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，全球面臨各種極端氣候——高溫、洪水和山火不時發(fā)生。為了準確預(yù)測此類極端情況，半導(dǎo)體巨頭英偉達決定為整個星球打造一個人工智能驅(qū)動的名為“地球-2”“數(shù)字孿生”體系。

這個系統(tǒng)基于擁有數(shù)十兆字節(jié)地球數(shù)據(jù)的人工智能模型，可以更快、更準確地預(yù)測未來兩周的天氣，準確捕捉罕見但致命的災(zāi)難風(fēng)險，從而為弱勢人群提供寶貴的準備和疏散時間。隨著人工智能的出現(xiàn)，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(zhuǎn)變將影響我們所有人。如果我們打好這一手牌，通過合理的監(jiān)管和對人工智能創(chuàng)新應(yīng)用的適當(dāng)支持來解決科學(xué)最緊迫的問題，人工智能可以改寫科學(xué)進程。近幾個月來，人工智能幾乎已經(jīng)成為大型語言模型（LLM）的代名詞，但在科學(xué)領(lǐng)域，有許多不同的模型架構(gòu)可能會產(chǎn)生更大的影響。在過去的十年里，科學(xué)的大多數(shù)進步都來自于專注于特定問題的較小的“經(jīng)典”模型。這些模式已經(jīng)帶來了深刻的進步。最近，開始融合跨領(lǐng)域知識和生成人工智能的更大深度學(xué)習(xí)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)家進行文獻綜述的方式。PaperQA和Elicit等工具利用LLM掃描文章數(shù)據(jù)庫，并對現(xiàn)有文獻引文進行簡潔準確的總結(jié)。人工智能還可以更快地擴大或縮小假設(shè)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(shè)，例如為新藥提供更有前景的候選模型。進入實驗階段，人工智能將能夠更快、更便宜、更大規(guī)模地進行實驗。例如，我們可以用數(shù)百個日夜運行的微量移液器制造人工智能驅(qū)動的機器，以無人能及的速度產(chǎn)生樣本?？茖W(xué)家可以使用人工智能工具進行一千次實驗，而不是將自己限制在六次實驗。擔(dān)心下一次撥款、出版或任期過程的科學(xué)家將不再局限于成功幾率最高的安全實驗；他們將可以自由地追求更大膽、更跨學(xué)科的假設(shè)。例如，在評估新分子時，研究人員傾向于選擇與我們已經(jīng)知道的分子結(jié)構(gòu)相似的候選分子，但人工智能模型不必具有相同的偏見和約束。最終，大部分科學(xué)將在“自驅(qū)動實驗室”進行，即與人工智能相結(jié)合的自動化機器人平臺。在這里，我們可以將人工智能能力從數(shù)字領(lǐng)域帶入物理世界。這種自驅(qū)動實驗室已經(jīng)在Emerald Cloud Lab和Artificial等公司出現(xiàn)，甚至在阿貢國家實驗室也出現(xiàn)了。最后，在分析和結(jié)論階段，自驅(qū)動實驗室將超越自動化，根據(jù)他們產(chǎn)生的實驗結(jié)果，使用LLM來解釋結(jié)果，并推薦下一個實驗。然后，作為研究過程中的合作伙伴，人工智能實驗室助理可以訂購用品來取代早期實驗中使用的用品，并在一夜之間設(shè)置和運行下一個推薦的實驗，結(jié)果可以在早上實驗者在家睡覺時隨時公布。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，這場革命產(chǎn)生的新工作可能比目前大多數(shù)實驗室工作更有創(chuàng)意，也沒有那么盲目。人工智能工具可以降低新科學(xué)家的進入門檻，并為那些傳統(tǒng)上被排除在該領(lǐng)域之外的人打開機會。有了LLM能夠幫助構(gòu)建代碼，STEM學(xué)生將不再需要掌握晦澀難懂的編碼語言，這為新的非傳統(tǒng)人才打開了象牙塔的大門，并使科學(xué)家更容易參與自己以外的領(lǐng)域。很快，經(jīng)過專門培訓(xùn)的LLM可能會超越提供資助提案等書面工作的初稿，并可能被開發(fā)為與人類評審員一起提供新論文的“同行”評審。人工智能工具有著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，通過自驅(qū)動實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(qū)動的機器人。同樣，在我們將大部分文書工作、研究和分析交給LLM之前，我們應(yīng)該意識到當(dāng)前LLM的局限性甚至幻覺。除了達到新的高度，人工智能還可以通過解決科學(xué)的可復(fù)制性危機來幫助驗證我們已經(jīng)知道的事情。大約70%的科學(xué)家報告顯示，他們無法復(fù)制另一位科學(xué)家的實驗，這是一個令人沮喪的數(shù)字。隨著人工智能降低了實驗的成本和工作量，在某些情況下，復(fù)制結(jié)果或得出無法復(fù)制的結(jié)論會更容易，這有助于增強人們對科學(xué)的信任。可復(fù)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)域的一切都是開放獲取的，從沒有付費墻的文章到開源數(shù)據(jù)、代碼和模型?？杀氖?，由于這些模型可能會帶來危險，使所有模型都開源并不總是現(xiàn)實的。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。

來源：麻省理工科技

*博客內(nèi)容為網(wǎng)友個人發(fā)布，僅代表博主個人觀點，如有侵權(quán)請聯(lián)系工作人員刪除。