AI 浪潮下法学教育的转型之路
2026 年世界数字教育大会于杭州召开，将人工智能时代的教育变革、发展与治理确立为核心议题，这实际上向高校抛出了一个无法回避的难题：当知识能够被机器迅速检索、重组、生成及推演时，教育究竟应引领学生走向何方。[1] 施一公教授在探讨人工智能时代的教育本质时，援引 AlphaFold 为例，指出人工智能已能在极短时间内完成以往需依靠科学共同体长期积累方能推进的工作。AlphaFold 数据库目前已开放逾两亿个蛋白结构预测，并计划于 2026 年进一步纳入大规模蛋白复合体预测成果，这表明人工智能正在深刻重塑知识
陈凯华：AI 如何重构科学学理论与方法
推荐导语近些年来，人工智能已深度渗透至科研全过程。无论是蛋白质结构预测、自动化实验还是科研智能体，AI 早已超越辅助工具的范畴，正深刻变革着科学发现的路径、科研协作的形态以及知识生产的机制。这一趋势向科学学（Science of Science）发起了新挑战：当人工智能既重塑了科学研究本体，又革新了科学学观测、分析及阐释科学系统的手段时，科学学是否亟需重构其理论框架、核心议题与研究方法，进而为 AI 驱动的科研活动提供评估、治理及生态设计层面的支撑？聚焦该议题，中国科学学与科技政策研究会副理事长、中国科学
【智库前沿】石英丨智能科技浪潮下的知识生产体系重塑
自二十世纪中期萌芽、二十一世纪第二个十年全面迸发并深刻影响全球的智能科技变革，既是一场技术革命、产业革命，更折射出人类知识创造领域正在经历的深刻转变。这一演变进程，推动了“科学”向“知识”的回归，即回归其应有的整体性、关联性、开放性、多元性和包容性状态。知识创造模式向复杂科学演进革命，意味着带有根本性和颠覆性的变革。智能科技八十年发展历程可划分为两个阶段：前一阶段基于符号逻辑路径，产生了电子计算机；后一阶段转向联结主义路径，提出神经网络模型和机器学习算法，通过了图灵测试。阶段的转变，不仅是方法论层面的工具
白春礼：人工智能驱动科学研究范式转型
白春礼（中国科学院原院长）|演讲AI for Science是科技界当前极为热门的话题。人工智能如何推动科学研究的发展？本次浦江论坛探讨AI、通用人工智能如何推动科研范式的转型和跃迁。这一议题选得极为精准，极具探讨价值，值得深入交流。近年来，人工智能的发展步入了显著加速期。关键突破不仅重塑了技术本身，也开始对科学研究的基本范式产生影响。我同样在思索，人工智能发展的边界究竟在哪里？它究竟能走多远？对科学的影响究竟是什么？是仅停留在革新科研方法层面，还是能够进一步颠覆人类认知世界的底层逻辑？围绕这一议题，也围
AI浪潮下的知识生产范式变革
《光明日报》2026年4月10日自20世纪中叶萌芽、于21世纪第二个十年爆发并席卷全球的人工智能革命，既是科技变革与产业革新，也深刻映射出人类知识创造模式正在经历一场深刻转变。这一演进历程，促进了"科学"向"知识"的本位回归，使其重返本应具备的整体性、关联性、开放性、多元性及包容性特质。01知识创造模式向复杂性科学演进革命，意味着根本性且颠覆性的变革。人工智能科学技术历经八十年发展，可划分为两大阶段：前期阶段遵循符号逻辑路径，催生了计算机；后期阶段则转向联结主义方向，构建神经网络模型与机器学习算法，成功通
人工智能革命重塑知识生产模式
自20世纪中叶萌芽，21世纪第二个十年爆发并席卷全球的人工智能浪潮，不仅是科技与产业的革新，更深刻折射出人类知识生产模式的根本性转变。这一转变促使“科学”向“知识”回归，即恢复其应有的整体性、关联性、开放性、多元性和包容性特质。知识生产范式向复杂性科学演进革命意味着根本性的颠覆。人工智能80年的发展可分两阶段：早期基于符号逻辑，后期转向联结主义，提出神经网络与机器学习，通过图灵测试。这种转向不仅是工具拓展，更是认识论的突破，体现了知识生产方式的变革。符号逻辑早期认为解决自然语言处理即可推演出定理，但仅限小
人工智能浪潮下的知识生产新变局
作者：石英【构建中国哲学社会科学自主知识体系】自20世纪中期开始酝酿、在21世纪第二个十年集中爆发并席卷世界的人工智能革命，既是一场科技与产业的深刻变革，也鲜明映照出人类知识生产正在经历结构性转型。这一转型推动“科学”重新回到“知识”的广阔框架之中，即回归其本应具备的整体性、关联性、开放性、多样性与包容性。知识生产方式迈向复杂性科学所谓革命，意味着具有根本性、颠覆性的深层变化。人工智能科学技术80余年的发展，大体经历了两个阶段：前一阶段遵循符号逻辑路径，催生了计算机；后一阶段转向联结主义路线，提出神经网络
以人工智能推动科研模式重塑 让变革更加系统深入
人工智能被视为21世纪最具代表性的颠覆性力量之一，它的出现本就是多学科前沿技术交叉汇聚的结果。自上世纪中期图灵测试描绘出智能机器的哲学想象以来，人工智能受限于数据与算力两方面瓶颈，走过了漫长且波折不断的探索道路。直到深度学习迅速崛起，机器才真正获得强大的模式识别和特征学习本领，并由此成为这一轮智能革命的重要引擎。此后，自然语言处理能力大幅跃升，使机器能够“读懂”人类复杂多样的语言和意图；而强化学习等方法逐渐成熟，则让其拥有在试错和反馈中持续进化、优化决策的能力。人工智能诞生于科技创新沃土之中，而今正以前所