「科學智能」（AI for Science, AI4S）是指利用人工智能（AI）技術（深度學習、生成式模型等）來驅動科學研究、以至人類進步。本質是透過AI來解決重大科學難題，加速原始創新步伐。在科學智能理念下，AI已不僅是用作為科學研究輔助工具，而是深度介入假設提出、模擬運算、實驗設計、結果驗證的系統全鏈條。
科學智能 上升國家戰略
從國際層面看，全球主要科技國家已把「科學智能」上升為國家戰略。以中國為例，國務院於2025年8月發布《深入實施「人工智能+」行動的意見》，將「人工智能+科學技術」列為首要行動，明確支持AI驅動原始科學發現。再者，國家「十五五」規劃進一步提出以AI引領科學研究範式變革，利用AI賦能推動科研範式變革，加速國家在新材料研發、生物醫藥、量子科技、具身智能等前沿科學中的突破。
近年，為人津津樂道的「科學智能」例子，必然首推由美國華盛頓大學化學教授貝克（David Baker）及美國谷歌公司DeepMind團隊的哈薩比斯（Demis Hassabis）與江珀（John M. Jumper）共同獲得的2024年諾貝爾化學獎。該獎表彰貝克在計算蛋白質設計上的貢獻，他成功利用電腦和胺基酸創造出完全新穎且自然界不存在的蛋白質。
而DeepMind團隊兩位骨幹成員則在蛋白質結構預測方面突破，他們共同研發出AI大模型“AlphaFold”，並利用它成功地預測2億多種蛋白質的三維結構，解決了困擾生命科學界50多年的世紀難題。他們的成就隨即令全球加倍重視科學智能發展。
生成式生物設計發展速
科學技術發展一日千里，近年AI的主導性迅速遞升，科學研究因此如虎添翼，科技應用場境更廣更深，猶如水銀瀉地，在社會每一角落無處不在。正因如此，「AI向善」已成為世界關注的核心問題。其中「科學智能向善」是指利用AI引導科學研究，應用於人類福祉、社會公平與永續發展。這理念強調科學技術不僅追求效率與能力，更須堅守倫理道德與人文關懷，確保科技成果造福大眾而非帶來危害。然而，「水能載舟，亦能覆舟」，科學智能同樣是把雙刃劍，取決於用家的企圖，這劍可向善也可向不善。
2026年8月，來自史丹福大學及Arc研究所的研究人員在《科學》學術期刊上發表了一項重大的研究，詳細描述他們如何利用基因組語言模型（Evo）從零開始設計並構建出16個能夠靶向並殺死細菌的全新功能性病毒基因組。研究團隊以數百萬份基因序列訓練AI大模型，識別自然界DNA結構模式，再讓AI依據數據，構建出全新基因組。研究人員從AI生成的數千組基因組數據中選取約300組進行合成，最終獲得16種具備活性的噬菌體。團隊另指這些AI設計的病毒能有效殺死大腸桿菌。
然而，這項科研突破一方面顯示出AI能更徹底發揮醫學的潛力，提供了對抗抗藥性「超級細菌」的強大新方法。但另一方面亦同時大大提升生物安全風險，突顯出生成式生物設計發展速度，超越國際治理與安全規則所帶來的能力差距。研究團隊亦直言不諱，承認研發技術存在一個風險極高、不能觸碰的領域，生成式AI能感染人類或動植物的病原體基因組。這是「科學智能不善」的不良例子，引發起全球擔憂，影響普羅大眾對AI的信心。
當心AI潛伏 技術失靈風險
歸根究柢，由於當前AI的高度複雜性和不可解釋性，因此帶來一些潛伏的技術失靈風險，特別是應用在科學技術研究。一旦它被濫用或用於惡意目的，其危害可能超出技術範疇，在關鍵領域引發局部性損害，甚至演變為系統性風險。因此，了解AI風險治理的必要性與迫切性，須系統性分類其潛伏風險、剖析成因，並找出對應的解決方案。
然而，這又談何容易？隨着AI技術擁有程式碼自動生成、自我優化，甚至模擬人類行為的能力，其「不可預測性」日益顯著。更值得我們注意的是英國牛津大學人類未來研究所（Future of Humanity Institute, FHI）主任瑞典藉哲學家博斯特羅姆（Nick Bostrom）所提出「價值鎖定」（Value Lock-in）風險理論，即早期設計的不完美目標函數可能在通用AI中被永久嵌入，帶來不可逆轉的災難性後果。因此，可控性問題已成為AI治理（AI Governance）領域的核心問題之一，香港特區政府在未來五年推行「AI+行動」亦必須慎重面對，不容掉以輕心。
