AI會(huì)讓科學(xué)家失業(yè)嗎？這個(gè)答案沒想到

生成式人工智能領(lǐng)域風(fēng)起云涌，議論甚多。不少人會(huì)發(fā)出這樣的感慨：照這樣下去，自己被 AI 取代只不過是時(shí)間問題了。比如有不少青年科研工作者，有做生化環(huán)材諸“天坑”的，有做計(jì)算機(jī)科學(xué)研究的，其中也有幾位，時(shí)不時(shí)調(diào)侃一句：“看樣子，我這樣的科學(xué)家大概也免不了被 AI 取代……”

這樣的事情真的會(huì)發(fā)生嘛？這確實(shí)是一個(gè)非常有意思的問題。

首先可以肯定的是，在近 10 年里，AI 在科學(xué)領(lǐng)域也“成果頗豐”，并且 **AI 的身影頻繁出現(xiàn)在看似跟 AI 毫無關(guān)聯(lián)的領(lǐng)域中。**從生物化學(xué)領(lǐng)域的蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)，到氣象領(lǐng)域的天氣預(yù)測(cè)，從醫(yī)學(xué)影像識(shí)別領(lǐng)域，到預(yù)測(cè)繪制化學(xué)分子的氣味圖譜，都能見到 AI 的身影。

總體來說，AI 在科學(xué)研究中的應(yīng)用主要包括三個(gè)方面：第一方面是作為工具提升科學(xué)家工作效率，第二方面是參與到論文撰寫和評(píng)審中，第三個(gè)方面是直接參與到科學(xué)研究中去。

要回答“ AI 是否會(huì)取代科學(xué)家？”，要先了解目前 AI 在這三方面的具體應(yīng)用情況。

圖庫版權(quán)圖片，轉(zhuǎn)載使用可能引發(fā)版權(quán)糾紛

AI 輔助提升

科研人員工作效率

2023 年，《自然》雜志（Nature）進(jìn)行了一項(xiàng)針對(duì) 1600 名科學(xué)家的調(diào)查研究，以了解科研工作者對(duì)生成式AI的使用狀況和想法。

結(jié)果顯示，有一半的參與者本身就是研究 AI 領(lǐng)域的研究者。如果排除這部分人群，在非 AI 領(lǐng)域的研究者中，也有超過一半的人會(huì)在科研工作中使用 AI。

研究人員使用 AI 情況，圖片來源：參考文獻(xiàn) [1]

在科研人員眼中，生成式 AI 的優(yōu)勢(shì)可以利用在三個(gè)方向：輔助非英語母語的作者撰寫論文（包括編輯和翻譯）、用 AI 編寫代碼、用 AI 提煉論文內(nèi)容以節(jié)省閱讀時(shí)間。

生成式 AI（在科研領(lǐng)域）的優(yōu)點(diǎn)，圖片來源：參考文獻(xiàn) 1

輔助非英語母語的作者撰寫論文很好理解，生成式 AI 的英語內(nèi)容生成能力，確實(shí)會(huì)比不少母語不是英語的人更“地道”。并且 AI 可以根據(jù)需求，將文章的表述調(diào)整得更接近科研論文風(fēng)格。

而 AI 編寫代碼也可以大大減少研究者的時(shí)間，只要給出清晰的要求，諸如 GPT 之類的大模型就可以按照要求生成代碼，并且可以對(duì)每一段代碼的功能進(jìn)行說明。

AI 編寫代碼不僅能幫助計(jì)算機(jī)專業(yè)的研究者，非計(jì)算機(jī)專業(yè)的研究者同樣有編程需求（比如做生物信息分析），AI 編寫代碼確實(shí)可以大大提高工作效率，讓研究者把智力和時(shí)間花費(fèi)在自己更擅長更重要的事情上。

而今天，生成式 AI 提取摘要關(guān)鍵信息的能力已經(jīng)非常優(yōu)秀，并且可以根據(jù)要求，對(duì)論文的特定模塊，比如“研究方法”“結(jié)果與討論”等部分做更精確的信息提取。因此，用 AI 來“過濾”論文，確實(shí)可以節(jié)約時(shí)間。

但在這些應(yīng)用中，AI 并沒有直接參與科學(xué)研究，它更像是一本方便查詢的字典或者稱手的螺絲刀，能夠幫助科研人員提高工作效率，而科學(xué)研究的核心工作還是由科學(xué)家來完成的。

AI 參與論文撰寫和評(píng)審

1

AI 寫論文

自 2022 年末 GPT 3.0 發(fā)布以來，生成式 AI 的內(nèi)容撰寫能力得到了人們廣泛的認(rèn)可。并且在一些中學(xué)和大學(xué)中，學(xué)生使用生成式 AI 來寫作業(yè)、寫小論文早已不再是什么新鮮話題。

但沒有學(xué)校會(huì)鼓勵(lì)這樣的行為，畢竟，這樣的“偷懶”行徑不利于學(xué)生的思考和成長。

不過，在《自然》雜志的調(diào)查中，有些研究者也提到，可以使用 AI 來撰寫論文稿件以節(jié)約時(shí)間，這就涉及到“用 AI 寫論文”這件事了。

實(shí)際上，對(duì)于年輕科學(xué)家來說，寫論文算是一個(gè)“基本功”性質(zhì)的工作。而對(duì)于一些不需要做實(shí)驗(yàn)的研究領(lǐng)域，查資料寫論文幾乎占據(jù)了科學(xué)研究的絕大部分內(nèi)容。如果 AI 可以寫論文，那這些領(lǐng)域科學(xué)家工作會(huì)不會(huì)受到影響？

需要強(qiáng)調(diào)的是，科學(xué)界并不認(rèn)可直接使用 AI 撰寫論文。

首先，我們要區(qū)分寫論文的兩種方式：“先由人類撰寫論文初稿，再由 AI 調(diào)整語句和表達(dá)”和“由 AI 生成論文初稿，再由人類優(yōu)化”。這兩個(gè)寫論文的方式看起來只是順序顛倒了，但本質(zhì)上卻是兩件完全不同的事情。

由人類科學(xué)家撰寫初稿的時(shí)候，對(duì)于數(shù)據(jù)的分析，對(duì)結(jié)果的討論完全是人類科學(xué)家展開的。即便是綜述型論文的撰寫，對(duì)于內(nèi)容的整合討論和思考，也是科學(xué)家智慧的表達(dá)。而后續(xù)的 AI 優(yōu)化，只是對(duì)語法、表述方式的優(yōu)化。AI 只是工具，不是作者。

但如果先由 AI 生成稿件，人類做修改，AI 就成了作者。AI 雖然能夠產(chǎn)出“看起來像那么回事”的文字，但 AI 在生成論文內(nèi)容的時(shí)候，并不會(huì)帶有“科學(xué)家的思考”，只是根據(jù)預(yù)訓(xùn)練的內(nèi)容生成文字，得出的結(jié)論可能是偏頗的、不合理的。

而更糟糕的是，AI 在撰寫的論文會(huì)存在一些“莫名其妙”的錯(cuò)誤。比如，AI 會(huì)憑空捏造文獻(xiàn)，遵守學(xué)術(shù)道德的科研工作者在寫論文的時(shí)候不會(huì)存在這樣的問題。而對(duì)于一個(gè)直接用 GPT 生成論文的人來說，很可能也不會(huì)逐篇檢查文獻(xiàn)。這樣的論文投遞出去，純粹是浪費(fèi)審稿人員的時(shí)間。

目前，很多期刊公司已經(jīng)明確禁止把 AI 作為論文作者。比如《自然》和《科學(xué)》（Science）。愛思唯爾（Elsevier）、斯普林格（Springer）等知名的學(xué)術(shù)期刊出版公司，都發(fā)布了聲明禁止出現(xiàn)“AI 作者”，對(duì)于論文中其他使用到 AI 的地方，必須注明使用方式以及 AI 模型版本。

同時(shí)，AI 生成的圖片一般情況下也是不允許發(fā)表的（特殊情況下經(jīng)過編輯允許可例外）。

因?yàn)?AI 繪圖時(shí)候并不是對(duì)現(xiàn)實(shí)內(nèi)容的精準(zhǔn)還原。這在藝術(shù)創(chuàng)作領(lǐng)域并不是什么嚴(yán)重問題，但科研論文中的圖片，必須真實(shí)嚴(yán)謹(jǐn)，因此，AI 生成的圖片并不被允許。比如前段時(shí)間在學(xué)術(shù)界鬧得沸沸揚(yáng)揚(yáng)的“AI 小鼠”圖片，就與科學(xué)事實(shí)嚴(yán)重不符，因而被撤稿。

被撤稿的文獻(xiàn)中用 Midjourney 生成的圖片

當(dāng)然了，學(xué)術(shù)期刊領(lǐng)域并不是絕對(duì)排斥 AI 技術(shù)。

比如，在愛思唯爾（Elsevier）公司的聲明中就提到，AI 技術(shù)是可以用于提升論文的可讀性和優(yōu)化語言表達(dá)的。而且使用檢查拼寫、語法和參考文獻(xiàn)的基礎(chǔ)性 AI 工具的時(shí)候，不需要做特別說明。

所以，在撰寫科學(xué)論文方面，AI 并不會(huì)替代人類科學(xué)家，但可以提高科學(xué)家寫論文的效率。

2

AI 參與論文評(píng)審

在科學(xué)論文領(lǐng)域，還有一項(xiàng)令科研人員頭疼的問題——同行評(píng)審。

科研人員在自己的研究工作之外，還需要評(píng)審?fù)械目蒲姓撐?。隨著科研論文的增加，科研人員需要投入在同行評(píng)審上的時(shí)間也越來越多。

而現(xiàn)在，AI 工具也開始出現(xiàn)在這一領(lǐng)域，幫科學(xué)家減輕負(fù)擔(dān)。比如，Penelope.ai 工具，可以檢查稿件結(jié)構(gòu)和參考文獻(xiàn)格式；StatReviewer 可以用于檢驗(yàn)數(shù)據(jù)和統(tǒng)計(jì)方法的可靠性。

另外，一種叫 UNSILO 的工具，可以提取論文的概要，方便人類科學(xué)家評(píng)審。還有一些研究人員直接使用 Chat-GPT 之類的 AI 生成同行評(píng)審內(nèi)容。

在 AI 參與同行評(píng)審問題上，AI 可以參與多少，以及以何種方式參與還有待商榷。但可以確定的是，目前，絕大部分期刊的論文評(píng)審工作依然需要人類科學(xué)家完成。

美國國立衛(wèi)生研究院（NIH）和澳大利亞研究委員會(huì)（ARC）都發(fā)表聲明，禁止科研人員使用 AI 生成同行評(píng)審內(nèi)容。因?yàn)榭蒲姓撐牡脑u(píng)審會(huì)涉及專業(yè)的知識(shí)，而且論文中可能涉及敏感數(shù)據(jù)，上傳到 Chat-GPT 可能存在數(shù)據(jù)泄露的風(fēng)險(xiǎn)。

AI 直接介入科學(xué)研究相關(guān)工作

前面說到的都是 AI 作為輔助工具參與科學(xué)研究的情況。而在某些領(lǐng)域，AI 起到的作用可能真的不亞于人類科學(xué)家。實(shí)際上，早在生成式 AI 興起之前，AI 就已經(jīng)在這些領(lǐng)域大放異彩了。

1

作為預(yù)測(cè)模型

DeepMind 公司開發(fā)的蛋白質(zhì)三維結(jié)構(gòu)預(yù)測(cè)程序 AlphaFold 就是一個(gè)典型的例子。

長期以來，研究蛋白質(zhì)的結(jié)構(gòu)是一項(xiàng)重要但又困難的事情。因?yàn)榈鞍踪|(zhì)的三維結(jié)構(gòu)決定了蛋白質(zhì)的功能。但在過去 60 年的時(shí)間里，人類總共觀察了 17 萬種蛋白質(zhì)的結(jié)構(gòu)，這還不到自然界中蛋白質(zhì)總數(shù)的 1%。

蛋白質(zhì)是由氨基酸序列折疊形成的，科學(xué)家們也試圖找到氨基酸序列和蛋白質(zhì)結(jié)構(gòu)之間的關(guān)系?？蛇@并不容易，因?yàn)榘被徭溤谡郫B的可能性太多了，如果用計(jì)算機(jī)遍歷所有可能的結(jié)構(gòu)，尋找其中最穩(wěn)定的，需要的時(shí)間會(huì)是一個(gè)天文數(shù)字。

這個(gè)難題與 AI 下圍棋時(shí)候要解決的問題很類似。于是，制作大名鼎鼎的圍棋機(jī)器人 AlphaGo、AlphaZero 的 DeepMind 公司就利用 17 萬種已知的蛋白質(zhì)數(shù)據(jù)制作了 AlphaFold 模型。

在 2018 年，AlphaFold 在蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)上的準(zhǔn)確度就超過了頂尖的人類科研團(tuán)隊(duì)。在新冠疫情期間，AlphaFold 2 也參與了新冠病毒突刺蛋白的結(jié)構(gòu)預(yù)測(cè)，并且共享了結(jié)果。

當(dāng)然了，AI 同樣可以用在其他預(yù)測(cè)模型上。

比如 2023 年，谷歌利用 AI 繪制了 50 萬種化學(xué)分子的氣味圖譜，幫助人類理解化學(xué)分子和嗅覺之間的關(guān)聯(lián)。并且根據(jù)這樣的圖譜，科學(xué)家們可以按照目標(biāo)氣味合成對(duì)應(yīng)的化學(xué)物質(zhì)。

在天氣預(yù)測(cè)領(lǐng)域，AI 模型也有不錯(cuò)的表現(xiàn)。比如天氣預(yù)測(cè)模型 GraphCast 可以在 1 分鐘之內(nèi)預(yù)測(cè)未來 10 天的全球天氣，并且預(yù)測(cè)準(zhǔn)確度比傳統(tǒng)的模型準(zhǔn)確度更高，成本也更低。

2

作為重要處理工具

另外，AI 對(duì)于數(shù)據(jù)的分析處理能力，同樣可以幫人類科學(xué)家更好地進(jìn)行研究。通過訓(xùn)練，AI 可以在大量的數(shù)據(jù)中去除噪聲數(shù)據(jù)，讓科研人員獲得更可靠的信息。

以天文學(xué)研究為例，地面上的天文望遠(yuǎn)鏡在拍攝星空照片時(shí)，會(huì)受到大氣層的干擾。過去為了排除大氣層的干擾，人們需要把望遠(yuǎn)鏡發(fā)射到太空中去，比如哈勃望遠(yuǎn)鏡、韋布望遠(yuǎn)鏡。

而利用 AI 工具，科學(xué)家可以優(yōu)化地面望遠(yuǎn)鏡拍攝到的圖像，消除大氣層的干擾。而且應(yīng)用深度學(xué)習(xí)的 AI 模型優(yōu)化效果比傳統(tǒng)的方法更高。

地面望遠(yuǎn)鏡拍攝到的照片逐漸去噪（左上為原始圖像，右下為處理之后圖片），圖片來源：參考文獻(xiàn) [7]

另外，2019 年科學(xué)家發(fā)布了一張黑洞照片，引起了全世界的關(guān)注。當(dāng)時(shí)，大家看到的是下圖中左邊的樣子。2023 年，在 AI 模型 PRIMO 的幫助下，科學(xué)家優(yōu)化了這幅圖像，成了下圖中右邊圖像的樣子。

2019 年發(fā)布的黑洞照片（左）和經(jīng)過 PRIMO 處理后（右）。圖片來源，參考文獻(xiàn) [8]

這樣更高分辨率的圖像，對(duì)于科學(xué)家更準(zhǔn)確地估算黑洞的質(zhì)量、大小以及物質(zhì)消耗速率能起到幫助。

當(dāng)然，除了對(duì)圖像去噪，AI 的數(shù)據(jù)處理能力同樣可以應(yīng)用在其他類型的數(shù)據(jù)中。可以說，在 AI 工具的幫助下，科學(xué)家們確實(shí)能拿到更多更好的結(jié)果，這對(duì)于科研人員來說是非常有價(jià)值的。

討論

從前面的應(yīng)用中我們可以看出，在科學(xué)研究領(lǐng)域，人類科學(xué)家依然有著不可替代的作用。從科研思路的提出，到實(shí)驗(yàn)方法的設(shè)計(jì)，再到進(jìn)行實(shí)驗(yàn)、分析數(shù)據(jù)，都需要人類科學(xué)家的智慧。

在生成式 AI 出現(xiàn)之后，人們雖然可以用它輔助優(yōu)化文字、語法、表述，但論文的撰寫以及同行評(píng)審依然依賴人類科學(xué)家。

而即便是在 AI 預(yù)測(cè)蛋白質(zhì)模型這樣的案例中，最終的觀察驗(yàn)證還是要由人類科學(xué)家完成。且在這些模型中，AI 雖然能夠做出預(yù)測(cè)，但 AI 的預(yù)測(cè)過程是一個(gè)“黑箱”，AI 并不能夠解釋為什么做出這樣的預(yù)測(cè)。對(duì)于蛋白質(zhì)折疊的機(jī)理的探索，依然需要人類科學(xué)家完成。

但無可否認(rèn)的是，在 AI 的幫助下，科學(xué)家解決問題的效率確實(shí)提高了?？茖W(xué)家們可以把注意力和時(shí)間更多地集中到更高維度的思考上。

目前，依然有不少科研領(lǐng)域還沒有 AI 參與，但正如哈佛商業(yè)學(xué)院教授卡里姆·拉卡尼說到的，AI 并不會(huì)取代人類，但使用 AI 的人類會(huì)取代不使用 AI 的人類。

科學(xué)研究工作，當(dāng)然也是如此。

參考文獻(xiàn)

[1] Van Noorden R, Perkel J M. AI and science: what 1,600 researchers think[J]. Nature, 2023, 621(7980): 672-675.

[2] Kacena M A, Plotkin L I, Fehrenbacher J C. The use of artificial intelligence in writing scientific review articles[J]. Current Osteoporosis Reports, 2024: 1-7.

[3] https://www.science.org/content/article/science-funding-agencies-say-no-using-ai-peer-review

[4] https://www.science.org/content/article/ai-churns-out-lightning-fast-forecasts-good-weather-agencies

[5] https://www.science.org/content/page/science-journals-editorial-policies?adobe_mc=MCMID%3D79730734082570706754102817179663373464%7CMCORGID%3D242B6472541199F70A4C98A6%2540AdobeOrg%7CTS%3D1675352420#:~:text=In%20addition%2C%20a,s%20scientific%20misconduct

[6] https://www.science.org/content/article/game-has-changed-ai-triumphs-solving-protein-structures

[7] https://www.space.com/ai-software-unblurs-images-ground-based-telescopes[8]https://www.space.com/first-ever-black-hole-image-ai-makeover[9]https://hbr.org/2023/08/ai-wont-replace-humans-but-humans-with-ai-will-replace-humans-without-ai

策劃制作

作者丨田達(dá)瑋 中科院海洋所 碩士

審核丨于旸 騰訊玄武實(shí)驗(yàn)室負(fù)責(zé)人

策劃丨徐來

責(zé)編丨林林

本文封面圖片及文內(nèi)圖片來自版權(quán)圖庫

轉(zhuǎn)載使用可能引發(fā)版權(quán)糾紛