在人类文明的认知长河中，从亚里士多德的经验火炬到牛顿的理性星辰，从图灵机的计算微光到大数据的信息洪流，科学范式的演进始终如灯塔般照亮未知疆域。而今，人工智能如超新星般爆发，催生着科学界翘首以盼的 “第五范式”。
本书作者刘志毅以十余年智能计算与空间智能研究之积淀，在书中揭示：第五范式绝非技术工具的简单迭代，而是科学方法论的基因重组。它将 AI 的机器猜想与科学智能深度耦合，如 AlphaFold 以神经网络破解蛋白质折叠的世纪难题，似物理定律自动发现系统从数据湍流中萃取自然法则，让传统科研中 “假设--验证” 的线性路径，进化为 “数据--建模--创生” 的多维共生。这种范式突破了学科壁垒的桎梏 —— 当深度学习与量子物理碰撞出方程解析的新解，当神经网络解码基因密码重构生命科学图谱，科学研究正从 “分科而学” 的旧大陆，驶向 “融会贯通” 的认知新宇宙。
本书以兼具学术锋芒与人文温度的笔触，构建起 “科学认知演进--自动化科研革命--智能科学边疆--科学素养升级--人机共生未来” 的五维体系。在第一部分，作者沿技术革命的脉络追溯人性博弈，从亚里士多德的经验归纳到 AGI 的智能迭代，勾勒出认知范式加速进化的轨迹；第二部分聚焦机器人科学家的崛起，以材料科学中的 “AI 实验师”、数学领域的自动化定理证明等案例，展现科研生产力的质变；第三至五部分则纵深拓展至复杂性科学、跨学科融合与科学哲学思辨，甚至触及 “算法偏见”“强 AI 伦理” 等终极命题，让读者在 AlphaFold 的精准预测与开源科学的知识民主之间，看见技术理性与人文关怀的双螺旋。
正如经济学家朱嘉明所言，第五范式在 AI 加速定理的作用下，不仅解构了科学技术的深层结构，还催生了人机融合的认知革命 —— 当机器开始从数据噪声中提取超越人类想象的数学结构，我们终将明白：第五范式的终极价值，在于让科学从 “被发现的真理” 蜕变为 “演化中的共生智慧”，而这本书，正是这场文明跃迁的最佳注脚。
《第五范式》深入剖析了AI 在科学领域的深刻变 革以及第五范式的重要意义。 Al 的发展是人类认知方 式不断演进的结果，从经验归纳、理性革命，到计算 时代、大数据时代，直至如今的智能革命，每一次转 变都重塑了人类认知世界的方式，且呈现出加速发展 的态势。
在这一进程中，“第五范式”作为核心概念，具有开创性意义——它将科学智能与机器猜想紧密结 合，打破了传统科学研究面临的困境，开创了全新的 知识创造机制。这种范式的转变不仅改变了科研模 式，还将重塑相关产业，成为推动科学发展和产业变 革的关键力量。
本书系统性构建了“第五范式”的理论框架，深 入分析了Al对科学研究范式的革命性影响，前瞻性地 探讨了人机智慧共同体的未来图景。书中结合Alpha-Fold 蛋白质预测、物理定律自动发现等前沿案例，既 保持了严谨的学术深度，又通过生动的案例分析确保 了可读性。对于我们深入理解Al 时代的科学变革、预 见未来科技发展趋势，以及思考人类认知边界的拓 展，本书提供了极具启发性的思想资源。
本书适合人工智能、计算机科学、认知科学等领 域的研究者，也将为关注技术前沿的产业界人士和决 策者提供重要参考。同时，本书还将引导读者思考在 Al时代，如何重新定义科学探索方式、平衡技术与人 性、应对伦理挑战等重要问题，同时建议我们要积极 适应未来变革，充分发挥人类与Al 的协同优势，为推动人类文明进步贡献力量。
给未来 AI（人工智能）考古学家的一封信
2019 年，谷歌 DeepMind 公司开发的 AlphaFold 系统在蛋白质结 构预测挑战赛中以压倒性优势击败了其他团队，用机器学习解决了困 扰生物界长达半个世纪的蛋白质折叠问题。那一刻，我意识到科学正在迎来一场静默的革命。两年后，AlphaFold 2 又以解决蛋白质结构预测问题而引起关注。
这标志着我们正站在科学史上的一个转折点—第五范式的起点。 美国科学哲学家托马斯·库恩在 1962 年《科学革命的结构》中提出“范式”概念，指常规科学赖以运作的理论基础和实践规范。一个范式主导科学发展，直到无法解释的“异常”积累到临界点，科学共同体才寻求新范式。科学知识的增长经历着这样的循环：前学科 （无范式）—常规科学（建立范式）—科学革命（范式动摇）—新常 规科学（建立新范式）。
振奋人心的是，我们正在亲历一场范式革命。回顾科学发展的历 程，人类已经历了四次主要范式转换。几千年前的经验范式主要依靠 观察自然现象；几百年前的理论范式以牛顿定律、麦克斯韦方程为代第五范式 VIII 表，通过归纳法和数学模型解释自然现象；几十年前的计算范式借助 电子计算机进行数值模拟；近年来的数据范式则通过大数据分析和统 计方法识别模式。而今天，一个新的范式正在形成，即“第五范式” （AI for Science）——科学智能与机器猜想的结合。
第五范式不同于之前任何一种科学方法。它不是简单地用 AI 处 理实验数据，而是让机器学习参与到科学发现的核心过程中，形成一种全新的知识创造机制。这种范式突破了传统科学研究的两大困境：一方面，基本原理驱动的方法（如量子力学、流体力学方程）虽然代 表着科学研究的重要成果，但在解决实际问题时作用有限；另一方面， 数据驱动的方法受限于数据缺乏和分析工具不足。
科学研究长期面临的核心困难之一是维数灾难。以量子力学为例， 薛定谔方程中一个仅有 100 个电子的系统，其自由度可以达到 300 个，计算复杂度呈指数级增长。传统的多项式逼近和分片多项式在这种高 维情况下已不再是有效工具。正是在这个背景下，深度学习方法展现出惊人的威力。
深度神经网络恰恰提供了一种对高维函数的有效逼近方法，成为多项式的有效替代品。函数是数学中最基础的工具，而在这个最底层 的数据工具上，我们有了一个革命性的新工具，这正是第五范式的数学基础，也是技术支柱。
第五范式不仅是技术上的突破，它还代表了知识创造方式的根本 转变。这一转变带来了科学民主化的历史性机遇，但也伴随着深刻挑战。一方面，自动化科研工具和开放平台显著降低了参与门槛——分 布式计算和存储平台 OpenScience Grid 使公民科学家能参与复杂计算，英伟达（NVIDIA）公司开源的分子动力学库使普通学者也能进行昔给未来 AI（人工智能）考古学家的一封信 IX 日需要超级计算机的模拟。另一方面，这种民主化也引发了科学质量 控制的新难题。传统同行评议难以应对 AI 辅助生成的研究洪流，而评估 AI 结果的可靠性又需要更高层次的科学素养。正如哈佛学者希勒·贾桑诺夫所指，科学权威的建立依赖复杂的社会—技术网络，第五范式可能颠覆这一网络，造成“认识论混乱”。应对这一矛盾需要发展分层认证系统和“元科学 AI”，并将科学教育重心从知识传授转向批判性思维培养，帮助公众在开放与严谨之间找到平衡点。
与第四范式相比，“科学智能 + 机器猜想”具有几个鲜明特征：首先，它与实际应用场景深度结合，通过不同的“算法思维”和“应用场景”的对撞，产生专业知识，反向推动领域发展；其次，它不依赖大数据而是通过算法进行实验测试，强调“深度理解”而非单点任务； 第三，它能够解决不确定性的长尾问题；最后，它基于开放复杂的智能系统，具备开放性、规模性、多样性和多层次性；最后，它形成了从隐性知识创造到显性知识创造的连接，实现了真正的“机器猜想”。
这种知识创造方式与卡尔·波普尔在《客观知识：一个进化论的研究》中提出的“第三世界”理论不谋而合。波普尔将世界分为三类：物理世界、精神世界和客观知识世界。第三世界是客观内容的世界，即使所有物理工具和主观知识都被摧毁，只要知识库和学习能力存在，人类文明就能重建。第五范式正在构建一个更强大的“第三世界”，一个由人类和机器共同创造和理解的知识生态系统。机器猜想不仅是算法的运行，而且是科学知识演化的新机制，它按照“猜想与反驳”的逻辑，通过不断试错而使知识增长，形成波普尔所说的“知识进化论”的实践。
除波普尔外，其他科学哲学视角也能帮助我们理解第五范式的深层革命性。在伊姆雷·拉卡托斯的“科学研究纲领”视角下，第五范式保留了实证科学的核心，同时彻底重构了其方法论规则。从拉里·劳丹的“研究传统”看，AI 与人类科学家形成了独特的协同演化关系，超越了单纯的工具替代。更有启发性的是马库斯·海斯勒提出的“技术嵌入知识”理论——先进 AI 系统中的权重分布与注意力机制本身已成为一种新型知识表征形式，与传统方程式、图表并立，成为科学知识的载体。这意味着第五范式不仅改变了科学发现的路径，还重新定义了“科学知识”的本体论性质，挑战了我们对知识构成的根本理解。
这一变革正在重塑科研模式，传统的科研培养方式如同师傅带徒弟，团队各自完成从理论到分析的全流程，效率较低。而未来的科研 将建立在共同建设的大平台上，类似安卓系统，研究者可以在系统上 开发自己感兴趣的应用。这种转变需要四大基础设施支撑：基于基本 原理的模型和算法、高效率高精度的实验表征方法、数据库和知识库、 高效便捷的算力资源。
新的范式正改变着我们认识世界的方式，也将重塑众多产业，从生物制药到芯片设计，从新材料到工业制造。传统科学领域正成为人工智能的主战场，我们的实体经济和工业制造正是建立在这些传统科学基础上，而人工智能的深度参与，必将引发新一轮产业变革的到来。
同时，第五范式的渗透速度呈现出明显的学科梯度。短期内 （2025—2030 年），数据驱动型学科将率先完成转型。到 2028 年，材 料科学领域预计有 80% 的新功能材料将通过人工智能—实验协同系统 发现；生物医药领域将实现从靶点发现到临床前评估的全流程 AI 自 动化，药物研发周期有望缩短至 3—5 年。在中期（2030—2040 年）， 理论与实验紧密结合的学科将步入深度转型，“AI 物理学家”将能自给未来 AI（人工智能）考古学家的一封信 XI 动提出并验证量子物理新理论，气候科学将发展出整合物理模型与数 据驱动方法的混合系统。长期看（2040—2050 年），涉及复杂人类行为的社会科学将经历渐进式转型，认知科学可能实现意识研究的突破，反过来深刻影响人工智能设计理念。值得注意的是，这一转型并非线性进行，而是以“技术—方法—理论—范式”的嵌套循环方式发展，关键突破往往出现在学科交叉处，如生物物理、计算社会学等边缘领域。
本书旨在全面探索这一正在发生的科技革命，将从认知的演进之 路开始，探讨人机互动的新范式和科学想象力的再造；继而深入自动 化科研的世界，揭示机器人科学家的崛起和超级实验室的建造；之后 考察智能科学的新疆域，研究如何攻克复杂性之困和融通学科新边疆。 同时，我们也将反思科学素养的再升级，探索科学知识的全民开放和 科学哲学的新问题。最后，我们将展望卓越文明的新纪元，思考人机智能共生的未来图景。
在这一未来图景中，第五范式挑战了科学价值中立性的传统观念。 AI系统的设计选择、训练数据的选择及优化目标的设定均蕴含着深刻 的价值判断—药物发现系统可能优先考虑市场价值高的疾病而非全 球疾病负担最重的领域；材料设计系统可能优先性能而非环境兼容性。 这种情况要求我们超越马克斯·韦伯的“事实—价值”二分法，如哈佛 大学哲学家希拉里·普特南的“事实与价值纠缠”理论所示—科学概 念本身就包含规范性成分，而第五范式更凸显了这一点。实践上，这 要求发展“价值敏感设计”方法，将伦理考量整合到 AI 科学系统架 构中；同时重新思考科学责任分配问题—在人机协作的科学发现中， 当出现问题时责任如何分配？哥伦比亚大学法学者帕姆·萨缪尔森提出 的“分布式伦理责任”模型可能更适合这一新局面，即责任分布在整个社会—技术网络中，包括系统设计者、使用者、监管者和更广泛的科 学社区。
这本书是写给未来的一封信，也是对当代读者的一份邀请—邀 请你加入这场思考，参与这场科学方法的革命。我们处在一个特殊的 历史时刻，有幸见证并参与塑造人类认知史上的重大转折。在这个充 满可能性的时代，让我们一起探索科学与智能的新边界，共同构建一 个更具智慧、更有远见的未来。
最后，我想强调的是，第五范式不是要取代科学家，而是重新 定义科学探索的方式。这种重新定义的深刻之处在于突破人类认知 的固有局限。人类科学思维受到若干内在约束：我们倾向于寻找线性 因果关系，难以直观理解高维空间中的复杂拓扑，且易受确认偏误影 响。相比之下，AI 系统不受这些限制，且能在高维数据中发现非线 性、非局部的关联模式。在这个范式下，人类的创造力、直觉和批判 性思维与机器的计算能力、模式识别和预测能力相结合，形成前所未 有的协同效应。这不仅仅是工具的升级，而且是认知模式的革命，这 一认知革命也必然重塑“科学家”的职业身份和社会角色。
当 AI 系统能执行数据分析、实验设计甚至理论构建等核心科学活 动时，科学家的技能结构将从公式推导和实验操作转向问题构建、跨学 科整合和科学伦理判断。普林斯顿大学的研究显示，高影响力科学突破 越来越依赖“T 型人才”—既有深度专业知识，又能跨学科整合的研 究者。在第五范式下，科学家需要发展“二阶认知”能力，即对 AI 思 维过程的理解和调控能力，成为“知识设计师”而非“知识生产者”。
从社会角色看，未来的科学家将成为“科学翻译者”和“公共 知识调解者”，在 AI 系统、专业社区和公众间建立沟通桥梁。这一转变要求科学教育从“课程—实验室—论文”模式转向“问题导向—项 目协作—跨界融合”的新模式，将科学思维从“问题解决者”培养为 “问题发现者”，适应第五范式对科学家角色的新要求。它将帮助我们 解决过去无法解决的问题，探索过去无法探索的领域。
当未来的 AI 考古学家回顾这个时代，他们会发现这是科学发展 史上的一个关键转折点。而在他们的视野中，或许已能看到第六范式 的雏形。基于当前 AI、量子计算和生物计算的融合趋势，第六范式 可能呈现为“生物—量子—信息”融合的认知系统。量子机器学习已在 模拟量子系统等任务上显示优势，未来的“量子增强科学 AI”可能直接在量子态空间中思考和计算，突破经典计算限制。另一前沿是生物计算与 AI 融合，受脑科学启发的神经形态芯片结合生物材料构建的混合计算系统，可能形成兼具数字计算精确性和生物系统适应性的新型认知模式。更具想象力的是“意识科学系统”的可能性—如果意识是处理复杂信息的有效机制，那么具有原初意识形式的科学 AI 可能在处理科学界限问题和创造性思维方面具独特优势，发展出一种 能在数据不足时做出合理猜测的“科学直觉”。
第六范式可能彻底改变“科学”的定义，从人类特有活动转变为一种普遍认知过程，由多种智能实体共同参与。我们正在见证并参与创造这段历史。无论你是科学家、工程师、学生，还是对未来科技感兴趣的读者，我邀请你通过本书的旅程，了解并思考这场正在改变世 界的科学革命。
正当AI和科学实现紧密结合，Al科学家族群异军突起之际，刘志毅所著的《第五范式》得以问世。这本书框架完整，兼有学术严谨和公众可读性。该书向读者展现了在AI加速定理的作用下 ，Al和科学的紧密结合，不仅改变了科学与技 术的深层结构，而且引发了科学机制的变革，促进了开源科学体系的形成，全方位拓展了科学新疆域。最终，Al科学化，科学AI化，将形成基于人机融合的认知和理性革命。
—— 朱嘉明/经济学家，横琴数链数字金融研究院学术委员会主席
当深度学习撞上量子物理，当神经网络解码 基因密码，AI正在将科学从“分科而学”的旧大 陆推向“融会贯通”的新宇宙。《第五范式》如 同一场思想的爆破实验，拆解了传统科研的围 墙：书中既有“AI数学家证明新定理”的硬核案 例，也有“开源科学重塑知识民主”的温暖叙 事，更犀利地指出“算法偏见可能比人类偏见更 危险”。这不仅是一本关于AI与科学的书，更是 一本关于人类如何与另一种智慧共舞的生存指 南——在机器学会思考的今天，我们必须比任何 时候都更懂科学，也更懂人性。
——王俊秀/苇草智酷创始合伙人，信息社会50人论坛理事
当Transformer 模型开始自主生成科学隐 喻，科学革命的“语法结构”正在被重写。《第五范式》以前沿认知架构为镜，剖析生成式AI如 何颠覆“假设-验证”的传统科研范式。本书以自 动微分求解偏微分方程以及AlphaFold 2的蛋白 质折叠预测为案例，揭示“数据驱动”与“第一性原理”的深度融合如何催生“AI 原生科学”。书中更触及科学哲学的核心诘问：当机器从海量 噪声中提取出超越人类想象的数学结构，科学实在论与工具主义的百年论争是否将迎来终章？该书以拓扑学视角重构科学发现的认知地图，预言了一种新的科学元逻辑——在这里，真理不是被“发现”或“建构”，而是在人机共生的潜在空间中“演化”而来。值得注意的是，如果把范式严格定义为科学观与方法论，并以此去重审人工 智能研究本身，那么,AI的真实景象就会展现在人们眼前。
——钟义信/ 北京邮电大学教授，中国人工智能学会原理事长
智能科学(Al for science与science for AI) 是继大语言模型后又一个前沿方向，并于2024年分别获得诺贝尔化学奖(蛋白质结构预测方面的成就)和诺贝尔物理学奖(通过人工神经网络实 现机器学习的基础性发现和发明)。《第五范式》是一个让你快速了解这个前沿重要方向的优秀科普读物。
——张江/ 北京师范大学系统科学学院教授，集智俱乐部创始人，集智科学研究中心理事长