省錢 – 第 152 頁 – 品購pingle省省吧

河查包養行情北深州：打造“净菜工厂” 丰富京津“菜篮子”_中国网

3月19日，在深州市一家包養净菜加工企业，工作人员将净菜装进冷链车。

近年来包養網排名，河北省深州市紧抓京津冀协同发展机遇，推动“河北净菜”走进京津的食堂、超市、社区，形成了以净菜加工为核心的现代化包養全产业链，既丰富了京津市民“菜篮子”，又推动了当地果蔬产业高质量发展。

新华社记者王晓摄

包養網包養網

新华全媒＋丨我国视障人士首次查包養使用无障碍格式文件完成结婚登记_中国网

3月12日，新人张女士手捧无障碍版结婚誓言准备进行结婚宣誓。

当日，北京市西城区婚姻登记服务中心宣誓厅里，新人张女士和王先生手捧结婚誓言，共同许下携手一生、白首不离的诺言。

宣誓台前，王先生一身西装，难掩激动；张女士穿着红色旗袍，连酒窝里都盛满幸福。与其他新人稍显不同，他们面前那份记录着结婚誓言的文件上，一个个小小凸点排列有序。在宣读誓言时，张女士的双手始终熟练地摩挲着这些凸点。

包養網心得张女士和王先生都患有先天性视力障碍。王先生能勉强看清大字，张女包養行情士只能感受到微弱光感。

为了让这场特殊的婚姻登记有爱无“碍”，在了解了新人视力情况后，北京市西城区民政局婚姻登记服务中心的工作人员与中国盲文出版社合作，专门制作了盲文版、大字版无障碍格式的结婚登记告知单和结婚誓言，这也是我国首次为视障人士提供结婚登记无障碍格式文件。

2023年9月，我国首部无障碍环境建设专门性法律——无障包養碍环境建设法施行，对无障碍社会服务进行专章规定。此次为视障人士提供结婚登记无障碍格式文件正是一次有益探索。

包養平台推薦

新华社记者才扬包養行情摄

福建“科创20条”按下产业高查包養經驗质量发展快进键_中国网

◎本报记者谢开飞通讯员高凌许晓凤李玉莲

研发国内首套“氨—氢”燃料发电站、打造全国首辆“氨—氢”燃料电池客车……氢能和燃料电池技术是世界绿色能源发展的重大战略方向。刚刚闭幕的第二十五届高交会上，福建展团的“氨—氢”转换一体化项目备受瞩目。该项目由福州大学氨能源催化创新团队负责实施，在国际上率先突破以氨为储氢介质的“氨—氢”储能与发电技术，让福建在千亿氢能新赛道上抢占先机。之前福建确定厦门大学、福州大学等11家单位为职务科技成果赋权改革试点单位，有效激发了科研人员成果转化热情，如今这项“政策红利”有望在全省推广。

11月16日，福建省政府新闻办举行专题发布会，解读福建省政府出台的《关于加快推进科技创新发展的通知》，该文件包括成果转化、平台建设、企业研发等5个方面20条举措（以下简称“福建‘包養網科创20条’”）。福建“科创20条”的出台，旨在根据国家和全省战略需求，加大创新支持力度，加快战略性新兴产业关键技术攻关，加快建设高水平国家创新型省份。

直击“痛点”，颠覆性创新包養开辟新赛道

作为福建职务科技成果赋权改革试点单位，福州大学积极把化肥催化剂国家工程研究中心打造为“成果转化特区”。依托该中心，福州大学、紫金矿业集团、北京海新能源公司共同创建福大紫金氢能科技股份有限公司，其中福州大学方面以专利作价出资占股20％。在此基础上，三方打造国内首个“氨—氢”能源重大产业创新平台，创制出使氨高效分解的新型低温催化剂，实现了对传统高压储氢方式的颠覆性创新，加快“氨—氢”能源新技术路线的成果转化，开辟了绿色氢能产业新赛道。

加速科技成果转化，是推动科技创新与产业发展深度融合的核心关键。发布会上，福建省科技厅成果转化处负责人介绍，福建“科创20条”提出在全省高校院所全面推行职务科技成果赋权改革，优化科技成果转化国有资产管理模式，完善科技成果转化尽职免责机制等举措，突破了原先“不好转、不敢转”等“痛点”，着力免除科研机构和人员的“后顾之忧”。

同时，福建还将开展科技成果转化“搭桥”行动，建立“关键共性技术需求”和“重大科技成果”两张清单等。

得益于一系列“领风气之先”的创新性举措，目前福建在新能源、新材料等领域，涌现出一批颠覆性“硬核成果”：东方电气（福建）创新研究院研发的海试样机“东福一号”，系全球首套可直接电解海水制氢系统；时代星云打造全国首个光储充检智能超充站，已在全国加快布局。

不问“出身”，加速打造创新方阵

树立“以贡献论英雄”的创新评价导向，遵循职位能上能下、人才能进能出等原则；坚持工艺和研发创新并举，让工人和研发人员摆脱“身份焦虑”……从濒临倒闭的国营小厂发展成为全球重要光学镜头制造商，福光股份有限公司研发的全球首创大口径大视场透射式天文观测镜头，成为“神舟”“嫦娥”等国家重大航天探测器的“眼睛”；福光股份有限公司还联合中国科学院紫金山天文台和福建师范大学，加快中高轨道空间碎片探测技术攻关，相关产品将用于国家光电阵建设中。福光股份有限公司的华丽蜕变，包養正是福建抓创新不问“出身”的生动写照。

“支持规上企业建设联合实验室，并按其新增研发设备非财政资金投入的10%给予后补助，最高可达1000万元；支持创新联合体申报‘揭榜挂帅’攻关项目，最高给予1000万元经费支持。”福建省科技厅负责人表示，针对企业自主创新能力不强等问题，福建“科创2包養0条”提出强化企业技术创新决策、研发投入、成果转化的主体地位等“四个强化”，如建立企业专家稳定参与政府科技决策和咨询工作制度，支持企业与高校院所等联合开展订单式定向研发转化等举措。

科技创新成为企业发展的倍增器。2022年福建国家高新技术企业首次突破万家，达到12080家，连续3年保持30%以上的增长速度，成为全省培育新动能、推动高质量发展的生力军，涌现了宁德时代、新大陆、包養網價格星云电子、德尔科技等一批在全国叫得响的创新典型，推动全省产业转型升级驶入快车道。

GPT技术变革对基础科学研查包養網究的影响分析_中国网

中国网/中国发展门户网讯数智驱动是当今世界科技呈现的新态势和新特征。以ChatGPT模型为代表的GPT技术的出现，对学术、教育及产业界均带来了变革。基础科研领域的发展是大国科技竞争力的重要保证，直接决定了社会各方面进步的步伐，重要性不言而喻。目前，在基础科学研究领域，基于GPT技术的研究已产生较多突破性成果，大语言模型技术在辅助科研人员进行研发工作或理解基础科学问题的同时，也在改变甚至颠覆基础科研生态。因此，对于我国而言，合理地促进GPT技术在科研中应用，不仅意味着科研效率的提升，更意味着科研“弯道超车”机遇的到来。

然而，也有另一部分学者在表达担忧和焦虑，认为GPT技术虽然可以在多个基础研究领域极大地提升科研效率，但它需要被合理使用，而不能被滥用；更有学者认为未来GPT技术甚至可以接管整个学术研究领域。那么，GPT技术在基础科学研究领域的应用现状如何？影响几何？在研究中使用的边界和隐患在哪里？针对这些问题，目前学界尚未给出一个系统性的分析框架和相关讨论。为此，本研究立足以上问题，构建系统分析框架，讨论GPT技术对于基础科学研究的潜在影响和可能的应对方法，助力科学研究生态的健康发展。

GPT技术变革及在科研中的应用

ChatGPT在自然语言处理方面表现出来的性能已然达到了一骑绝尘的地步，要想进一步理解ChatGPT具备如此优越性能的缘由，需要了解GPT家族模型的发展路径（图1）。

图1 GPT技术的发展历程

Figure 1　Development history of GPT technology

初代GPT模型采用无监督预训练与有监督微调相结合的研究范式，着重训练一个无监督预训练语言模型，然后根据具体的任务有监督地微调模型。GPT-2.0模型的研究范式同上，改进点为通过大幅提升训练数据量和模型规模在有监督任务中实现了更好的效果。GPT-3.0模型采用无监督预训练与提示工程相结合的研究范式，即训练过程中仅提供少量示例即可完成有监督任务。GPT-3.0模型共包含3个版本，分别对应着不同的参数量：1 750亿、130亿和76亿。GPT-3.5为GPT-3.0的升级版，是一系列以GPT-3.0为基础的改进模型（包括code-davinci-002模型等），通过评价模型的问答表现和奖惩措施进行优化更新而来。ChatGPT则是在GPT-3.5基础上引入了基于人类反馈的强化学习（RLHF）和近端策略优化算法（PPO）进行微调，利用偏好作为奖励信号来微调模型，由此生成的回复符合人类的偏好。最后，GPT-4.0是在GPT-3.5版本的基础上将文字到多模态的连通变成了现实。总而言之，GPT系列模型的成功标志着人工智能（AI）从以专用小模型训练为主的“手工作坊时代”迈入到以通用大模型预训练为主的“工业化时代”，成为AI发展的分水岭。

GPT技术革命对基础科学研究的影响

大语言模型的卓越性能为基础科学研究带来了广泛的应用前景，能够在众多科学研究场景中应用或研发了一系列领域大语言模型。文章将从应用牵引、原理驱动、创新主体迁移3个视角分析GPT技术变革对基础科研的影响（图2）。

应用牵引及其影响

包含GPT模型在内的大语言模型带来了一系列的技术革命，同时也在牵引着基础科学领域中科学难题的突破，成为加速科研进程，提高科研效率的助推器。

应用牵引的3个模式

按照由低到高的能力层次，可将GPT技术在基础科学研究中的应用分为3个模式（图3）。

（1）工程化应用。该模式主要是增加GPT模型的对外接口，将其作为通用的科研数字助手，协助科学研究的日常工作流程，提升学术效率。以中国科学院研发的成果为例，GPT衍生模型的工程化应用案例如表1所示。

（2）学科科研创新的助力。该模式主要基于领域数据库微调出GPT衍生模型（如基于蛋白质结构数据库打造的Protein GPT），提高模型在特定科学研究任务上的性能和适配性。目前，ChatGPT的表现类似于通才，在细分的专业性上和行业中比较顶级的专家还有很大的差距。将ChatGPT作为通用AI的技术基座，通过在本地数据库中进行微调，便可以提升模型在不同领域中的专业性，使其更适用于解决领域场景问题，成为科学假设空间的探索者，目前已有一些探索性研究工作（表2）。此外，AI包養網比較推动基础科学研究的前提还在于AI技术理解不同学科基础知识，提升多元知识的表示和融合。这种情况下，首要的困难是专业领域科学家与AI专家的相互理解程度低，彼此互相促进的障碍仍然较高。

图2 GPT技术变革对基础科学研究影响的全景图

Figure 2　Panorama of impact of GPT technological change on fundamental scientific research

图3 GPT助力科学研究应用现状概念图

Figure 3　Conceptual map of application status of GPT assists scientific research

科研范式变革的促进。目前，“人机共生”的科研场景中，根据机器的智能程度由低到高将机器分为辅助做实验的“实验员”，辅助高维空间计算的“AI科研助理”，自主进行科研全流程操作、突破人类科学家认知瓶颈的“AI科学家”，这3种形式各有侧重，并行发展。GPT技术主要在后2种角色中发挥作用，即“科研范式变革促进”模式主要是希望突破“GPT类模型构建虚拟世界”的限制，通过加持实验类的物理科研设备，以“AI科学家”的身份自主提出科研假说、自主设计实验方案、自主验证假说合理性（图4）。

图4 人机科研场景中的3种科研范式概念图

Figure 4　Conceptual diagram of three paradigms in the human-machine scientific research scenes

表1　GPT衍生模型的工程化应用案例

Table 1　Engineering applications of GPT-derived models

目前，GPT技术与物理实验设备的连接主要有2种方式：打通自然语言和机器指令之间的壁垒，自动生成机器人操作指令。已有研究借助GPT-4模型根据自然语言的实验指令自动生成一种实验机器人操作指令（OT-2），指挥机器人自动进行生物学实验，极大节省了考虑机器操作细节编写指令的时间；打通科研假设和科学实验之间的壁垒，自主生成实验方案。例如，中国科学技术大学研发的GPT衍生模型Chem-GPT，通过借助GPT模型“学习”50万篇化学论文之后，自动给出其建议的化学实验方案，同时驱动机器化学家“小来”做实验，高效完成芬顿（Fenton）催化剂等化学品和新材料的研发问题。

应用模式的3个负影响

工程化应用模式中，不可避免地面临科研诚信问题。从文本语法、格式的角度来看，ChatGPT是一个好的“论文制造者”。然而，所有的GPT框架产品都有一个共同特点，即制作者无法掌握程序内部发生的变化，也就是我们常说的“黑盒”。由于模型参数过大，GPT大模型会不可控地产生大量的虚构信息。此外，从科研伦理的角度来看，原创性是一篇论文的根本要求，用ChatGPT进行论文写作，从形式上来说与抄袭无异。更让人担忧的是，随着大语言模型的发展，编辑、出版商将很难分辨出AI代写的文章。因此，如若对ChatGPT等AI技术进行误用和滥用，将对科研诚信产生不可控的冲击。

表2　GPT衍生模型的科学性应用

Table 2　Scientific applications of GPT-derived models

科研创新模式中，模型透明度的降低削弱了研究可信度。目前，从GPT-4发布的技术报告来看，美国人工智能研究公司OpenAI出于竞争与安全等方面的考虑，未公布模型规模等技术细节，且之后最前沿的研究也趋向于不再发布相关论文开源技术的细节。对研究者来说，模型技术细节缺乏透明度，不仅是与开放科学的趋势背道而驰，也会违背科学研究求证的科研态度。因此，如果继续使用GPT开源模型或官方提供的应用程序编程接口（API）学习领域数据，则会威胁到结果可复现性，从根本上削弱研究的可信度；同时，无法从根本上回答重大科学研究问题的机理机制，进而无法有根本性突破。

科研范式变革模式中，基于开源大数据训练的GPT技术会潜在地放大固有偏见。由于ChatGPT的训练数据来源于大量的互联网数据，其中不可避免地记录了人类社会潜在的歧视与价值对抗。当ChatGPT输出明显具有偏见的研究内容时，不仅影响研究者的判断，更可能因为大量文本的广泛传播应用，加深研究者们的认知偏见。此外，在马斯克联名几千位计算机科学家的请愿公开信中，罗列了8个AI危险推测和失败模式，包括人类衰弱、认知侵蚀、欺骗等。

原理驱动及影响

基于GPT模型的科学研究已取得较多突破性成果。例如ProGen模型与ESMFold模型等蛋白质语言模型在蛋白质结构预测任务中表现突出，成为包養GPT模型在科学研究发展史中一座座里程碑。分析以上发展现状背后的原理、特点及其未来的发展，对于科研人员厘清定位和科研边界具有十分重要的启发意义。

大量模型参数驱动实验计算问题的高维空间拟合

GPT类大模型核心还是Transformer的体系结构，之所以能在基础科学研究领域表现卓越，本质还是通过学习巨量的领域科学数据，借助大量模型参数对实验计算问题的高维空间进行了有效拟合。换言之，输出的仅是统计学上的可能性，缺乏强有力理论知识的支撑。

应用的主战场为数据计算密集型领域的高维复杂科学问题。分析上述案例可以发现，GPT技术在基础科学研究中应用的主战场为基础科学研究中的实验计算领域，即在分子生物学等数据积累丰富、结构化程度高、问题定义清晰的实验计算领域。这主要是因为GPT技术在基础科学研究中应用的本质是GPT技术的高维建模能力和科学第一性原理的结合。科学计算希望做的是从第一性原理及实验观测出发，将不同尺度现实世界发生的事情映射到计算模拟的世界中。然而，随着问题复杂度的提升，以往经典的计算模式面临“维度灾难”的问题。AI技术则助力于解决科学计算中的维度灾难问题，将不同尺度的物理模型有效连接起来，而物理模型的演绎能力又能产生更多数据，从而推动更好的AI解决方案。在此过程中，模型参数是衡量模型复杂度和能力的重要指标，也是基础科学研究高维数据计算得以解决的重要因素。参数越多，意味着模型能够处理更多的数据，学习更多的领域知识，更能帮助研究者探索高维数据的内在规律和关系，继而能够解决的科学研究问题的复杂度也越高。例如，在生物学领域，ProGen模型基于12亿的模型参数学习蛋白质中氨基酸排序的规律，帮助研究者快速从头构建全新的蛋白质。

模型适配性由数据表现形式决定。由于GPT模型的训练、应用都是自然语言序列数据，因此，在实验计算科学问题中，只有与自然语言相似的序列领域数据才可以用GPT模型进行编译，进而学习蕴含其中的高维复杂知识。典型的领域序列数据有：领域论文、专利数据是天然的自然语言数据。例如，Chem-GPT基于开源的GPT代码，“阅读”近50万的化学论文，可以基于学习到的论文知识自动回答研究者提出的化学问题，甚至可以给出某化合物合成的实验方案，并高效完成化合物的研发。此外，还有基于4 000亿字符训练的生成式专利语言模型——PatentGPT-J-6B，用于自动生成专利权利要求书。生物大分子，尤其是蛋白质，可以看成是用遗传密码撰写的语句，具有更为复杂的关联知识。以“生物版ChatGPT”的ProGen模型为例，通过学习氨基酸如何组合成2.8亿个现有蛋白质的“语法”，学习到了蛋白质中氨基酸排序的规律及其与蛋白结构和功能的关系，进而可从头开始生成跨多个家族和功能的人造全新蛋白质。

原理驱动视角下的GPT模型应用边界

（1）突破实验计算领域的研究边界。当模型参数超过临界值，GPT模型将突破实验计算领域中的研究问题边界，表现出一定的“涌现性”。AI大模型领域的“涌现性”，通俗性表述是在小规模模型中不存在，但在模型参数超过阈值的大规模模型中存在的能力。包養網这些能力在模型训练时没有被特别指定，而是由模型的多层结构和参数之间的相互协同作用自发产生的。根据Chung等学者的研究，模型参数规模在大于62亿的情况下，可涌现出之前较小模型不具备的能力，模型能力会完成从量变到质变的飞跃，呈现出惊人的爆发式增长。此外，大模型的涌现能力还存在一些悬而未决的问题，如是什么控制了哪些能力会涌现？如何控制模型涌现理想的能力并确保不理想的能力永不涌现？也有研究对大模型的“涌现力”提出质疑，认为只是人为选择度量指标的结果，当评价指标换成更为连续、平滑的度量指标之后，涌现现象就不那么明显了，但目前绝大多数研究支持大模型涌现性的存在。总之，由于涌现现象的难以预测性和不确定性，需要谨慎地处理涌现结果，并进一步验证和分析其输出结果。

尚未到达理论推导的研究边界。虽然GPT类模型在实验计算科学问题上表现得非常出色，甚至能够通过图灵测试，但它尚不能自主进行理论推导的科学研究任务。在“AI笛卡尔”模型的研究中，认为ChatGPT的大型语言模型逻辑能力有限，尚不能从公理化的知识和实验数据中对自然现象模型进行原理性的推导。针对这个问题，主要从两个角度分析① 理论推导的核心能力是需要理解因果，而GPT模型表现出来的“智能”仅仅是源于数据拟合。AI科学家朱迪亚•珀尔认为理解来源于因果模型，而非源于数据拟合。ChatGPT仅仅依赖于大量文本数据进行预训练和微调，缺乏对真实世界的直接观察和经验，难以判断事件的因果关系。它表现出来的“智能”仅仅是来自人类语料库里已有的内容，当问题在语料库中不存在人类创作的答案时，ChatGPT智能系统便是“无解”。然而，对于理论科学来说，最重要的是推导出新的能够解释这个世界的理论公式。尽管AI大模型可以产生正确的“科学”预测（例如可以预测小球运动轨迹的AI Physicist模型），但这种经由训练而来的AI系统，更像是一个死记硬背学习物理课本的学生，他知道每个问题的正确答案，前提是这个问题在书里出现过，但这并不是真正的科学创新！朱迪亚•珀尔的研究提示引进因果结构模型研究，通过2种研究进路的互补，形成功能—结构深度融合的智能系统或许是新的研究方向。 AI模型的黑箱工作机制导致GPT模型尚不具备理论的可解释能力。哲学家卡尔•波普尔指出，科学家们寻求的不是高度可能的理论而是解释，即强大而高度不可能的理论。然而，GPT模型仍然是一种基于神经网络的黑箱模型，不能解释其内部的工作机制，其表现出来的“智能”也并非类似于人脑结构和认知机制，更像是一个模式匹配统计引擎，输出的仅是统计学上的可能性，这与现实情况下人类的思考模式是大不相同的。人脑只需要少量信息即可运作，因为它不寻求推断数据点之间的直接相关性，而是寻求解释。也就是说，目前的GPT模型核心还是描述和预测，输出结果总还是缺乏了强有力的支撑，不能像人脑一样进行跨领域、跨模态的理论推导。

创新主体迁移及其影响

分析上述内容中的案例可以发现，产业界正逐渐成为GPT助力基础科学研究的核心主体之一。究其原因是GPT模型在科学研究中的参与实现了知识迁移，同时降低了知识获取门槛，由此削弱了学术界的主导地位；同时产业界凭借其充足的AI技术发展资源，使其成为GPT技术创新高地，进而有望成为基础科学研究的核心创新主体之一。

作为开源知识集成库，GPT模型助力知识迁移、降低知识获取门槛

创新主体迁移的根本原因是大量数据训练过的神经网络变为一种新的数据、知识存储模型，GPT类模型更是成为一个拥有丰富知识与经验的“专家”，一个开源知识集成库，由此实现了不同语种间的知识迁移，同时降低了知识获取的门槛。一方面，模型的训练语料是全球各语种的知识库，大多以问答的形式开源给模型的使用者，使全球任何语种的人都能使用大模型来学习不同语言的知识，实现不同语言间的知识迁移；另一方面，由于GPT类模型成为一种新的数据、知识存储模型，让信息检索方式从关键字检索转变成具备完整语义的自然语言人机交互检索，以智能问答的方式改变了原有的知识查询与获取的方式，更甚者是对科研方式的颠覆。简言之，GPT类大模型的存在将会降低科学研究壁垒，吸引更多的学生、产业参与到科学研究中来。

在大模型普及的时代，GPT大模型可以作为辅助教学和学习的工具，支持各水平等级的学生进行个性化、自适应学习，并协助其参与到基础科学研究中。例如，有研究测试了GPT-4在物理教育评估工具“力学概念测试FCI”中的表现情况，发现GPT-4以28分（满分30分）的成绩展示了其在物理学教育中的潜力。然而，GPT虽然可以在通识与专业知识上提供极大帮助，但这代替不了创新性科研人才所必需的批判性思维、好奇心、想象力、经历与经验，这些特质恰恰是受过专业科研训练的人所特有的优势，也是人机协同科研场景中学者发挥优势、寻找定位的立足点。

科学研究壁垒的降低，吸引了更多的企业和非学术机构参与到基础科学研究中。例如，深圳晶泰科技通有限公司过训练蛋白质类的Protein GPT模型，赋能实验机器人的生物研发，使其研发重心逐渐从“实验机器人”转向具备一定生物领域知识的“实验科学家”。

充足的GPT技术发展资源，助力产业界有望成为基础科学研究的核心创新主体之一

GPT模型作为开源知识集成库的存在，降低了知识获取、科学研究的壁垒，一定程度上削弱了学术界在基础科学研究中的主导和控制地位。而产业界凭借其充足的AI技术发展资源，即算力、数据、场景、人和资本等优势的有机融合，使得人工智能驱动的科学研究（AI for Science）正在向产业界倾斜。

从产业界对于AI技术的人才、算力和资金等支配性资源投入上看，AI高科技企业资源已远远超过学术研究机构。2020年，约70%的AI领域博士进入产业界；2021年，产业界模型算力平均比学术界模型大29倍；2021年，全球产业界花费了超过3 400亿美元用于AI，远远超过了公共政策投资。而这种关键性资源的投入正转化为日益突出的AI研究成果中，如源于产业界的相关GPT模型成果有初创公司Profluent研发的ProGen模型。从GPT大模型扩展到整个AI研究领域，产业界还研发，甚至是掌控着AI模型开发工具（例如PyTorch和TensorFlow）、促进深度学习模型高效训练的硬件（例如张量处理单元TPU）和可公开访问的预训练模型（例如Open Pretrained Transformer模型）。也就是说，在数据密集型和计算密集型的基础科学领域，如蛋白质结构生成、化合物反应路径生成、实验方案自动生成、高分子材料遴选等领域，产业界对AI算法研究的支配也将赋予产业界塑造基础研究方向的力量。

该现状对于产业界和学界的学科研究定位也将产生相关影响。一方面，产业界商业动机的存在，促使他们将GPT等AI模型更多地应用到以利润为导向的研究领域，如医药、材料等实验计算领域中的科学问题场景中。即计算密集型领域科学问题的突破将慢慢由产业界和学术界共同突破得来，类似于“巴斯德象限”问题（巴氏杀菌的应用研究和基础研究之间存在类似的重叠）。然而，这将潜在引导社会发展方向，并对低收入水平国家的学术研究形成壁垒。另一方面，对于一些根本性的基础研究，如生命的起源、宇宙大爆炸、量子纠缠的形成机制等理论性研究问题，还需要高等院校与科研机构作为最主要的核心创新主体。

关于我国基于GPT技术发展基础科学研究的建议

AI大模型通过重构人类知识检索、运用的基本方式，成为一种新的生产力。然而，由于GPT大模型具有重投入、长周期、快迭代、高风险等特点，决定了GPT大模型在基础科学研究中的竞争是大国游戏。在这场竞赛中，中国正处于奋起直追的关键时期，亟待找到高质量发展的新路。基于上述现状和影响，提出以下3方面建议。

投资研发国家自主可控、受知识产权保护的数据与计算平台，为GPT技术推动基础科学发展提供基础设施建设。纵观全球，有关促使“AI推动基础科学研究”的政策调控陆续出现。从GPT的实现要素看，主要从数据、平台方面加大资源投入。建立高质量科学数据集势在必行。大模型的“智商”取决于被训练的数据量和知识密度。据了解，在GPT-3训练时语料清洗前为45 TB，清洗后570 GB，这表示ChatGPT模型训练时对数据清洗质量具有极致的要求。然而，我国目前高质量的、自主可控的科学数据库较少。可行路径之一为自动抽取已发表科技成果中的科学数据，结构化存储在数据库里，将其打造成AI for Science时代下重要的生产要素和战略资产。将AI数据计算平台打造成科研过程中的基础设施，加大硬件和经费支持。建议打造数据计算通用平台，嵌入科研过程。通用的意义在于使开发人员可以在此基础上解决更多有针对性的问题，快速部署到任何学科领域。此外，各地分散式建设智算中心，将全国统一的AI算力市场和服务市场肢解为一个个孤立破碎的小市场，消解了我国大国大巿场的优势。只有依靠大型科技公司或研发机构“炼大模型”，才能逐步弥补中美在模型层面的差距。对于开源的AI算法进行产业化时，还需要注意到知识产权的风险。例如，深度神经网络算法的基础架构（如Transformer、Attention）已被谷歌申请专利，基于这些模型架构设计的产品存在知识产权风险，或将阻碍我国数智科研的产业化。因此，构建我国自主可控的安全的替代技术尤为重要。

从产学研模式、青年人才资源和知识跨领域流动3方面，为Al推动基础科学发展营造可持续健康生态。大力提倡产学研模式，让参与主体各显本领，保证AI技术健康发展导向。高校、科研机构拥有培养研发人才的责任和优势，更关注科学原理；企业则拥有算力包養網、资金和平台建设能力，对解决工程问题具有独特优势，可以集中人力和财力进行攻关。将高校、科研机构开发的优势与企业的产品化优势有效结合，实现产学研各方的资源共享，优势互补，将健康推动我国基础科学的发展。引人育人，充分培养吸纳海内外青年人才，保证人才资源的不竭供应。青年人才是AI技术及基础科学发展最为宝贵的资源。ChatGPT团队的平均年龄仅32岁，凭借对AI技术的兴趣和信仰，便引爆全球新一轮AI技术浪潮。同时，该团队中华人学者是一支重要的科技创新力量。因此，鼓励国外顶尖学者走进来、国内学者走出去，激发、培养青年人的科技兴趣和信仰，对促进国内前沿科技创新发展也具有重要意义。促进知识跨领域流动，推动AI技术与基础科学发展有机结合。为保障AI技术赋能基础科学研究的可持续性，我国可考虑出台相关跨领域知识交流政策，鼓励AI赋能下的基础科学研究项目等措施。例如，2023年3月27日，科学技术部会同国家自然科学基金委启动“人工智能驱动的科学研究”专项部署工作，鼓励计算机、数据科学、材料、化学、生物等学科的交叉融合，重构知识体系。

鼓励人机协作与科研诚信监管并重，为Al推动基础科学发展营造公开透明的环境。当前，科学研究不可避免地正进入人机协作的时代，微软公司更是认为GPT-4是通用AI的火花。随着相关GPT技术产品在科研领域展开应用，相关工具是否会削弱研究人员的研究能力和地位成为主要问题之一。一方面，类似于Alpha Fold模型、RoseTTAFold模型这样“把一个公认的具有重大意义的科学难题（蛋白质结构生成）突进到几乎破解地步”的情况，展现了AI工具拥有通过图灵测试、进而获得诺贝尔奖的潜力；另一方面，我们还需要清醒地认识到当前的AI for Science模型，包括最新的GPT-4，存在着生成错误文本信息、逻辑推理和因果推断的表现能力较低等问题，因此它们尚不能算是一个完美的科研工具。总的来说，GPT类大模型的应用价值将在文本处理等方面帮助学者处理初级科研任务，或在高维数据建模方面帮助学者处理科研计算任务，但其应用效果还取决于学者的认知水平。此外，针对“ChatGPT自动撰写论文”的问题，国内外知名期刊大多持反对态度。Science明确表示禁止将ChatGPT列为合著者，且不允许在论文中使用ChatGPT所生产的文本；Nature表示可以在论文中使用大型语言模型生成的文本，但不能将其列为论文合著者，只能在方法或致谢中表明。然而，以ChatGPT为代表的通用型AI介入科研生活已成定局，除了“坚持人工验证”“制定问责规则”“投资真正开放的GPT模型”之外，还应加快构建公开透明的“AI文本探测器”，自动识别AI生成的文本，从而使整个科研生态受益。。

（作者：孙蒙鸽、韩涛、王燕鹏、黄雨馨、刘细文，中国科学院文献情报中心中国科学院大学经济与管理学院；编审：金婷，《中国科学院院刊》供稿））

浙江宁波：未来社区的幸福学查包養心得堂_中国网

3月20日，湾头未来社区的小朋友在社区党群服务中心内的儿童乐园包養做游戏。

位于浙江省宁波市江北区甬江街道的湾头未来社区积极打造社区服务主阵地，设置全龄幸福学包養堂，采用分时包養網段共享机制，面向社区居民提供“全龄段”终身学习的良好环境。

新华社记者韩传号摄

包養平台推薦

包養網排名

“田间党校查甜心包養網”服务到家_中国网

“种植前要先完成施肥、松土，气温回升后再开始种植，这样土壤更松散更容易耕种，后面地力才跟得上，土豆进入猛涨包養期后也不用追肥了。”

连日来，在山东省莱西市店埠镇前水口村，活跃着这样一支队伍，他们走村入户、奔走在田间地头包養行情，宣讲科学种植技术和惠农政策，让农户直言服务到了家。

店埠镇蔬菜产业协会会长耿文善是“田间党校”常驻宣讲专家，也是今年宣讲队伍中的一员。宣讲期间，耿文善上门讲解马铃薯种植技术，“早早把自己的种植经验讲给大家伙儿，让农户摆脱过去的老习惯，后期养护的时候才能不发懵，一起把地种好，争取有个好收成。”

在莱西，镇村两级“田间党校”共有14个，像耿文善一样的常驻宣讲骨干有28名。今年以来，开展春耕春种宣讲230余场次，惠及农户1100余人次。

近年来，莱西市吸纳有能力、懂市场、会经营的“土专家”进驻“田间党校”，充分发挥农技宣讲骨干优势，让宣讲内容“接地气”、让宣讲效果“冒热气”。此外，“田间党校”还依托科技小院晚间课堂、田间学校等，吸纳专家教授、研究生等为农户宣讲种植技术，让内容更丰富。

“结合农业大市的实际，紧盯农时根据群众需求成立‘田间党校’、农业政策等宣讲团队，农闲时讲政策、讲知识，农忙时讲技术、讲方法。”莱西市委宣传部分管日常工作的副部长包顺善说。

“敲锣打鼓台上站，今天说段三句半，乡村振兴文章大，点赞点赞！二十大发布动员令，乡村振兴排日程，城乡融合谋复兴，发展发展……”春日下午，一场《老乡干部共话乡村振兴》的文艺宣讲在莱西市日庄镇沟东新村广场上演，党员干部和村民一同登台表演，村民群众自发带着马扎围坐四周，笑声频频、掌声阵阵，好不热闹。

莱西市还广泛采用“说唱＋宣讲”“吕剧包養網價格+宣讲”“电影＋宣讲”等群众喜闻乐见的文艺形式，送理论、送政策进农村、进社区，年度开展“文化进万家”“村村有好戏”等各类文艺宣讲活动2000余场次包養網價格，放映公益电影1万余场次，用一个个“沾泥土”“带露珠”的文艺包養網排名作品，为乡村振兴加油鼓劲。

“下一步，莱西市将在全市开展基层宣讲工作大调研，听取群众呼声、转变工作方式，真正将让老百姓得实惠、有收获的宣讲形式、宣讲内容推开来、推下去，打通基层理论宣讲‘最后一公里’，让党的创新理论‘飞入寻常百姓家’。”包顺善说。

近期国内多个城市城中村改造项目专项借款落地——城中村改查包養網站比較造按下“加速键”_中国网

今年以来，国内多个城市宣布城中村改造专项借款落地，尤其在纳入城中村改造的35个超大特大城市，几乎都有相关款项落地。这意味着国内多个城市的城中村改造项目将按下“加速键”。

作为房地产行业“三大工程”之一，目前各地城中村改造进展如何？项目建设有哪些“硬骨头”要啃？城中村改造怎样与房地产行业其他重点工程实现有效衔接？

聚焦超大特大城市的城中村

在上海市崇明区城桥镇东引路高岛路交叉口，一幢幢新楼拔地而起。楼栋之间道路平整，绿化齐备；不远处的空地上，各类儿童游乐设施和户外活动设施一应俱全——这是崇明区首个城中村改造项目安置基地，总建筑面积12.66万平方米，包含27幢住宅，能为1000多户动迁居民提供新居。

城中村，被视作“城市里的包養村庄”，是在工业化、城镇化快速发展进程中形成的历史产物。早年间，多地针对城中村进行过大面积拆除改造。去年以来，中国对城中村改造作了新规划，提出“在超大特大城市积极稳步推进城中村改造”。

为何聚焦在“超大特大城市”？上海交通大学国际与公共事务学院教授、住房与城乡建设研究中心主任陈杰告诉记者，与这些地方人口密度高等因素密切相关。按照划分，城区常住人口1000万以上的城市为超大城市，如北京、上海、深圳、广州、成都等；城区常住人口500万以上、1000万以下的城市为特大城市，如青岛、合肥、杭州、长沙等。在一些超大特大城市，城中村往往面积大、数量多，在为居民提供栖身之处的同时，也存在诸多安全风险隐患，居住环境有待改善。

“超大特大城市仍有不少城中村存在，与城市面貌不协调，其基础设施和公共服务也与城市差距较大，不能满足城中村居民对于生活品质的追求。因此，在超大特大城市积极稳步推进城中村改造意义重大，既可以让城中村‘旧貌换新颜’，大幅提高基础设施水平，又能消除安全隐患，提供更多宜居宜业的生活生产空间。在城中村改造过程中，能拉动养老、托育、学校、物业管理等基础设施投资，还能带动家电消费、房屋装修等投入，进而为经济稳增长发挥积极作用。”首都经济贸易大学京津冀房地产研究院院长赵秀池说。

根据房地产研究机构中指研究院测算，未来5年，超大特大城市城中村改造预计带动约10万亿元投资，拉动约10亿平方米的投资规模。平均到每一年，将带来约4400万平方米的住宅新增需求。推进城中村改造，对于土地购置、建安投资等也有明显带动作用，将对房地产市场发展形成有效支撑。

啃“硬骨头”的同时重保护、稳资金

放眼全国，各地城中村人口密度不同，产业情况有别，地理位置也有所差异。改造情况复杂多样的城中村，不能盲目“一刀切”，而要因地制包養網宜、分类推进。

按照住房和城乡建设部要求，城中村改造分三类推进实施：一类是符合条件的实施拆除新建，另一类是开展经常性整治提升，还有一类是介于两者之间的实施拆整结合。业内人士分析，这就是要守住安全底线，综合群众意愿、资金情况、土地条件等进行科学研判，稳步有序推进改造。

拆除改造，要注重城中村历史建筑保护，重点做到活化历史空间。在浙江绍兴越城区塔包養網山片区，一场旧城改造动工在即。此次旧城改造，征收范围共计14个地块，总面积约155.6亩。为配合旧城更新改造，塔山街道办事处委托相关院校和市场主体，研究出具了相关历史文化资源调查评估报告，涵盖当地文物建筑、传统风貌建筑等。目的就是“该拆的拆，该留的留，实现保护与城市发展的多赢格局”。

拆除改造，确保资金来源是重点，也是难点。“新一轮城中村改造难度较大，原因在于改造起点和改造成本更高，限制条件更多，可能面临容积率限制、人口疏解压力、历史文物保护等问题，较难实现资金平衡。”赵秀池说。

破解城中村改造资金难题，需要多管齐下，多渠道筹措资金。今年以来，国内包養網多个超大特大城市宣布城中村改造专项借款获批，有的城市已完成首批专项借款落地投放。这意味着城中村改造项目的“资金网”正在织密。

在广东省广州市白云区石槎路街头，街道一侧高楼林立，另一侧“握手楼”“贴面楼”成排，风景独特——这是位于广州市主城区西部的罗冲围片区一景，也是广州市城中村改造项目的第一站。今年1月30日，罗冲围片区潭村城中村改造项目首笔专项借款正式发放落地，款项金额达1亿元。“专项借款成本低、效率高，为城中村改造项目解决了融资难题，给项目顺利实施提供了坚实保障。”国家开发银行广东分行有关负责人表示。截至3月7日，国开行已发放城中村改造专项借款614亿元，涉及北京、上海、广州、武汉等33个城市的271个项目，惠及城中村居民约36万户。

织密城中村改造“资金网”，还要引入更多经营主体。去年11月，中建二局旗下中建玖合发展集团有限公司正式签约广州文冲东城市更新项目，计划对位于广州市黄埔区海丝城片区的文冲东旧村进行拆除新建，建设类型包括住宅、商业物业、公建配套等。

“今年2月，文冲东城市更新项目被列为广州市重点建设项目之一。不同于传统旧改工程，该项目通过‘产业更新+人居换新+服务革新’模式，为城中村改造提供‘一站式’优化升级方案。项目将引进相关配套产业集群，助力广州市打造人工智能和数字经济试验区新高地，加快黄埔区土地利用向集约型高质量发展转变，进一步满足广州市现代产业及宜居城市建设发展需求。”中建玖合发展集团有限公司董事长王艺超说。

做好安置，有效衔接保障性住房建设

1月30日，国家开发银行河南分行、中国农业发展银行河南省分行向河南省郑州市航空港区、惠济区放款24亿元。当地明确，款项将用于城中村改造项目前期工作、征收补偿、安置房建设等。2月19日，上海市首单城中村改造专项借款落地，发放款项15.58亿元，将用于浦东新区唐镇小湾村、暮二村等地块城中村改造项目前期工作、征收补偿等。

“在城中村改造过程中，人员安置、产业转移都是突出的难点，在做好安置房建设的同时，要推动城中村改造和保障性住房建设实现联动。比如可以向收入较高的原城中村村民提供配售型保障房，向经济能力有限的租客等群体提供保障性租赁住房。总而言之，就是要继续构建‘一张床、一间房、一套房’的多层次住房供应体系。”陈杰说。

“通过城中村改造，可以丰富保障性住房来源，增加保障房数量，其中就包括配售型保障房和保障性租赁住房。在改造过程中，要注重加强相关设施配套建设，完善提升物业管理水平，与保障性住房建设实现有效衔接，共同打造更宜居宜业的生活生产空间。”赵秀池说。

今年以来，结合城市更新和城中村改造，国内多地已提出相关目标和要求。上海明确，2023年至2025年计划启动城中村改造项目30个，让至少1.3万户村（居）民受益。合肥提出，加快推进现有104个城中村改造，推动“货币化安置、异地安置、入股安置”等多元化安置方式。湖南株洲明确，计划用5年时间改造位于主城区范围内的村落，解决高速城市化的遗留问题，推动产城融合发展。目前已有172个城中村被列入改造计划清单，总占地规模17.79平方公里。

“城中村改造结合老旧小区改造、‘平急两用’基础公共设施建设工程，将对拉动投资、提升城市治理水平起到积极作用，都是惠民生、利发展的好事，有利于打造更安全舒适的居住环境，提升社区活力和城市发展能级。”陈杰说，“不过，在改造过程中，也要保证项目的可持续性。如果城中村改造成本过高，不利于向低收入流动人口提供可负担包養網心得的居住条件，反而会使超大特大城市的人口集聚红利流失，抑制城市活力和竞争力。”（记者廖睿灵）