從“科學(xué)家”到“AI科學(xué)家”的來臨，AI人工智能的到來，對人類科學(xué)家來說既是挑戰(zhàn)，也是機(jī)遇。

如果讓一個完全沒有天文學(xué)知識的科學(xué)家用現(xiàn)代觀測手段重新認(rèn)識宇宙，他是會先提出地心說？日心說？還是一次提出現(xiàn)階段的宇宙觀呢？

事實上，人工智能就是這樣一個在觀測與實驗?zāi)芰ι涎b備精良，卻對已有科學(xué)理論一竅不通的“科學(xué)家”。它為我們擺脫人類科學(xué)史的“束縛”，發(fā)現(xiàn)全新的模型與理論找到了一條道路。

當(dāng)下的科學(xué)

我們常說，科學(xué)史是一部否定史。對AI來說，否定起來“不留情面”。

縱觀歷史，對科學(xué)的探求一直是一個千百代人共同鑄成的宏大命題。

于個體人類短暫的一生來說，往往存在著許多恒定不變的“真理”，但后工業(yè)時代，層出不窮的科學(xué)發(fā)現(xiàn)不斷顛覆這些“真理”，井噴式的成果給科學(xué)帶來不小的震動。由此可以想見，在未來的科學(xué)家看來，當(dāng)下的“科學(xué)真理”很可能也只是稚嫩的探索。

比如，古希臘科學(xué)家亞里士多德曾提出，物體的持續(xù)運(yùn)動需要一個外力持續(xù)作用?；谶@一定律，他進(jìn)一步論證，否認(rèn)了“真空”的存在。

但后來，人類以實驗證明了真空的存在，牛頓也提出牛頓第一定律：真空中物體會依照慣性持續(xù)運(yùn)動，除非外力阻止。

從古希臘時的亞里士多德三定律到第一次工業(yè)革命后的牛頓三定律，人類關(guān)于運(yùn)動規(guī)律的探索持續(xù)了將近2000年。即便把首次驗證真空的托里拆利實驗作為起點，它與牛頓提出第一運(yùn)動定律的時間也相隔半個世紀(jì)之久。

與AI理解人類道德一樣，讓AI理解人類的科學(xué)史其實是一件困難的事情。人們往往只能對AI說“不能這么做”，卻很難讓它理解“為什么不這么做”。的確，在人工智能的倫理道德方面，這實在令人類頭疼，但在科學(xué)方面，這反而成為人工智能的一個優(yōu)勢。

通俗一點說，由于沒有對過往科學(xué)知識的篤信（或者說有徹底的質(zhì)疑精神），“AI科學(xué)家”在“否定前人”這件事上可以做得更加徹底。

一旦理解大多數(shù)科學(xué)理論都只是在當(dāng)下觀測條件和實驗條件下的科學(xué)，就可以理解為什么AI相比人類科學(xué)家來說有更多優(yōu)勢。

一位“AI亞里士多德”與一位“AI牛頓”之間的差距，可能僅僅取決于一次實驗設(shè)備的更換。而一部AI書寫的科學(xué)史，從亞里士多德三定律到牛頓三定律也只需要幾天、幾分鐘甚至幾秒。

并且，由于AI對世界的探索基于數(shù)據(jù)，和人類科學(xué)家相比，它在傳承性與協(xié)作性上更具優(yōu)勢。一旦一個“AI托里拆利”驗證了一種新的名為“真空”的狀態(tài)客觀存在，另一個“AI牛頓”可以在很短的時間內(nèi)基于它的驗證結(jié)果修正原本的預(yù)測模型。

在這一點上，不了解科學(xué)史的AI可能比人類科學(xué)家更客觀，更不受偏見和刻板印象的影響。

除此之外，AI還有一種作用，它可以驗證人類已知的各類“定律”是否處于最優(yōu)狀態(tài)。

在普通人的認(rèn)知中，科學(xué)定律總是唯一的，但這是一種錯誤的觀點，科學(xué)定律只是當(dāng)前已知的、數(shù)學(xué)上的最優(yōu)描述路徑。

我們可以想象，另一個平行世界中的人類也能以“地心說”為藍(lán)本描述整個宇宙，這并不妨礙他們發(fā)射衛(wèi)星、登月甚至移民火星。只是這個平行世界中的科學(xué)家，在計算同一個行星運(yùn)動軌跡時所用的公式在數(shù)學(xué)復(fù)雜程度上會遠(yuǎn)遠(yuǎn)高于我們。

再通俗一點說，算一道小學(xué)的十以內(nèi)加減法，你也可以將等號右邊的空位置設(shè)為x，然后用一套復(fù)雜的代數(shù)規(guī)則。但是套用一句流行語來說：“可以，但沒必要?！?/p>

既然能夠存在“簡單問題復(fù)雜化”的另一個平行宇宙，那么如何保證我們自身是一個“復(fù)雜問題簡單化”的宇宙呢？

AI可以幫助我們解決這一問題。

對于AI來說，它的一切輸入基于人類當(dāng)前實驗與觀測設(shè)備所輸出的精確數(shù)據(jù)，因此其在簡化與優(yōu)化定律方面有著更強(qiáng)的天賦，也能夠發(fā)現(xiàn)人類不易察覺的潛在定律。

去年，蘇黎世聯(lián)邦理工學(xué)院的幾位科學(xué)家用太陽系的觀測數(shù)據(jù)建立了一個模型，使AI自己發(fā)現(xiàn)了日心說和動量守恒定律。

這類實驗的意義在于，如果實驗中AI沒有給出人類已知的某種定律，而一切數(shù)據(jù)又真實有效，那么我們就需要重新審視已知定律了，而這往往是人類科學(xué)史上十分重要的高光時刻。

“虛擬科學(xué)”的真實價值

前段時間網(wǎng)上流行一種基于深度學(xué)習(xí)的生成小應(yīng)用，比如 Fakeface 會隨機(jī)生成一張現(xiàn)實中不存在的人物照片，F(xiàn)akeroom 會隨機(jī)生成一張現(xiàn)實中不存在的房間照片。

事實上，這類基于 AI 的生成應(yīng)用的作用遠(yuǎn)遠(yuǎn)不止供大眾娛樂。在科學(xué)領(lǐng)域，由人工智能生成虛擬的現(xiàn)實已經(jīng)成為一些領(lǐng)域研究中的重要手段，比如開頭提到的天文學(xué)。

2018 年 12 月，天體物理學(xué)家Kevin Schawinski發(fā)表在學(xué)術(shù)期刊《天體學(xué)和物理學(xué)》（Research in Astronomy and Astrophysics）期刊上的一篇論文[1]主張，應(yīng)該將人工智能算法引入到對天體模型的生成與預(yù)測中。這樣可以更好地幫助人類科學(xué)家理解星系的發(fā)展歷程和宇宙的誕生過程。

Schawinski 談到，人類天文學(xué)家在過去基于觀測給出了許多結(jié)論，比如當(dāng)一個星系從低密度向高密度轉(zhuǎn)移時會變得更紅。但是，他們不能解釋這種現(xiàn)象為什么會出現(xiàn)。因為宇宙是無法進(jìn)行試驗的客觀存在，天文學(xué)家們不可能改變宇宙中的某個變量，再看它會對整個宇宙產(chǎn)生什么影響。

但通過AI生成的虛擬空間，研究人員可以將現(xiàn)實中無法改變的某些元素改變，如重力常數(shù)、光速或者星系密度，重新生成一個新的“銀河系”與當(dāng)下的真實銀河系進(jìn)行比較研究。

關(guān)于星系密度與星系顏色的關(guān)聯(lián)，有兩條假說，其一是高密度星系中有更多的宇宙塵埃，這些塵埃使星系變得更紅；另一種假說認(rèn)為在一個密度更高的星系中，新恒星形成更少（老恒星更多）才導(dǎo)致了星系變紅。

在過去，這兩種假說都沒辦法被驗證，因為天文學(xué)家既不可能向一個沒有塵埃的星系中填滿塵埃，也不可能向一個已經(jīng)衰老的星系中注入大量新恒星。但有了AI之后，就可以輕松做這兩個試驗了。

“答案很簡單，”Schawinski說道，“我們的結(jié)果更支持星系變紅是因為其中的恒星變老?！盵2]

“AI科學(xué)家”

AI 對科學(xué)的改變不僅在虛擬世界中建立算法模型和模擬實驗，甚至在一定程度上讓 AI 可以獨(dú)立完成人類科學(xué)家所給出的完整命題。

2009 年，威爾士阿伯里斯特威斯大學(xué)的羅斯·金曾經(jīng)打造了一臺“機(jī)器人科學(xué)家”亞當(dāng)，它與過去那些幫助人類科學(xué)家進(jìn)行計算和模擬的設(shè)備不同，它直接將計算機(jī)、機(jī)械臂、離心機(jī)、培養(yǎng)箱等設(shè)備鏈接在一起[3]。

自90年代起，研究人員一直使用機(jī)器人篩選藥物和序列基因組，使部分科學(xué)過程自動化，但人類通常負(fù)責(zé)形成假設(shè)并自行設(shè)計實驗。實驗結(jié)束后，必須由人類分析結(jié)果才能得出結(jié)論。

亞當(dāng)則不同，它由自身的模型算法驅(qū)動生成實驗假設(shè)，然后通過自身連接的設(shè)備自主實驗，再用各類傳感器驗證實驗結(jié)果是否與假設(shè)相同。在一些生命科學(xué)的基礎(chǔ)命題上，亞當(dāng)已經(jīng)可以獨(dú)當(dāng)一面。

它被用來檢驗酵母菌不同DNA片段對最終生成酵母酶的影響，以及不同基因片段對應(yīng)的不同酵母酶。在這個命題中，亞當(dāng)可以每天設(shè)計并實施1000次不同的實驗，這一速度遠(yuǎn)遠(yuǎn)超過人類生物學(xué)家。亞當(dāng)投入使用很短時間，就發(fā)現(xiàn)了三個基因與酵母酶之間的關(guān)聯(lián)，后來人類科學(xué)家也復(fù)現(xiàn)驗證了其中一組。

亞當(dāng)并非唯一，也非最后一個AI科學(xué)家。事實上，在亞當(dāng)出世后的十年，這類可以進(jìn)行完整實驗的AI科學(xué)家被越來越多地制造出來。

2018年，格拉斯哥大學(xué)的化學(xué)家 Lee Cronin 設(shè)計了一個以 AI 為核心的自動化實驗設(shè)備，堪稱“生命起源領(lǐng)域的強(qiáng)子對撞機(jī)”——研究人員希望通過這種方式加速對生命誕生過程的探索[4]。

研究團(tuán)隊讓一個AI在虛擬空間中隨機(jī)合成任意的化學(xué)物質(zhì)，然后以AI控制它所連接的一系列真實設(shè)備，將這些物質(zhì)合成出來，再通過質(zhì)譜儀和核磁共振設(shè)備檢驗所生成的物質(zhì)是否滿足AI算法的預(yù)期，最后依據(jù)真實情況對建模進(jìn)行修改。這實現(xiàn)了一套完整的自我修訂鏈。

這就好比為 AlphaGo裝了一臺機(jī)械臂，它可以完整、獨(dú)立地進(jìn)行這一類科學(xué)探索。

與其他領(lǐng)域，如醫(yī)療領(lǐng)域的進(jìn)展相同，人工智能科學(xué)家并不會取代人類科學(xué)家，而是讓科學(xué)家從繁復(fù)的基礎(chǔ)計算和模擬實驗中解放出來，實現(xiàn)科學(xué)研究的“自動化”。

Lee Cronin 談到，他們在設(shè)計這個AI科學(xué)家時，特意的沒有導(dǎo)入人類已有的化學(xué)知識體系，而是讓機(jī)器完全從零開始學(xué)習(xí)。如果以理論上存在的物質(zhì)與反應(yīng)為總量，人類化學(xué)家在過去幾百年里已知的“正確知識”可能只是滄海一粟。

盡管這臺機(jī)器隨機(jī)設(shè)計出的實驗大多以失敗告終，但只要它持續(xù)運(yùn)作，確實能減少人類化學(xué)家 90% 的無用功。Cronin 的團(tuán)隊已經(jīng)開始建立一個失敗反應(yīng)的數(shù)據(jù)庫，他們希望這個數(shù)據(jù)庫能夠幫助人類化學(xué)家避開這些“已知”的無效路徑。

對于人類科學(xué)家來說，這可能是一種威脅，但從宏觀來看，成為一名人類科學(xué)家的門檻本身就在上升。

在天文望遠(yuǎn)鏡發(fā)明后的一百年里，每確定一顆新的行星都是人類科學(xué)史上值得紀(jì)年的大事；在元素周期表剛發(fā)明的一百年里，每一個能為元素周期表填上一位元素的化學(xué)家都會被大眾所知曉。但隨后的化學(xué)家和天文學(xué)家便不再有這樣的待遇。

AI科學(xué)家的來臨，對人類科學(xué)家來說既是挑戰(zhàn)，也是機(jī)遇。它讓人類社會中最聰明的一群人，可以去做更值得他們?nèi)プ龅氖虑?，?chuàng)造與發(fā)現(xiàn)更偉大的奇跡。

— END —

參考資料

[1]：https://arxiv.org/pdf/1812.01114.pdf

[2]：Exploring galaxy evolution with generative models | Astronomy & Astrophysics (A&A)

[3]：Robot Makes Scientific Discovery All by Itself | WIRED

[4]：The AI robot chemist trying to find the origins of life on Earth | WIRED UK

How Artificial Intelligence Is Changing Science | Quanta Magazine

作者：王健飛

公眾號：騰訊研究院（ID：cyberlawrc）

來源：https://mp.weixin.qq.com/s/1EZyzNIsbTJoY52dhGcV-A

題圖來自Unsplash，基于CC0協(xié)議