從演化進程來看，人類文明 (或人之成為萬物之靈) 最大的驅動力來自於其語言能力的發展； 語言不但傳達意念也傳達知識。　文字的發明，因其可以記載和累積，使知識的傳達更久、更遠、更廣； 印刷術的問世使文字的傳輸快速超越國界、世代、階級和種族。　生成式AI (大型語言模型GPT) 的到來，讓人類可以利用機器從歷史文字中挖掘新的知識及智慧，甚至可以加速科學發現的速度。　下面這篇經濟學人 (The Economist，2023年9月22日) 的社論就是在闡述這個可能性。　原文先經ChatGPT翻譯，後經編者修訂。　

 

 

人工智慧如何能夠改進科學

 

這項技術正應用於許多領域，並可能大幅激發科學的進步。

 

人工智慧（AI）的影響一直是一個廣泛討論的話題，有關其潛在威脅的議論和擔憂一直興起。　然而，也有觀察家關注AI的潛在回報，認為它可以幫助人類解決一些最棘手的問題，尤其在醫學、氣候科學和綠色技術等領域。　這一觀點主張，AI有望加速科學發現的速度，引領一個黃金時代的發現。　這個問題值得檢驗，因為AI的應用可能對大規模失業和機器殺傷性應用的擔憂提供平衡。

 

 

科學發現的歷史

 

歷史上，新技術和工具常常帶來重大科學發現的時代。　例如，17世紀的顯微鏡和望遠鏡擴展了科學家的視野，鼓勵他們基於自己的觀察，而不僅僅遵循古代智慧的傳統見解。　這導致了天文學、物理學等領域的快速發展，並推動了新的發明，如擺鐘和蒸汽機，後者成為工業革命的關鍵推動力。

 

在19世紀末，研究實驗室的設立將想法、人才和材料以工業的規模結合在一起，促使了更多的創新，包括人工肥料、藥物和電晶體，後者成為電子設備的基礎。　從20世紀中葉開始，計算機的應用，特別是模擬和建模，促使了新型科學形式的出現，從武器和飛機設計到更準確的天氣預測。

 

 

AI在科學中的應用

 

AI在當今的科學領域中有著多種應用，涉及的領域廣泛，從物理學到醫學、材料科學和天文學等。　它可以識別有潛力的研究候選人，如藥物研發中的分子特性或能源技術中的材料特性。　AI還可以處理大量數據，如來自粒子加速器或望遠鏡的數據，以尋找模式和趨勢。　此外，AI可以進行複雜系統的建模和分析，如蛋白質的折疊或星系的形成。

 

一些具體的應用包括新抗生素的發現、希格斯玻色子的確認以及識別狼的地區口音等等。　這些應用顯示AI在科學研究中具有巨大的潛力。

 

 

機器學習和科學發現

 

兩個具有前景的領域值得關注。　首先，是“基於文獻的發現”（LBD），這涉及使用語言分析工具，類似ChatGPT，來分析現有的科學文獻，以發現可能被人類忽視的新假設、聯繫或想法。　LBD不僅有助於識別新的實驗方案，還可以建議潛在的研究合作夥伴，促進跨學科合作。

 

第二個領域是“機器科學家”或稱為“無人實驗室”。　這些機器系統使用AI分析現有數據和文獻，形成新的假設，然後進行數百甚至數千次實驗，測試這些假設。　這種方法涵蓋了系統生物學、材料科學等領域。　與人類科學家不同，機器不依賴於以前的結果，受偏見影響較少，且易於複製。　這可以擴大實驗研究的規模，探索新的理論，引導科學研究朝向以前未考慮的方向發展。

 

 

克服社會障礙

 

因此，人工智慧可能改變科學實踐的想法是可行的。　但主要的障礙是社會學的：只有在人類科學家願意並能夠使用這些工具的情況下，這種變革才能發生。　許多科學家缺乏相應的技能和培訓； 有些人擔心自己可能會失業。　幸運的是，有一些令人樂觀的跡象：人工智慧工具現在不再僅僅受到人工智慧研究人員的推動，而是被其他領域的專家所接受和應用。

 

政府和資助機構可以通過推動更廣泛的共同標準使用，以允許人工智慧系統，交換和解釋實驗室結果和其他數據，來提供幫助。　他們也可以資助更多研究，以實現人工智慧智能與實驗室機器人的整合，並探索私營部門所追求以外的人工智慧形式，因為私營部門幾乎將所有資源都投注在像ChatGPT這樣基於語言的系統上。　不那麼時髦的人工智慧形式，如基於模型的機器學習，可能更適合科學任務，例如假說 (hypotheses) 的設定。　

 

 

人工元素的添加

 

在1665年，正值科學迅速進展的時期，英國的多才多藝家羅伯特·胡克 (Robert Hooke) 將新科學儀器的出現，如顯微鏡和望遠鏡，描述為“將人工器官添加到自然之中”。　這些儀器讓研究人員能夠探索以前無法進入的領域，並以新的方式發現事物，對各種實用知識都帶來了“巨大的好處”。　對於胡克的現代繼承者來說，在未來幾年，將人工智慧添加到科學工具箱中，有望產生類似的世界性變革性結果。

 

 

鄭清和，11-13，2023

 

 

 

 

---