AI正青春 | 当“AI助手”成为水科研“文献智库”

　　中青报·中青网记者 张艺

　　水环境领域最新的科学进展是什么？北京大学环境科学与工程学院助理研究员蒋青松几乎每天都要与一位科研助手打交道，输入问题或关键词，他的“AI伙伴”——WaterScholar（水环境科学文献研究助手），会将前沿成果快速精准地告诉他。

　　蒋青松研究水污染治理已有10年。他深知“清水绿岸、鱼翔浅底”的图景很美，但想要实现，背后的机理并不简单。水环境科学是一个多学科交叉融合的领域，往往涉及地质、化学、物理等多方面知识，研究内容广泛而复杂。目前，该领域发表的相关文献累积已超过1500万篇，并且每年正在以超百万量级的速度增长。

　　作为科研一线人员，文献阅读学习是获取全球前沿研究的第一步，也贯穿于科研工作的始终，但传统的学习方式往往需要花费大量的时间精力。

　　蒋青松记得，自己在读研究生的时候，要专门拿个本子来记录文献的方向、亮点和不足，尤其涉及其他学科的文献，读起来更吃力。除了阅读文献外，他还要兼顾科研工作，因此一周能吃透两篇文献就已经很不错了。

　　蒋青松一直在思考，如何用AI赋能科学研究？

　　2023年，大模型进入爆发元年。蒋青松所在的北京大学环境科学与工程学院流域科学实验室团队和文心大模型团队集中攻关，使大模型“饱读”了300多万篇精选文献，凭借其对海量学术文献的快速理解能力和文本生成能力，研发出WaterScholar，实现了对跨学科内容的深度理解和智能分析，并能根据具体的科研需求提供专业回答。

　　在WaterScholar的加持下，多则一两分钟，少则十几秒，学者就可以快速精准地了解文献中的关键信息。“它就好像‘人’一样，具备了从阅读思考到总结表达的能力。”蒋青松说，在最新的测试中，WaterScholar的回答基本可以达到一个硕士生的水平。

　　这个工具也被共享在飞桨星河社区，用户可以免费使用。目前，已有7000多名用户使用WaterScholar，它的开放性、个性化和高效便捷性得到了一致认可。

　　当科学研究插上AI的翅膀，人类的知识边界也由此拓宽。2024年5月，一份国际报告表明，人工智能正在提高科学家的效率、准确性和创造力。科学家们正扮演着导师、同伴或助手的角色，利用人工智能达到以前无法达到的速度和规模执行任务。

　　有人担心，大模型会不会取代科研人员？蒋青松说，“目前的AI还难以直接替代专业人员，它更像我们的助手，帮助我们快速完成基础信息的整理和分析，让我们有更多时间去思考与探索前沿科技的应用。”

　　实际上，AI已经是蒋青松科研中的“老朋友”，他们团队曾基于三维数值模型模拟引水量对水质的影响，利用深度强化学习算法，训练机器自主学习调水策略，大大提高模拟结果准确率。

　　在蒋青松看来，未来，人工智能还可以全方面地应用于各类水环境治理场景，比如水文水质预测、污水厂的智能控制、大语言模型生成湖泊治理方案等，这也是WaterScholar要进化的方向。

　　如今，碧水蓝天渐成常态。生态环境部公布的最新数据显示，2023年，全国地表水优良水质断面比例达到89.4%，已经超出“十四五”目标4.4个百分点；长江干流连续四年、黄河干流连续两年全线达到Ⅱ类水质，母亲河正逐步恢复生机活力。

　　对于大模型与水科学研究的深度融合，蒋青松有着强烈的信心。我国当前高度重视生态文明建设，拥有丰富多样的生态系统，建成了全球规模最大、要素最齐全、技术手段较先进的生态环境监测网络，在生态环境领域加快推动自动化、数字化和智能化的转型是一个重要方向。

　　“工欲善其事，必先利其器。WaterScholar对我们来说仅仅是一个开始。”蒋青松相信，未来还会有更多的科学工具和水污染治理方案被推出、应用，助力书写绿水青山、美丽中国的新篇章。