人工智能的应用图景

完成本节后，你将能够：

• 列举人工智能在医学、基础科学、天文学、艺术与体育中的代表性应用；
• 说明这些案例如何依赖数据、模型与领域专家的协作，而不是「一键替代专家」；
• 把应用图景与上一节的概念术语对应起来，形成可向同事或学生转述的例子库。

人工智能已经进入需要高度专业判断的领域。下列案例的共同点是：人提出问题与验收标准，机器在可计算的环节上放大规模与速度。

医学：协助寻找抗癌药物线索
研究者利用计算模型在巨大的化学与生物空间中筛选候选，缩短早期探索周期。这并不等于「AI 已经治好癌症」，而是把一部分搜索与模式发现交给计算，专家仍负责实验验证与临床边界。

生物学与化学：蛋白质结构预测（2024 年诺贝尔化学奖）
2024 年诺贝尔化学奖表彰了计算蛋白质设计与用人工智能预测蛋白质结构的进展。这是人工智能方法在基础科学中获得最高规格认可的标志之一：计算方法被承认可以推动化学与生物学的核心问题。

天文学：从海量数据中找信号
贵州「中国天眼」等大型射电望远镜每天产生约 150TB 量级的数据，已超出人工逐条理解的范围。人工智能帮助从海量观测中发现异常与规律；科学家也用计算方法模拟宇宙演化（星系生成、暗物质分布等），追求更高精度。

艺术领域：AI 影像
在 MIT 电影黑客松中，一部获奖短片除剪辑外均由 AI 完成：融合传统与现代、现实与幻想，构造虚拟乌托邦。对教师而言，价值不在「完全交给机器拍电影」，而在看见生成式工具如何进入创作流程，以及人仍须负责剪辑、叙事与价值判断。

体育领域：跳水训练中的 3D+AI
国家跳水队与百度智能云等合作打造「3D+AI」训练系统：在运动员起跳到入水的约 2 秒内高速捕捉动作细节，再经 3D 视觉与深度网络估计，还原关节三维姿态与角度。教练与运动员用量化反馈改进技术动作——AI 提供观测与表征，人完成训练决策。

• 医学、蛋白质科学、天文学展示了 AI 在「搜索、预测、海量数据分析」上的杠杆作用。
• 艺术与体育案例提醒我们：生成与感知可以进入创作与训练，但剪辑、教学目标与技术决策仍由人主导。
• 向学生介绍 AI 时，用具体工作流比用广告口号更有说服力。
• 下一节转向影响与风险：效率收益之外的认知外包、幻觉与偏见。