（来源：上观新闻）
AI for 🕯Science💖 面临的挑战🌺🌱 作者声🤯明：该图片由🐭🥫AI生成🏴☠️🇰🇮为什么🌤 AI 💇♂️科研的下一🤖🌗步关键在于🥅🏌实时学习🇧🇶🏷与思想↩多样性：它🇬🇼们将使 AI👍🎗 能够持🧔续适应前沿研究😞，并支持更具原🇭🇳创性的科学发♦🔃现🎼。”孙海定🇻🇨说💍🎨。如果没有持续且多🌲样化学习的机制，🇬🇩📄AI 系统就👩🌾会倾向于🌖👉重复训练数据中已🔺🇦🇨经占主导地位的模🈸🌱式，而这会🇨🇱使真正有创造性的🇦🇷工作变得困难🏴。
但他不觉得软📣🇨🇻件工程师会消🇦🇹🏸失，事实🇮🇩🤮上英伟达和很多公🖼司还在疯狂招工👨❤️👨🗣程师🕙。英伟达做了一👨🌾🐖个叫A🌋lpamay📨o的软件，号称世🔑界上第一个“会思🇮🇱🧪考的汽车”🇬🇧🎹。要让 🎌🈯AI 从令⏭👨⚖️人鼓舞的演示实🇩🇯✈验阶段真正走向对🤮科学研究👶的实质性💿▪改变，仍然有几个🌲🖇核心挑战🥧需要解决：🛄 1. 🌘缺少科🙎♂️研一线数据：模型🇲🇿在课本式🙂🐍问题上表现出色，🖌🔖但在真实科研👈场景中仍会遇🔔到困难，因为训🇵🇰👨⚖️练数据无法覆🤥盖每一个垂直😢🤢细分领域的🚉🚥细微语🎟境🛫。
