)數(shù)據(jù)和文本語料編碼到統(tǒng)一的高維空間，讓模型能夠識別、處理科學(xué)數(shù)據(jù)，認(rèn)識并解決復(fù)雜科學(xué)問題。經(jīng)過近萬次實驗，團隊形成了模型訓(xùn)練框架，包括預(yù)訓(xùn)練、后訓(xùn)練、強化學(xué)習(xí)等，并完成了2360億參數(shù)規(guī)模的021科學(xué)基礎(chǔ)模型訓(xùn)練。
021，不僅是“zero to one”的簡寫，也是AI正在從輔助科研轉(zhuǎn)向重構(gòu)科研的符號。
在AI4S的道路上，之江實驗室通過與科學(xué)合作伙伴共同舉辦“種子班”來培養(yǎng)團隊，讓不同學(xué)科背景的人才聚集在一起，由專家級班主任帶領(lǐng)，共同碰撞創(chuàng)新，在實戰(zhàn)中完善、升級。截至目前，之江實驗室已累計舉辦22期種子班，培育了900余名緊缺型AI人才。
圖片來源：之江實驗室
這并不是021模型第一次落地，在本月正式發(fā)布前，其在諸多科學(xué)領(lǐng)域已有成果展示。
其中引人關(guān)注的，是生命科學(xué)領(lǐng)域的全球首個百億級人類基因組基礎(chǔ)模型Genos。
10月23日，之江實驗室與華大生命科學(xué)研究院在第二十屆國際基因組學(xué)大會上聯(lián)合發(fā)布并開源了這款大模型。該模型支持多達百萬堿基對的超長上下文分析，并實現(xiàn)單堿基分辨率的精準(zhǔn)識別。
Genos整合了人類泛基因組參考聯(lián)盟（HPRC）和人類基因組結(jié)構(gòu)變異圖譜計劃（HGSVC）等資源，基于636個“端粒到端粒”級別高質(zhì)量人類基因組數(shù)據(jù)進行訓(xùn)練，覆蓋全球不同人群。
Genos模型采用混合專家（MoE）架構(gòu)，通過“按需激活”機制降低推理成本，在致病性突變解讀任務(wù)中準(zhǔn)確率達92%，結(jié)合科學(xué)基礎(chǔ)模型后提升至98.3%。它提供12億和100億參數(shù)兩個版本，已在GitHub、Hugging Face及魔搭等平臺開源，并集成至DCS Cloud云平臺提供免費推理服務(wù)。
在地學(xué)領(lǐng)域，之江實驗室向全球開源了地球科學(xué)大模型GeoGPT。
該模型基于021科學(xué)基礎(chǔ)模型研發(fā)，目前已進行了數(shù)次迭代，支持圖像描述總結(jié)、圖像信息提取、地理空間推理、地學(xué)分析推理等典型任務(wù)，通過融合深時地球數(shù)據(jù)與智能算法，提升地學(xué)研究效率。
同時受到矚目的，還有之江實驗室聯(lián)合中國科學(xué)院國家天文臺研發(fā)的天文領(lǐng)域科學(xué)大模型OneAstronomy。
該模型同樣基于021基礎(chǔ)模型打造，能夠?qū)崿F(xiàn)跨模態(tài)融合推理，重構(gòu)數(shù)據(jù)處理范式，釋放望遠鏡自主觀測潛力，推動實現(xiàn)“觀測即發(fā)現(xiàn)”，今年9月被列為全球科技公共產(chǎn)品，服務(wù)于開放科學(xué)行動。
此外，在材料學(xué)領(lǐng)域，021打造出了多孔合金材料模型OnePorous，可根據(jù)材料性能需求，逆向生成新型多孔結(jié)構(gòu)，目前已應(yīng)用于3D打印衛(wèi)星主體結(jié)構(gòu)制造。
事實上，自去年諾貝爾化學(xué)獎和物理學(xué)獎，均授予了與AI密切相關(guān)的研究者后，AI4S就已被普遍認(rèn)為是AI大模型的又一進階之路。
各大高校和科研院所對AI4S探索步伐加速的同時，政策也在持續(xù)加碼。其中引人關(guān)注的是，今年11月，美國總統(tǒng)特朗普還曾簽署行政令啟動AI“創(chuàng)世紀(jì)計劃”。該計劃試圖利用人工智能變革科學(xué)研究方式、加速科學(xué)發(fā)現(xiàn)，生物技術(shù)、關(guān)鍵材料、先進制造業(yè)等均是重點領(lǐng)域。
不止于學(xué)術(shù)界，包括谷歌、微軟、Meta等全球科技巨頭，也在這一領(lǐng)域進行了重點布局。其中，谷歌DeepMind的Alpha系列大模型一直被視為領(lǐng)軍者，該模型近年來在蛋白質(zhì)結(jié)構(gòu)預(yù)測方面的突出表現(xiàn)，已成為了AI4S的典型案例。
不過，目前大模型對科研領(lǐng)域的助力，覆蓋范圍還有所局限。在這一方向上，人才、科學(xué)數(shù)據(jù)的搜集整合、不同前沿學(xué)科的交融等問題亟待解決，并且極度缺少既往成功經(jīng)驗和案例可參考。某種程度上，這更凸顯了打造新的基礎(chǔ)科學(xué)大模型的重要性，這也正是021科學(xué)基礎(chǔ)模型被開發(fā)及面世的意義。（作者｜胡珈萌，編輯｜李程程）
快報
根據(jù)《網(wǎng)絡(luò)安全法》實名制要求，請綁定手機號后發(fā)表評論
種子班讓緊缺 AI 人才快速成長，以后搞 AI4S 不怕沒人干活了
GeoGPT 幫地學(xué)研究者處理復(fù)雜數(shù)據(jù)，以前要好久的活現(xiàn)在快多了
Genos 一出來，基因分析不用再一點點摳數(shù)據(jù)，科研人員能少熬不少夜
材料學(xué)的 OnePorous 能逆向造新型多孔結(jié)構(gòu)，新材料研發(fā)有新工具了
021 模型能懂 204 種語言，2360 億參數(shù)規(guī)模，這技術(shù)實力在 AI4S 領(lǐng)域絕了
從 0 到 1 的突破最難，021 模型做到了，以后 AI 重構(gòu)科研的路會越走越寬
22 期 “種子班” 培養(yǎng) 900 多 AI 人才，不同學(xué)科一起創(chuàng)新，人才儲備夠足
有了 021 模型和種子班人才，中國在 AI4S 領(lǐng)域說不定能領(lǐng)跑全球
021 模型就是來解決這些問題的，給 AI4S 發(fā)展指了條明路，意義太大了
AI4S 現(xiàn)在缺成功經(jīng)驗，021 模型的成果能給大家當(dāng)參考，少走彎路