智库中国 > 

智能时代的科学发现及其反思

来源:学习时报 | 作者:王东 | 时间:2019-10-09 | 责编:申罡

在人类的历史上,新技术的出现总是会带来新的科学发现,例如X射线晶体学之于DNA的双螺旋结构的发现,高能粒子加速器之于基本粒子的探寻。20世纪通用计算概念的提出、电子计算机及其网络的出现都对科学研究起到了巨大的推动作用。计算机首先替代了人类繁重的手工计算活动并提高了精度和效率、计算机模拟和仿真技术开辟了一种新的科学实验和研究方式;而随着科学研究中数据的积累、计算力的增长以及科学研究设备的数字化,数据驱动和智能驱动的科学发现成为可能——研究者不需要面对自然而只面对大量的数据就可以在包括机器学习等各种技术的帮助下获得真实的科学发现,人工智能技术正在成为一种新的科学研究的通用工具。例如在天文学中,天文学家可以通过各种大型天文设备获得海量的数据(斯隆巡天计划每晚就可以产生PB级别的数据)并在机器的辅助下获得科学发现,可以通过深度学习技术对星系的图像进行分类甚至发现新的星系种类等。再例如在高能物理中科学家通过分析大型加速器中的海量数据从而帮助寻找新的基本粒子;在凝聚态物理中机器学习方法帮助从高维数据中找出影响宏观性质的序参量;在量子多体问题中通过机器学习方式来学习波函数,从而可以将量子多体问题的复杂性简化为可计算的程度。除此之外,人工智能在计算化学、计算生物学、生态学、基因组学等这样的数据密集型科学研究中也有广泛的应用,例如计算机辅助药物设计等。2018年底谷歌推出“阿尔法—折叠”人工智能产品,在预测蛋白质折叠的比赛中获得冠军,预示着人工智能将会在生命科学中扮演更重要角色。

除了自然科学,数据方法和人工智能在社会科学中的应用也很广泛,形成了计算社会科学这一正在快速发展中的学科。当然人工智能不仅仅可以帮助各个领域的科学家处理各自领域当前的问题,从海量数据中“提取”出有用的模式,还可以在已有的数据库中找到已有知识之间的关联从而获得新的发现,从而真正实现跨学科和领域的联合研究。

尽管人工智能在各个科学研究领域正在快速普及和应用,但是关于这种新方法在科学研究中的作用和地位以及将来可能的发展还存在很多的争议。有人认为人工智能与大数据方法存在黑箱问题等各种局限,最终只能作为人类科学活动的一种辅助手段,其作用就是帮助科学家处理大量的数据,但是科学发现的核心过程还是需要人类本身的创造力;而另一些人则认为人类本身具有先天的认知缺陷,例如科学家个人没法阅读各自领域每年上百万篇的新论文,在实验和构造理论的时候也会带入强烈的主观色彩和自圆其说的偏见等等,这些认知缺陷无法适应加速增长的科学研究,需要人工智能的帮助。这其中的一些乐观派认为人工智能系统将成为未来科学研究的基础设施,未来复杂的人工智能系统将和人类合作取得重大的科学发现,人机合作系统中是以人工智能系统作为统筹的核心,而人类在其中贡献自己的部分能力。他们还认为人工智能可以克服人类的认知局限并作出真正高效的科学发现,甚至在化学和生物学等领域的“人工智能科学家”能获得诺贝尔奖。当然更多的研究者还是持有一种谨慎的态度,认为人类科学家虽然有认知局限,但是当前的人工智能技术及其可能的前景中并不能完全主导科学研究和替代人类,当前最好的方式就是探讨如何在科学研究活动中取长补短。

当前的这些争论背后有多种深层次的原因:一是人工智能在不同的科学研究领域和科学发现层次应用程度不同;二是对科学发现的本质目前还不清楚;三是人工智能当前发现因果关系的能力还不够强。从研究领域上看乐观派大多集中于天文学、地学、生物学、医学等数据密集型且明显依赖数据驱动科学发现的领域。这些非基础科学领域不需要作出颠覆性的科学发现,多数时候只需要在已有的基础科学理论的基础上,基于已有的数据找出一定领域中变量之间的“模式”即完成了科学发现。但是在一些基础科学领域,科学发现并不仅仅是找到数据和经验材料之间的“联系”这么简单,更多的时候其实是在探索和发现新的变量,而由于人工智能当前更加擅长寻找“相关性”,所以其在这些领域应用的深度还不够。另一方面科学研究在多大程度上能够自动化,人工智能在科学发现的过程中能够起到多大的作用,还取决于人类对于科学研究活动和科学发现本质的理解。能够说清楚的事情基本都可以用机械化的方法去刻画,但对于人类的创造性,包括科学研究中的创造性,目前无论是科学哲学界还是认知科学界都没能说清楚,所以人工智能在科学发现上能够走多远现在还未知。最后,科学发现本身其实是找寻相关性和因果性的综合体,我们不仅仅要解释现象,更重要的是还需要去干预世界,这要求科学理论要能刻画真实的因果关系。而从数据中被动地发现因果关系,或者构建人工智能程序自己设计实验主动去探索因果关系的相关研究还不够实用,还存在很多理论和实践上的难题未解决,所以目前看来人工智能还只能是人类科学研究的一个工具,还不是伙伴。


发表评论