人工智能(AI)正在以前所未有的方式塑造科學(xué)領(lǐng)域。從加速研究過程到提出新的研究假設(shè),AI 的加入為科學(xué)帶來了巨大的潛力。
今年早些時候,現(xiàn)代 AI 教父之一 Yann LeCun 表示:“通過增強(qiáng)人類智慧,AI 可能會引發(fā)一場新的文藝復(fù)興,或許是啟蒙運(yùn)動的一個新階段。”
如今,AI 已經(jīng)可以使某些現(xiàn)有的科學(xué)流程變得更快、更高效,如發(fā)現(xiàn)新的抗生素、電池和太陽能電池板的新材料,以及預(yù)測短時天氣、控制核聚變等。Google DeepMind 首席執(zhí)行官 Demis Hassabis 將 AI 比作一臺望遠(yuǎn)鏡,認(rèn)為“AI 可能帶來新的發(fā)現(xiàn)復(fù)興,成為人類智慧的倍增器”。
然而,AI 能否通過改變科學(xué)本身的工作方式來做得更多?
基于文獻(xiàn)的發(fā)現(xiàn):AI 引領(lǐng)科學(xué)知識的挖掘
事實上,這種轉(zhuǎn)變以前便發(fā)生過。
17 世紀(jì),隨著科學(xué)方法的出現(xiàn),研究人員開始相信實驗觀察和從中得出的理論,而不再信奉古代的傳統(tǒng)智慧。19 世紀(jì)末,研究實驗室的建立催生了從化學(xué)到半導(dǎo)體再到制藥等多領(lǐng)域內(nèi)的創(chuàng)新涌現(xiàn)。這些轉(zhuǎn)變不僅增加了科學(xué)生產(chǎn)力,還改變了科學(xué)本身,開辟了新的研究和發(fā)現(xiàn)領(lǐng)域。
那么,在當(dāng)時,AI 如何實現(xiàn)類似的變革,不只是生成新的結(jié)果,還有生成新結(jié)果的新方式呢?
一種有前景的方法便是基于文獻(xiàn)的發(fā)現(xiàn)(LBD)。
作為一種 AI 方法,LBD 旨在通過分析科學(xué)文獻(xiàn)來進(jìn)行新的發(fā)現(xiàn)。早在 20 世紀(jì) 80 年代,為尋找醫(yī)學(xué)期刊數(shù)據(jù)庫 MEDLINE 中的新關(guān)聯(lián),芝加哥大學(xué)的 Don Swanson 博士就建立了第一個 LBD 系統(tǒng)。這一方法的早期成功之一體現(xiàn)在將雷諾氏?。ㄒ环N循環(huán)系統(tǒng)疾?。┡c血液黏度相關(guān)聯(lián),并提出魚油可能對治療有用的猜想,這一猜想后來得到實驗證實。然而,當(dāng)時 LBD 系統(tǒng)的影響范圍有限。
如今,AI 在自然語言處理(NLP)方面取得了顯著進(jìn)展,同時科學(xué)文獻(xiàn)數(shù)量也大幅增加,使得 LBD 方法變得更加強(qiáng)大。例如,2019 年,美國勞倫斯伯克利國家實驗室的研究人員使用無監(jiān)督學(xué)習(xí)技術(shù)分析材料科學(xué)文獻(xiàn)的摘要,并將其轉(zhuǎn)化為數(shù)學(xué)表示形式,被稱為“單詞嵌入”。這種方法允許 AI 系統(tǒng)獲得“化學(xué)直覺”,并提出可能具有特定性質(zhì)的新材料。實驗驗證后,所有前十名的候選材料都表現(xiàn)出了卓越的性能。
近期,由芝加哥大學(xué)的社會學(xué)家 Jamshid Sourati 和 James Evans 在《自然·人類行為》雜志上發(fā)表的一篇論文以一種新穎的方式擴(kuò)展了這種方法。研究人員培訓(xùn)了一個系統(tǒng),既考慮概念又考慮作者,并取得了比之前更好的成果。此外,他們要求系統(tǒng)避開主流研究方向,識別出“外星”假設(shè),這些假設(shè)在正常情況下不太可能被發(fā)現(xiàn)。這一方法不僅有助于加速科學(xué)發(fā)現(xiàn),還揭示了新的“盲點(diǎn)”。
如今,LBD 系統(tǒng)不僅可以提出新的研究假設(shè),還可以識別潛在的合作伙伴,促進(jìn)跨學(xué)科合作。這種方法的應(yīng)用正在擴(kuò)展到處理表格、圖表和數(shù)據(jù)等不同類型的文獻(xiàn),為科學(xué)家提供更廣泛的支持。
機(jī)器人科學(xué)家:AI 引領(lǐng)實驗室革命
機(jī)器人科學(xué)家代表了另一種令人興奮的發(fā)展,它們超越了傳統(tǒng)實驗室自動化。它們通過數(shù)據(jù)、研究論文和專利的形式獲得有關(guān)特定研究領(lǐng)域的背景知識,然后生成假設(shè)、執(zhí)行實驗、評估結(jié)果,最終發(fā)現(xiàn)新的科學(xué)知識。
亞伯大學(xué)的“Adam”是機(jī)器人科學(xué)家的先驅(qū),它首次實現(xiàn)了自主發(fā)現(xiàn)新的科學(xué)知識,關(guān)于酵母代謝中基因和酶之間關(guān)系的實驗是一個典型案例。
更復(fù)雜的機(jī)器人科學(xué)家,如“Eve”,在計劃和分析實驗時,它使用機(jī)器學(xué)習(xí)創(chuàng)建“定量構(gòu)效關(guān)系”(QSARs)——將化學(xué)結(jié)構(gòu)與生物效應(yīng)相關(guān)聯(lián)的數(shù)學(xué)模型。Eve 已經(jīng)用于藥物發(fā)現(xiàn),成功地發(fā)現(xiàn)了一種用于牙膏中的抗微生物化合物三氯生(triclosan)可以抑制引發(fā)瘧疾的寄生蟲中的關(guān)鍵機(jī)制。
曾經(jīng),人們認(rèn)為機(jī)器戰(zhàn)勝最優(yōu)秀的人類選手的前景似乎還要等上幾十年,但技術(shù)的進(jìn)步比預(yù)期更快。隨著機(jī)器人科學(xué)家的能力越來越強(qiáng),將未來的機(jī)器人科學(xué)家與會下棋的 AI 系統(tǒng)進(jìn)行競賽也指日可待。
創(chuàng)建 Adam 的劍橋大學(xué) AI 研究員 Ross King 表示,“如果 AI 能夠探索整個假設(shè)空間,甚至擴(kuò)大這個空間,那么它可能會顯示出人類只是在探索假設(shè)空間的一小部分,或許是他們自己的科學(xué)偏見導(dǎo)致的?!?/p>
機(jī)器人科學(xué)家通過解決科學(xué)領(lǐng)域的效率問題,以一種獨(dú)特的方式改變了科學(xué)研究。科學(xué)研究的效率逐漸降低,難以推動知識前沿的發(fā)展,而機(jī)器人科學(xué)家可以通過 AI 驅(qū)動的系統(tǒng)來解決這個問題,因為機(jī)器比人類更快、更便宜、更準(zhǔn)確地進(jìn)行實驗室工作,而且可以全天候工作。此外,它們還能夠提供可重復(fù)性的實驗結(jié)果,緩解了可重復(fù)性危機(jī)。
AI 在科學(xué)中的潛力與挑戰(zhàn)
盡管 AI 在科學(xué)中具有巨大潛力,但也面臨著一些挑戰(zhàn)。
除了更好的硬件和軟件以及兩者之間更緊密的集成之外,還需要更大的實驗室自動化系統(tǒng)之間的互操作性,以及允許 AI 算法交換和解釋語義信息的常見標(biāo)準(zhǔn)。另一個障礙是科學(xué)家對基于 AI 的工具缺乏熟悉度。另外,一些研究人員還會擔(dān)心自動化會威脅到他們的工作。
然而,南加州大學(xué)計算機(jī)科學(xué)家 Yolanda Gil 博士表示,AI 的影響現(xiàn)在“深遠(yuǎn)而普遍”。許多科學(xué)家現(xiàn)在正在“積極尋找 AI 合作伙伴”。對 AI 潛力的認(rèn)識正在增長,特別是在材料科學(xué)和藥物發(fā)現(xiàn)領(lǐng)域,從業(yè)者正在構(gòu)建自己的 AI 系統(tǒng)。
總的來說,科學(xué)期刊改變了科學(xué)家發(fā)現(xiàn)信息和相互借鑒的方式。研究實驗室則擴(kuò)大了實驗規(guī)模,實現(xiàn)了實驗的工業(yè)化。通過擴(kuò)展和結(jié)合前兩次變革,AI 的確可以改變科學(xué)研究的方式。
參考鏈接:
https://www.economist.com/science-and-technology/2023/09/13/could-ai-transform-science-itself
https://www.economist.com/science-and-technology/2023/09/13/how-scientists-are-using-artificial-intelligence
作者:Hazel Yan
編輯:佩奇
===