人工智能如何改變基礎(chǔ)科學(xué)？
如果讓一個(gè)完全沒(méi)有天文學(xué)知識(shí)的科學(xué)家用現(xiàn)代觀測(cè)手段重新認(rèn)識(shí)宇宙，他是會(huì)先提出地心說(shuō)？日心說(shuō)？還是一次提出現(xiàn)階段的宇宙觀呢？
事實(shí)上，人工智能就是這樣一個(gè)在觀測(cè)與實(shí)驗(yàn)?zāi)芰ι涎b備精良，卻對(duì)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。
縱觀歷史，對(duì)科學(xué)的探求一直是一個(gè)千百代人共同鑄成的宏大命題。
于個(gè)體人類短暫的一生來(lái)說(shuō)，往往存在著許多恒定不變的“真理”，但后工業(yè)時(shí)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(lái)不小的震動(dòng)。由此可以想見(jiàn)，在未來(lái)的科學(xué)家看來(lái)，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(dòng)需要一個(gè)外力持續(xù)作用。基于這一定律，他進(jìn)一步論證，否認(rèn)了“真空”的存在。
但后來(lái)，人類以實(shí)驗(yàn)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(huì)依照慣性持續(xù)運(yùn)動(dòng)，除非外力阻止。
從古希臘時(shí)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(dòng)規(guī)律的探索持續(xù)了將近2000年。即便把首次驗(yàn)證真空的托里拆利實(shí)驗(yàn)作為起點(diǎn)，它與牛頓提出第一運(yùn)動(dòng)定律的時(shí)間也相隔半個(gè)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(shí)是一件困難的事情。人們往往只能對(duì)AI說(shuō)“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(shí)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(gè)優(yōu)勢(shì)。
通俗一點(diǎn)說(shuō)，由于沒(méi)有對(duì)過(guò)往科學(xué)知識(shí)的篤信（或者說(shuō)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(cè)條件和實(shí)驗(yàn)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(lái)說(shuō)有更多優(yōu)勢(shì)。
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(shí)驗(yàn)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(duì)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(shì)。一旦一個(gè)“AI托里拆利”驗(yàn)證了一種新的名為“真空”的狀態(tài)客觀存在，另一個(gè)“AI牛頓”可以在很短的時(shí)間內(nèi)基于它的驗(yàn)證結(jié)果修正原本的預(yù)測(cè)模型。
在這一點(diǎn)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(jiàn)和刻板印象的影響。
除此之外，AI還有一種作用，它可以驗(yàn)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(cuò)誤的觀點(diǎn)，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(gè)平行世界中的人類也能以“地心說(shuō)”為藍(lán)本描述整個(gè)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(gè)平行世界中的科學(xué)家，在計(jì)算同一個(gè)行星運(yùn)動(dòng)軌跡時(shí)所用的公式在數(shù)學(xué)復(fù)雜程度上會(huì)遠(yuǎn)遠(yuǎn)高于我們。
再通俗一點(diǎn)說(shuō)，算一道小學(xué)的十以內(nèi)加減法，你也可以將等號(hào)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(yǔ)來(lái)說(shuō)：“可以，但沒(méi)必要。”
既然能夠存在“簡(jiǎn)單問(wèn)題復(fù)雜化”的另一個(gè)平行宇宙，那么如何保證我們自身是一個(gè)“復(fù)雜問(wèn)題簡(jiǎn)單化”的宇宙呢？
AI可以幫助我們解決這一問(wèn)題。
對(duì)于AI來(lái)說(shuō)，它的一切輸入基于人類當(dāng)前實(shí)驗(yàn)與觀測(cè)設(shè)備所輸出的精確數(shù)據(jù)，因此其在簡(jiǎn)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(jué)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(yáng)系的觀測(cè)數(shù)據(jù)建立了一個(gè)模型，使AI自己發(fā)現(xiàn)了日心說(shuō)和動(dòng)量守恒定律。
這類實(shí)驗(yàn)的意義在于，如果實(shí)驗(yàn)中AI沒(méi)有給出人類已知的某種定律，而一切數(shù)據(jù)又真實(shí)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(shí)刻。
事實(shí)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(lè)。在科學(xué)領(lǐng)域，由人工智能生成虛擬的現(xiàn)實(shí)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(duì)天體模型的生成與預(yù)測(cè)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(guò)程。
Schawinski 談到，人類天文學(xué)家在過(guò)去基于觀測(cè)給出了許多結(jié)論，比如當(dāng)一個(gè)星系從低密度向高密度轉(zhuǎn)移時(shí)會(huì)變得更紅。但是，他們不能解釋這種現(xiàn)象為什么會(huì)出現(xiàn)。因?yàn)橛钪媸菬o(wú)法進(jìn)行試驗(yàn)的客觀存在，天文學(xué)家們不可能改變宇宙中的某個(gè)變量，再看它會(huì)對(duì)整個(gè)宇宙產(chǎn)生什么影響。
但通過(guò)AI生成的虛擬空間，研究人員可以將現(xiàn)實(shí)中無(wú)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(gè)新的“銀河系”與當(dāng)下的真實(shí)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(shuō)，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(shuō)認(rèn)為在一個(gè)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(guò)去，這兩種假說(shuō)都沒(méi)辦法被驗(yàn)證，因?yàn)樘煳膶W(xué)家既不可能向一個(gè)沒(méi)有塵埃的星系中填滿塵埃，也不可能向一個(gè)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(gè)試驗(yàn)了。
“答案很簡(jiǎn)單，”Schawinski說(shuō)道，“我們的結(jié)果更支持星系變紅是因?yàn)槠渲械暮阈亲兝稀?rdquo;[2]
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(tái)“機(jī)器人科學(xué)家”亞當(dāng)，它與過(guò)去那些幫助人類科學(xué)家進(jìn)行計(jì)算和模擬的設(shè)備不同，它直接將計(jì)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(guò)程自動(dòng)化，但人類通常負(fù)責(zé)形成假設(shè)并自行設(shè)計(jì)實(shí)驗(yàn)。實(shí)驗(yàn)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(dòng)生成實(shí)驗(yàn)假設(shè)，然后通過(guò)自身連接的設(shè)備自主實(shí)驗(yàn)，再用各類傳感器驗(yàn)證實(shí)驗(yàn)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(lái)檢驗(yàn)酵母菌不同DNA片段對(duì)最終生成酵母酶的影響，以及不同基因片段對(duì)應(yīng)的不同酵母酶。在這個(gè)命題中，亞當(dāng)可以每天設(shè)計(jì)并實(shí)施1000次不同的實(shí)驗(yàn)，這一速度遠(yuǎn)遠(yuǎn)超過(guò)人類生物學(xué)家。亞當(dāng)投入使用很短時(shí)間，就發(fā)現(xiàn)了三個(gè)基因與酵母酶之間的關(guān)聯(lián)，后來(lái)人類科學(xué)家也復(fù)現(xiàn)驗(yàn)證了其中一組。
亞當(dāng)并非唯一，也非最后一個(gè)AI科學(xué)家。事實(shí)上，在亞當(dāng)出世后的十年，這類可以進(jìn)行完整實(shí)驗(yàn)的AI科學(xué)家被越來(lái)越多地制造出來(lái)。
2018年，格拉斯哥大學(xué)的化學(xué)家 Lee Cronin 設(shè)計(jì)了一個(gè)以 AI 為核心的自動(dòng)化實(shí)驗(yàn)設(shè)備，堪稱“生命起源領(lǐng)域的強(qiáng)子對(duì)撞機(jī)”——研究人員希望通過(guò)這種方式加速對(duì)生命誕生過(guò)程的探索[4]。
研究團(tuán)隊(duì)讓一個(gè)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(shí)設(shè)備，將這些物質(zhì)合成出來(lái)，再通過(guò)質(zhì)譜儀和核磁共振設(shè)備檢驗(yàn)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(shí)情況對(duì)建模進(jìn)行修改。這實(shí)現(xiàn)了一套完整的自我修訂鏈。
這就好比為 AlphaGo裝了一臺(tái)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(huì)取代人類科學(xué)家，而是讓科學(xué)家從繁復(fù)的基礎(chǔ)計(jì)算和模擬實(shí)驗(yàn)中解放出來(lái)，實(shí)現(xiàn)科學(xué)研究的“自動(dòng)化”。
Lee Cronin 談到，他們?cè)谠O(shè)計(jì)這個(gè)AI科學(xué)家時(shí)，特意的沒(méi)有導(dǎo)入人類已有的化學(xué)知識(shí)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(guò)去幾百年里已知的“正確知識(shí)”可能只是滄海一粟。
盡管這臺(tái)機(jī)器隨機(jī)設(shè)計(jì)出的實(shí)驗(yàn)大多以失敗告終，但只要它持續(xù)運(yùn)作，確實(shí)能減少人類化學(xué)家 90% 的無(wú)用功。Cronin 的團(tuán)隊(duì)已經(jīng)開始建立一個(gè)失敗反應(yīng)的數(shù)據(jù)庫(kù)，他們希望這個(gè)數(shù)據(jù)庫(kù)能夠幫助人類化學(xué)家避開這些“已知”的無(wú)效路徑。
對(duì)于人類科學(xué)家來(lái)說(shuō)，這可能是一種威脅，但從宏觀來(lái)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(gè)能為元素周期表填上一位元素的化學(xué)家都會(huì)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(lái)臨，對(duì)人類科學(xué)家來(lái)說(shuō)既是挑戰(zhàn)，也是機(jī)遇。它讓人類社會(huì)中最聰明的一群人，可以去做更值得他們?nèi)プ龅氖虑椋瑒?chuàng)造與發(fā)現(xiàn)更偉大的奇跡。
來(lái)源 |騰訊研究院
作者 |王健飛
上一篇：AI風(fēng)險(xiǎn)難預(yù)料？歐洲試行人工智能道德規(guī)范
下一篇：人工智能寒冬論不絕于耳，究竟人工智能發(fā)展如何？