世界人工智能大会：科学数据进化中失败样本同样重要

在刚刚收官的2026世界人工智能大会暨人工智能全球治理高级别会议上，AI4S（人工智能驱动的科学研究）无疑成了全场焦点。围绕“科学数据的未来”，业内专家们展开了一场颇具深度的讨论。

近日，在2026世界人工智能大会“语料筑基 智生时代”语料创新论坛圆桌环节，业界热议数据“进化”。中新网记者 郑莹莹 摄

施佳樑：数据是AI的“粮食”，AI4S需要真实、细致、全面的数据闭环

在“语料筑基 智生时代”语料创新论坛上，上海库帕思科技有限公司首席运营官施佳樑的观点很直接：数据是AI的“粮食”，这个比喻最近大家都听得多了。但关键在于，AI4S需要的“粮食”不仅要数量充足，还得够“真”、够“细”、够“全”，并且能够形成闭环。说白了，怎么把实验室里那些原始的湿数据，转化成可训练、可验证、可流通的数据要素，这才是整个行业必须共同面对的真问题。

唐波昊：负样本价值凸显，科研范式正从“以人为中心”转向“以AI为中心”

有意思的是，上海创智学院青年研究员唐波昊从另一个角度切入。他提到，过去这一年，大家开始重视收集实验过程的内容，但痛点恰恰集中在“负样本”上。现在模型训练主要依赖公开数据集和文献，而这些出版物里的数据都是经过精心筛选的，几乎没人会把失败的实验过程放进去。但科学发展本身就是一个不断试错的过程，那些失败样本或异常样本，某种意义上比成功案例更有价值。关键在于，如果科研范式真的从“以人为中心”转向“以AI为中心”，人的角色就会变成判断AI研究方向是否可行，而不是事必躬亲地去拆解任务。

赵润锴：智能体缺乏自我反思能力，人工成本成现实瓶颈

上海人工智能实验室青年研究员赵润锴则点出了另一个短板：目前的智能体普遍缺乏自我反思和自我纠错的能力。如果智能体不具备这种能力，每出一次错都得靠人手动纠正，那么从人工成本的角度看，可能还不如让人从头开始做实验。这其实是一个非常现实的问题。

魏龙：验证环节是瓶颈，通用科研范式让文科生也能涉足自然科学研究

上海科学智能研究院AI科学家魏龙给出了一个更形象的比喻。他认为，大模型的生成能力已经很强，真正的瓶颈卡在验证环节——很难判断一个结果是否具有科学价值，甚至是否正确。这就好比导师带学生，如果导师提供的评估信号不够好，学生就很难朝着更有价值的方向探索。而目前，这样的信号恰恰是缺失的。

不过，在论坛接近尾声时，魏龙提到了一个特别让人兴奋的现象：一种比较通用的科研范式正在出现，甚至有可能让文科生都能便捷地涉足自然科学研究。他举了一个最近的赛事实例，一位本职是律师的参赛者，通过智能体交互等方式，同时参与两个赛道的角逐，最终还拿到了不错的成绩。评委们都非常震惊。这无疑表明，一个新科研时代正在拉开序幕。到明年，这样的趋势可能会更加明显。