科技日報記者 劉霞

2024年諾貝爾獎的三大科學(xué)獎項已經(jīng)依次揭曉。?cè)斯ぶ悄埽ˋI）成為今年開獎期間最熱門的詞匯。其中，美國物理學(xué)家約翰·霍普菲爾德和英裔加拿大計算機科學(xué)家杰弗里·辛頓出人意料地獲得了諾貝爾物理學(xué)獎，而辛頓更為人所知的身份是“AI先驅(qū)”。諾貝爾化學(xué)獎也頒給了開發(fā)出AI模型“阿爾法折疊2”的美國科學(xué)家德米斯·哈薩比斯和約翰·喬普。

隨著AI浪潮的不斷涌現(xiàn)，能夠自主開展科學(xué)研究的機器人，即所謂的AI“科學(xué)家”接踵而至。研究和開發(fā)AI的科學(xué)家頻頻問鼎諾貝爾獎，那么，AI“科學(xué)家”的研究成果能否摘取科學(xué)殿堂里這一誘人的獎項呢？

AI“科學(xué)家”紛至沓來

瑞典查爾姆斯大學(xué)機器智能教授羅斯·金指出，目前全球已有大約100名AI“科學(xué)家”。它們的“身影”活躍于多個科研領(lǐng)域。

早在2009年，金與來自英國劍橋大學(xué)等機構(gòu)的科學(xué)家，在《科學(xué)》雜志上發(fā)表論文，介紹了一位名叫“亞當(dāng)”的機器人科學(xué)家。他們稱，這是世界上首臺能夠獨立開展科研活動的機器。

金等人在論文中闡述道，“亞當(dāng)”能自主提出假設(shè)，?cè)缓笤O(shè)計實驗測試這些假設(shè)。它甚至還能對實驗室里的其他機器人進(jìn)行編程，讓它們學(xué)習(xí)并開展實驗。“亞當(dāng)”的任務(wù)是深入探究酵母的內(nèi)部運作機制。在此過程中，它發(fā)現(xiàn)了生物體內(nèi)全新的基因功能。

2015年2月，“亞當(dāng)”科研團隊在英國皇家學(xué)會期刊《界面》上撰文，宣布了第二位AI“科學(xué)家”——“夏娃”的誕生。“夏娃”被用于研究治療瘧疾和其他熱帶疾病的候選藥物。它可以加速新藥研發(fā)進(jìn)程，并降低研發(fā)成本。

據(jù)中國科學(xué)技術(shù)大學(xué)官網(wǎng)報道，2021年，?cè)蚴讉€數(shù)據(jù)智能驅(qū)動的機器化學(xué)家誕生在中國，目前已成為該校機器化學(xué)家實驗室的重要成員。該實驗室負(fù)責(zé)人江俊稱，從數(shù)百萬材料的可能組合中找到最優(yōu)解，這項工作很多科研人員一生都做不完。而有了機器化學(xué)家，可能只需要一兩周時間即可完成。

今年9月，《自然》網(wǎng)站報道稱，?cè)毡維akana AI公司和加拿大、英國科學(xué)家攜手，創(chuàng)建了一款基于大語言模型的自動化科學(xué)研究和開放式發(fā)現(xiàn)綜合AI系統(tǒng)，并取名為“AI科學(xué)家”。從閱讀文獻(xiàn)到提出新假設(shè)，再到嘗試各種解決方案并撰寫論文，整個研究周期，它能一氣呵成。

任勞任怨優(yōu)勢多多

與人類科學(xué)家相比，AI“科學(xué)家”具有多重優(yōu)勢：開展科研的成本更低，能全天候不間斷工作，還能勤奮地記錄過程的每一個細(xì)節(jié)。

江俊表示，機器化學(xué)家通過機器人精準(zhǔn)的自動化操作能力，可不知疲倦地執(zhí)行任務(wù)。與此同時，“化學(xué)大腦”同步進(jìn)行量子化學(xué)仿真模擬，再整合廣泛的理論數(shù)據(jù)與精確的實驗結(jié)果，進(jìn)而開發(fā)出具備前瞻預(yù)測功能的AI模型，而該模型能用算法預(yù)見并確認(rèn)最優(yōu)實驗方案。

江俊強調(diào)，這種理論與實踐交融的研究范式，能從數(shù)百萬種可能的配方中迅速識別最佳組合，極大地加速了新物質(zhì)的發(fā)現(xiàn)過程。

《自然》報道也指出，AI“科學(xué)家”通過自動化實驗設(shè)計、數(shù)據(jù)分析、論文寫作等功能，顯著提高了研究效率，減少了科研成本，并加速了科學(xué)發(fā)現(xiàn)的進(jìn)程。

缺乏直覺和理解力

金坦誠地表示，AI“科學(xué)家”的科研能力目前還未達(dá)到諾貝爾獎獲得者的水平。?cè)粝胱孉I“科學(xué)家”在科研領(lǐng)域“折桂”，它們還需要變得“更聰明”。

挪威科技大學(xué)副教授英加·斯特拉穆克也認(rèn)為，短期內(nèi)，AI尚無法取代科學(xué)家。不過，AI正在并將繼續(xù)對科研方式產(chǎn)生深遠(yuǎn)影響，這一點毋庸置疑。

她同時指出，“阿爾法折疊2”能基于蛋白質(zhì)的氨基酸序列，準(zhǔn)確預(yù)測其三維結(jié)構(gòu)，“做了?cè)祟悷o法做到的事情”，其計算能力也讓人類望塵莫及。同時，“阿爾法折疊2”也揭示了當(dāng)前AI模型的一個弱點：盡管它們非常擅長處理大量信息并得出答案，但在解釋這個答案是否正確時，顯得有些力不從心。因此，盡管“阿爾法折疊”預(yù)測的2億多個蛋白質(zhì)結(jié)構(gòu)“非常有用”，但它們“未直接揭示新的生物學(xué)原理或機制”。

對斯特拉穆克而言，科學(xué)研究的真正意義在于設(shè)法理解宇宙，而不僅僅只是“做出正確的猜測”。

金也表達(dá)了類似的觀點。他認(rèn)為，AI雖然能夠獲取信息，但還無法像人類那樣敏銳地感知世界。因為AI通過處理數(shù)據(jù)來構(gòu)建知識，?cè)狈@些知識的真正“理解”。

澳大利亞人工智能研究所一位科學(xué)家也指出，諾貝爾獎獎勵的是科研領(lǐng)域的突破，是對人類認(rèn)知宇宙和世界“改變范式的表達(dá)”，而非簡單的發(fā)明。金對此表示贊同，他認(rèn)為，今天的科學(xué)發(fā)現(xiàn)大部分歸功于人類的直覺，但目前的AI還不具備這種直覺。