摘 要:AI科学革命会导致多个方面的变革，包括利用人工智能开展科研、学术带头人精英化、科研组织精约化、科研管理与科研产出考核精准化、科学从“现象-分析”二维升级到“现象-分析-价值”三维。AI科学革命将科学带入超级PI制的时代，实施一流人才战略，打造以一流人才为中心的卓越科教体系，提升原始创新能力，加快实现科技自立自强。转变科技发展模式、从科技致富转型为科技致善、从致富创新转型为致善创新，化解人类安全危机，构建人类安全共同体。
关键词:科技风险 一流人才战略 AI科学革命 科技发展模式 AI for PI 超级PI制 致善创新
【中图分类号】G3 【文献标识码】A
人工智能（AI）大爆发将对社会方方面面产生巨大冲击，正在迅速改变科研的各个方面，引发AI科学革命，至少导致五个方面的深刻变革：一是利用人工智能开展科研；二是学术带头人（PI）精英化；三是科研组织精约化；四是科研管理与科研产出考核精准化；五是科研以人为本、科技致善，科学从“现象-分析”二维升级到“现象-分析-价值”三维。
人工智能促进一流人才战略实施
一流人才战略是一个系统性的战略体系，包括一流人才的标准、甄选、作用、任用、支持、培养。任用环节是能否让一流人才充分发挥作用的关键，请一流人才担任学术带头人，实行超级PI制，特别是在一流学科建设中，甄选一流人才担任学术带头人是一流学科建设的决定性因素。“支持”包括硬支持和软支持，硬支持指研究与创新服务平台的支撑、PI制科研制度和人才政策及制度；软支持包括科研环境、科学文化等。学术体系是非常精巧、奇特的体系，只有具备如此品质者——热爱学术、敬重孜孜以求的同行、热心帮助支持有原创等卓越贡献的学者、独立人格、不趋炎附势——才适合进入真正的学术体系。一流人才战略在实施中，应强调“在学言学”，真理面前人人平等，学术事业是不拘一格降人才的事业，公平竞争至关重要。科研诚信不仅要远离学术不端，更要具备承认技不如人、“谁能干让谁干”的雅量，有承认对自己不利的新观点、新成果的胸襟和勇气。
学术应该以理服人，而非以“帽”压人、以权压人。人才“帽子”的设置有其当时的历史原因，如今已完成了历史使命，在加强基础研究、追求原始创新和科技自立自强的今天，应该减少或叫停增选各类人才“帽子”（已有称号可以保留）。增选新的中国科学院院士应该提高标准，比如从目前的“在科学技术领域取得了系统性和创造性的重要成就，……可被推荐并当选为院士”，提升为国家自然科学奖一等奖的标准“在科学上取得了突破性的进展，……学术上为国际首创或者领先”等，既体现高标准严要求，又明确、鲜明，杜绝一些掌握学术资源者的非分之想，使得国家最高学术称号与世界科技强国的地位相称、相配[1]。
科研，特别是基础研究、理论研究、原始创新、人文社科、智库咨询研究，一流人才的作用是决定性的，只有甄选一流人才作为学术带头人（PI）才能有效推动该领域的研究工作。PI制是一种科研组织管理模式，起源于欧美国家并在全球范围内得到广泛应用，PI（学术带头人或首席科学家）对科研项目拥有人财物的主导权和指导权。目前，我国科研事业正从引进吸收、跟踪跟进阶段向原始创新、自立自强阶段转型，科研难度陡然增高，传统的科研体系难以胜任。AI评价在破“五唯”立新标方面将大有作为，有利于科学甄选一流人才担任学术带头人，推动原始创新。
利用AI进行评价应该抓大放小，而不是面面俱到。当通用人工智能（AGI）出现之后，人才可能被人工智能所替代，只有一流人才才是无可替代的。人才评价不仅分类也分层，可利用AI甄选专属特征鲜明的一流人才，担任学术带头人，然后由其招募、考核成员，因PI与团队成员没有利益冲突，因此可以实事求是。为此，笔者提出AI for PI、AI for Review，即AI甄选、评价、赋能学术带头人，作为AI科学革命的重要组成部分。
如何认定原始创新是甄选一流人才的关键。笔者提出“专属特征分析法”，对事物的多项专属特征进行分析，更准确地呈现事物的独特之处，并集成在一起形成一个独特的识别系统，也有助于利用AI进行甄选、评价。原始创新成果的四项专属特征分别是：一是原创成果的结构特征——突破点四要素（突破什么，怎么突破的，突破开辟的新领域、新方向及其意义和前景，原创成果的主要创见及核心贡献凝练成一句话）；二是原创成果的过程积累与行为特征——十年磨一剑，聚焦专注研究、发表同题系列论文论著或专利清单；三是原创成果得到学术界长期正面反馈的好评特征——获奖、转载、引用、受邀报告等学界好评；四是原创成果国内外同类比较的优势特征——国际国内同类工作的盘点比较及优势。这四个特征都是原始创新或重大创新的专属特征，单独一项对原始创新就有所反映，四项特征集成起来，相当于得到学术界长期的同行评议，凸显原始创新的独特性，也形成了原始创新的特征壁垒，难以假冒、便于识别，也便于研发认定原始创新的AI评价法。其中，对于职业学者而言，长期坚持研究一个问题，往往因为通过长期文献检索、国内外交流、互动，对研究思路或技术路线与研究结论、对研究的新颖性、对学术界和同行的反馈有信心。因此，职业学者在行为上才会十年磨一剑、二十年磨一剑，这就是原创成果的过程积累与行为特征。专属特征分析法包括三项内容：一是确定分析对象的专属特征；二是进行专属特征关联分析、结构化分析，将所有专属特征之间的关联揭示出来，组合、集成，形成辨识度高的独特识别系统，便于甄选、评价；三是基于前面两项内容，利用人工智能相应技术研发“专属特征AI分析软件或智能体”，实现学术评价、人才评价智能化。以评价原始创新成果为例，首先确定原始创新成果的四项专属特征，并用原始创新成果的结构特征、积累与行为特征、学术界反馈特征、综合特征等显示出原始创新成果及其产生过程与反馈情况，其集成特征鲜明、独特，便于识别。笔者进一步提出甄选一流人才的“五步识才”法：确立一流人才标准（做出原创者为一流人才）、以“尖”识才（拔尖人才是因为有“尖”，“尖”是原创成果）、以长期反馈识才（学界长期对原创成果的好评）、同主题比较识才（不同学者同主题代表作比较）、用户需求识才（用户需要一流人才）。
AI for Review不仅高效合理地甄选学术带头人（PI），而且可以实现对科研成果的精准考核，避免“低标准、逆淘汰”，实现“高标准、优胜出”，大幅度降本增效。一是建立重大科研项目负责人的资格认证制度，确认其是一流人才或潜在的一流人才，否则，取消该项目，或化整为零、换成若干小项目让青年学者申请；二是严格评审结项成果，凡是未达预期目标者一律“不通过”，避免劣币驱逐良币[2]。
PI精英化是指由主题名师担任PI，主题名师是在某研究主题下取得国际与众不同、国内首屈一指或最好之一的成就。利用专属特征分析法，借助AI for Review，容易识别一流人才、主题名师。由主题名师（一流人才）作为PI的PI制可以称之为“超级PI制”，以区别于普通的PI制，是基础研究、理论研究、原始创新、人文社科及交叉科学与原始创新的主力军。知识用户须知，一流学者与二流学者的差距不是程度上的，而是层次上、方向上、维度上的差距，是跳跃、突破、颠覆、原创与延伸、扩展、推进之间的区别。目前对科研“领导力”的界定面面俱到，要求具有领导力的领导者是“全能冠军”，实际上可能会牺牲单项能力的高度，其中前瞻力、领航力更是科研领导力最关键的能力。
一流人才战略要旨是打造以一流人才为核心的卓越科教体系。AI科学革命将科学带入超级PI制的时代，超级PI制与PI制的区别有二：一是超级PI是一流人才、一流学者，他们不是以“人才帽子”示人，而是以原始创新作为标志性成果与学术招牌而立足前沿；二是超级PI制拥有更多资源与自由度，其基于高水平研究与创新服务平台，直接由国家资助、考核，也接受严格监督，不受单位限制，可以实施“双城学者计划”，以柔性引才方式，让一流人才充分发挥作用。
人工智能促进科研组织精约化与科研产出考核精准化
基础研究、理论研究、人文社科、智库咨询研究与原始创新是一流人才的事业，调动一流人才的积极性、创造性、持续性，就应该提供一流人才需要的、而非管理者需要的科研组织方式。历史经验和当代科研活动表明，PI制是深受科学家、特别是一流科学家欢迎的科研组织方式，至少应该让一流科学家有选择不同形式的科研组织的自由。
AI科学革命引发科研组织变革，实现科研组织精约化、平台化、网络化。基于人工智能、网络化、数字化、虚拟技术等信息技术和基于研发与创新服务平台，加上科技社团等学术共同体，可以高效合理地实现交流合作，统筹协调经费财务、图书资料、声望荣誉等各种功能，实现科研机构扁平化、网络化、平台化、智能化、自组织化。借助AI的精准资源匹配与对PI团队的直接资助，可大幅度降低科层制的组织成本。网络化实现组织扁平化，AI导致组织精约化，PI加AI助手，可以精简团队成员。Nature 杂志官网发表一项研究发现，小团队比大团队更能做出颠覆式的创新成果[3]。利用AI和互联网的以PI团队为资助对象的资源配置方式，比资助研究机构然后在机构内部进行二次分配要有效、合理得多。对于研究任务有两种情况，一是单独的PI团队即可承担，二是需要不同PI团队之间，根据各自团队的科研擅长与特点，自行组织、自愿合作、形成意愿共同体，也可以借助AI匹配合作机会，这就是合作自组织化。自组织是有组织的高级形态。
我国民营企业科技创新的成功实践表明，应该大幅精简学术官本位科教体系，将更多的资源和人才（特别是一流人才）配置到研发与创新服务平台支撑下的PI制与超级PI制体系，配置到新型研发机构和民营科技企业，打造以一流人才为中心的卓越科教体系，才能加强基础研究、提升原始创新能力，加快实现科技自立自强。
借助AI进行科研管理(AI for Manage，AI for Review)，包括科研流程管理和学术评价，具有客观公正、高效合理的特点。AI for Review将科研产出考核推进到精细化考核阶段，以新知识点为科研产出基本单位，科研产出是“数据库-知识点”模式（论文作为必要的附件），新知识点包括新资料点（新史料点）、新创新点、新突破点等，论文摘要应格式化为以产出的新知识点为核心。如此，垃圾论文、学术泡沫、学术平庸会被一扫而光，科研体系将发生颠覆性变化，PI精英化，只有“一流”才能生存[4]。
利用AI构建主题知识库与基本参考文献数据库，构建科研成果影响知识库。AI赋能科研还包括建立更加高效合理的学者声望体系，直接通过知识图谱定位、展示学者的贡献与地位，特别是做出原始创新等突破性进展的学者，成为主题名师、超级PI，突破与否用突破点四要素（如上所述）予以评价，在知识图谱的学术前沿占有一席之地。
人工智能促进科技创新和科技致善
西方近代科学自诞生以来成绩斐然，发生了一系列科学革命，但它们都是在“现象-分析”二维平面内进行的，可视为“二维科学”。其所追求的是符合性真理，在观念上认为科学探索无禁区，机制上有一套纠错机制；用科学价值中立说和“双刃剑”模式分析科学的负面作用，责任归于使用者、归于社会，科学家对科学的社会后果概不负责。
“二维科学”加“双刃剑”模式的免责保护，导致科技在追求更高、更快、更强、更盈利的道路上一路狂奔，直到以实现通用人工智能（AGI）为目标的生成式人工智能的大爆发，将会造成大规模失业、大规模造假、大规模AI军备竞赛。近年来，“二维科学”的缺陷暴露得越来越多，AI等科技风险愈演愈烈。以“安全是发展的前提”为原则审视AI大爆发可知，如果科学技术不安全，则可能成为第一破坏力。长期以来，人们习惯于用老办法、旧思维解决新问题、新挑战，然后慢慢磨合、调整，逐渐适应新形势。然而，生成式AI以及量子计算等尖端科技大爆发，速度极快，来不及调适，人类面临前所未有的巨大挑战。
安全的科学技术是第一生产力、是第一竞争力。安全，特别是主动安全，不是辅助性的，而是形成竞争力的关键。例如，网络安全做得好的网络技术极具竞争力。为发展安全的科学技术，需要从根本上变革西方的科学体系，增加“价值维”，从“二维科学”转型为“三维科学”。AI赋能“三维科学”，不仅具有第一套纠错机制（证实、证伪），更具有第二套纠错机制（证善、证恶），价值维对合理性进行定性、定量的衡量与评价，AI评价可以发挥重要作用。
科技致善不仅包括科技是生产力、竞争力，更包括科技是安全力、公正力、永续力。创新从趋利创新、致富创新转型为致善创新，例如，新质生产力是致善创新主导的先进生产力。科技致善、致善创新是科技制高点、道德制高点、未来制高点。
目前科技危机与人类安全危机的根源在于西方知识体系存在诸多缺陷。如上所述，西方科学是“现象-分析”二维科学，加之科学价值中立、技术价值中立、“双刃剑”思维，使得科学家对科研的社会后果无需负责。西方知识体系缺陷的关键，是个人导向、学科专业导向、企业导向、资本导向。从科学家、学科专业角度出发，一定是各自为政、极尽发展之能事：物理学探究物质结构、基本粒子，即使引发原子弹的出现与核军备竞赛也不汲取教训；脑科学、认知科学孜孜以求揭示人类大脑思维的奥秘，其突破性进展导致AI大爆发；AI专业以追求比人类聪明的AGI为目标……集体主义导向、社会与人类安全共同体导向则完全不同：在科学上，有所为有所不为；在经济上，不仅满足个人、企业的需要，更要满足人类的整体需要和长远需要。解决科技危机、人类安全危机，应从个人主义导向转型为集体主义导向、人类命运共同体导向。加强科学技术与社会研究（STS），科学家与人文社科学者要共同成为科学研究的主体。
科学从个人（科学家）导向转型为社会导向、人类导向，主要有四项内容：一是本位与视角的变化，从科学家、学科专业的本位转变为以人类进步为本位，以人类整体利益、长远利益的视角考虑各个学科专业的发展，有所为有所不为；二是研究范式的变化，从“现象-分析”二维升级、转型到“现象-分析-价值”三维；三是主体变化，从理工科专家为主，扩展到理工科专家与人文社科学者共同组成研究主体，人文社会科学是“方向盘”与“刹车器”；四是带头学科的变化，综合交叉领域将成为新的带头学科或学科群，STS研究与未来学研究确定哪些学科专业有所为有所不为。
由于基础研究、疯狂科学家及黑客、军事国防、企业研发等四类主体不受科技伦理的约束（例如，欧盟《人工智能法案》明确注明科学研究、军事国防不受法案约束），因此开展科技伦理研究应该直面科技伦理失灵，以此为研究起点，开展以科技转型为前提的科技伦理治理研究。与之配套的是创新从趋利创新、致富创新转型为致善创新。工业革命以来的二百多年间，发生一系列大规模技术创新、致富创新，物质财富快速增加，人民生活有了较大改善。随着科技加速发展，科技伦理、科技风险、科技安全等问题愈发凸显，合成生物学、人工智能等尖端科技在争议中快速发展，科技风险愈演愈烈。
工业革命以来，市场经济对于满足个人需求、企业需求（特别是眼前需求）的产品及服务给予充分回报，toC（对用户）、toB（对企业）的知识、资源、激励、人才极多，而toG（对政府）尤其是toH（关于人类）的则较少；涉及“科技致富”“科技创新”“致富创新”的是“西瓜”，涉及“科技致善”“致善创新”“科技风险治理与伦理治理”的是“芝麻”，极不对称[5]。科技创新、致富创新与自然科学技术相互加强，学术创新、致善创新与人文社会科学相互加强。toC与toB基于经济市场，toG尤其是toH则依靠思想力量。如果说经济市场主要对满足个人、企业等机构的眼前需求给予充分激励与回报，那么思想力量应该更加全面地考虑人类整体需要与长远需要，并且为此给予充分激励与回报。这需要进行分配改革，改变目前对满足人类安全需要、整体需要和长远需要者回报过少、激励极不对称的现状。研究、设计、实施新的有关制度，使得只有致善才能致富。将足够多的人才与资源配置到科技风险治理、科技安全、人类安全、致善创新、可持续发展领域，形成人才济济的公共利益集团，才能转变科技发展模式、从科技致富转型为科技致善、从致富创新转型为致善创新，化解人类安全危机，构建人类安全共同体。
结语
当前，人工智能、合成生物学、量子计算等在争议中快速发展，在开展科研时难以遵循伦理规制、易被恐怖分子利用，特别是无法阻止牟取暴利（经济、军事、政治的巨大利益）的高风险创新。AI等科技风险愈演愈烈，科技致善与科技风险治理的关键，是转变AI发展模式、转变科技发展模式。
AI科学革命不仅改变了科研方式，而且改变了科研的组织方式与管理方式，将导致五大变革：利用AI开展科研、PI精英化、科研组织精约化、科研管理与科研产出考核精准化、科学从“现象-分析”二维升级到“现象-分析-价值”三维。AI科学革命，能够推动实施一流人才战略，将科学带入超级PI制时代，能够助力科技安全发展、人文社会科学崛起与大规模致善创新。
面对AI科学革命，一要实施一流人才战略，利用专属特征分析法、“五步识才法”和“1+N”主题名师甄选法，甄选出一流人才、主题名师，担任双一流大学的一流学科的学术带头人，成立主题名师工作室，作为云智库为各级决策者提供一流的知识服务，快速提升我国的科技实力与智库实力。二要双管齐下应对人工智能竞争：一方面紧跟AI国际前沿；另一方面认清世界主流AI发展模式存在根本缺陷、不可持续，而提前布局，以人为本、发展“人工辅能”，强调人工智能辅助人类而非替代人类，基于技术维度，增加文化维度，实现底线安全、行稳致远，引领人类迈向安全、和平、公正、繁荣、可持续发展的新世界。
【本文作者为中国科学院自然科学史研究所研究员】
注释略
责编：董惠敏／美编：石 玉