谷歌前CEO埃里克·施密特：人工智能將改變科學(xué)的運作方式

今年入夏以來(lái)，全球面臨各種極端氣候——高溫、洪水和山火不時(shí)發(fā)生。為了準確預測此類(lèi)極端情況，半導體巨頭英偉達決定為整個(gè)星球打造一個(gè)人工智能驅動(dòng)的名為“地球-2”“數字孿生”體系。

這個(gè)系統基于擁有數十兆字節地球數據的人工智能模型，可以更快、更準確地預測未來(lái)兩周的天氣，準確捕捉罕見(jiàn)但致命的災難風(fēng)險，從而為弱勢人群提供寶貴的準備和疏散時(shí)間。隨著(zhù)人工智能的出現，科學(xué)將變得更加令人興奮，但在某些方面也變得面目全非，這種轉變將影響我們所有人。如果我們打好這一手牌，通過(guò)合理的監管和對人工智能創(chuàng )新應用的適當支持來(lái)解決科學(xué)最緊迫的問(wèn)題，人工智能可以改寫(xiě)科學(xué)進(jìn)程。近幾個(gè)月來(lái)，人工智能幾乎已經(jīng)成為大型語(yǔ)言模型（LLM）的代名詞，但在科學(xué)領(lǐng)域，有許多不同的模型架構可能會(huì )產(chǎn)生更大的影響。在過(guò)去的十年里，科學(xué)的大多數進(jìn)步都來(lái)自于專(zhuān)注于特定問(wèn)題的較小的“經(jīng)典”模型。這些模式已經(jīng)帶來(lái)了深刻的進(jìn)步。最近，開(kāi)始融合跨領(lǐng)域知識和生成人工智能的更大深度學(xué)習模型擴大了可能性。重塑科學(xué)目前，人工智能已經(jīng)改變了一些科學(xué)家進(jìn)行文獻綜述的方式。PaperQA和Elicit等工具利用LLM掃描文章數據庫，并對現有文獻引文進(jìn)行簡(jiǎn)潔準確的總結。人工智能還可以更快地擴大或縮小假設的搜索范圍。因此，人工智能工具可以幫助制定更有力的假設，例如為新藥提供更有前景的候選模型。進(jìn)入實(shí)驗階段，人工智能將能夠更快、更便宜、更大規模地進(jìn)行實(shí)驗。例如，我們可以用數百個(gè)日夜運行的微量移液器制造人工智能驅動(dòng)的機器，以無(wú)人能及的速度產(chǎn)生樣本?？茖W(xué)家可以使用人工智能工具進(jìn)行一千次實(shí)驗，而不是將自己限制在六次實(shí)驗。擔心下一次撥款、出版或任期過(guò)程的科學(xué)家將不再局限于成功幾率最高的安全實(shí)驗；他們將可以自由地追求更大膽、更跨學(xué)科的假設。例如，在評估新分子時(shí)，研究人員傾向于選擇與我們已經(jīng)知道的分子結構相似的候選分子，但人工智能模型不必具有相同的偏見(jiàn)和約束。最終，大部分科學(xué)將在“自驅動(dòng)實(shí)驗室”進(jìn)行，即與人工智能相結合的自動(dòng)化機器人平臺。在這里，我們可以將人工智能能力從數字領(lǐng)域帶入物理世界。這種自驅動(dòng)實(shí)驗室已經(jīng)在Emerald Cloud Lab和Artificial等公司出現，甚至在阿貢國家實(shí)驗室也出現了。最后，在分析和結論階段，自驅動(dòng)實(shí)驗室將超越自動(dòng)化，根據他們產(chǎn)生的實(shí)驗結果，使用LLM來(lái)解釋結果，并推薦下一個(gè)實(shí)驗。然后，作為研究過(guò)程中的合作伙伴，人工智能實(shí)驗室助理可以訂購用品來(lái)取代早期實(shí)驗中使用的用品，并在一夜之間設置和運行下一個(gè)推薦的實(shí)驗，結果可以在早上實(shí)驗者在家睡覺(jué)時(shí)隨時(shí)公布。可能性和局限性年輕的研究人員可能對這一前景感到緊張。幸運的是，這場(chǎng)革命產(chǎn)生的新工作可能比目前大多數實(shí)驗室工作更有創(chuàng )意，也沒(méi)有那么盲目。人工智能工具可以降低新科學(xué)家的進(jìn)入門(mén)檻，并為那些傳統上被排除在該領(lǐng)域之外的人打開(kāi)機會(huì )。有了LLM能夠幫助構建代碼，STEM學(xué)生將不再需要掌握晦澀難懂的編碼語(yǔ)言，這為新的非傳統人才打開(kāi)了象牙塔的大門(mén)，并使科學(xué)家更容易參與自己以外的領(lǐng)域。很快，經(jīng)過(guò)專(zhuān)門(mén)培訓的LLM可能會(huì )超越提供資助提案等書(shū)面工作的初稿，并可能被開(kāi)發(fā)為與人類(lèi)評審員一起提供新論文的“同行”評審。人工智能工具有著(zhù)令人難以置信的潛力，但我們必須認識到人與人之間的接觸仍然很重要，不要在走路之前先跑步。例如，通過(guò)自驅動(dòng)實(shí)驗室將人工智能和機器人技術(shù)成功融合并非易事?？茖W(xué)家們在實(shí)驗室里學(xué)到了很多隱性知識，這些知識很難傳授給人工智能驅動(dòng)的機器人。同樣，在我們將大部分文書(shū)工作、研究和分析交給LLM之前，我們應該意識到當前LLM的局限性甚至幻覺(jué)。除了達到新的高度，人工智能還可以通過(guò)解決科學(xué)的可復制性危機來(lái)幫助驗證我們已經(jīng)知道的事情。大約70%的科學(xué)家報告顯示，他們無(wú)法復制另一位科學(xué)家的實(shí)驗，這是一個(gè)令人沮喪的數字。隨著(zhù)人工智能降低了實(shí)驗的成本和工作量，在某些情況下，復制結果或得出無(wú)法復制的結論會(huì )更容易，這有助于增強人們對科學(xué)的信任。可復制性和信任的關(guān)鍵在于透明度。在理想的世界里，科學(xué)領(lǐng)域的一切都是開(kāi)放獲取的，從沒(méi)有付費墻的文章到開(kāi)源數據、代碼和模型?？杀氖?，由于這些模型可能會(huì )帶來(lái)危險，使所有模型都開(kāi)源并不總是現實(shí)的。在許多情況下，完全透明的風(fēng)險大于信任和公平的好處。盡管如此，在一定程度上，我們可以對模型透明，尤其是使用更有限的經(jīng)典人工智能模型。

來(lái)源：麻省理工科技

*博客內容為網(wǎng)友個(gè)人發(fā)布，僅代表博主個(gè)人觀(guān)點(diǎn)，如有侵權請聯(lián)系工作人員刪除。