人工智能如何改變基礎科學？

作者 |騰訊研究院 王健飛

如果讓一個完全沒有天文學知識的科學家用現代觀測手段重新認識宇宙，他是會先提出地心說？日心說？還是一次提出現階段的宇宙觀呢？

事實上，人工智能就是這樣一個在觀測與實驗能力上裝備精良，卻對已有科學理論一竅不通的“科學家”。它為我們擺脫人類科學史的“束縛”，發現全新的模型與理論找到了一條道路。

當下的科學

我們常說，科學史是一部否定史。對AI來說，否定起來“不留情面”。

縱觀歷史，對科學的探求一直是一個千百代人共同鑄成的宏大命題。

於個體人類短暫的一生來說，往往存在著許多恆定不變的“真理”，但後工業時代，層出不窮的科學發現不斷顛覆這些“真理”，井噴式的成果給科學帶來不小的震動。由此可以想見，在未來的科學家看來，當下的“科學真理”很可能也只是稚嫩的探索。

比如，古希臘科學家亞裡士多德曾提出，物體的持續運動需要一個外力持續作用。基於這一定律，他進一步論證，否認了“真空”的存在。

但後來，人類以實驗證明了真空的存在，牛頓也提出牛頓第一定律：真空中物體會依照慣性持續運動，除非外力阻止。

從古希臘時的亞裡士多德三定律到第一次工業革命後的牛頓三定律，人類關於運動規律的探索持續了將近2000年。即便把首次驗證真空的托裡拆利實驗作為起點，它與牛頓提出第一運動定律的時間也相隔半個世紀之久。

與AI理解人類道德一樣，讓AI理解人類的科學史其實是一件困難的事情。人們往往只能對AI說“不能這麽做”，卻很難讓它理解“為什麽不這麽做”。的確，在人工智能的倫理道德方面，這實在令人類頭疼，但在科學方面，這反而成為人工智能的一個優勢。

通俗一點說，由於沒有對過往科學知識的篤信（或者說有徹底的質疑精神），“AI科學家”在“否定前人”這件事上可以做得更加徹底。

一旦理解大多數科學理論都只是在當下觀測條件和實驗條件下的科學，就可以理解為什麽AI相比人類科學家來說有更多優勢。

一位“AI亞裡士多德”與一位“AI牛頓”之間的差距，可能僅僅取決於一次實驗設備的更換。而一部AI書寫的科學史，從亞裡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。

並且，由於AI對世界的探索基於數據，和人類科學家相比，它在傳承性與協作性上更具優勢。一旦一個“AI托裡拆利”驗證了一種新的名為“真空”的狀態客觀存在，另一個“AI牛頓”可以在很短的時間內基於它的驗證結果修正原本的預測模型。

在這一點上，不了解科學史的AI可能比人類科學家更客觀，更不受偏見和刻板印象的影響。

除此之外，AI還有一種作用，它可以驗證人類已知的各類“定律”是否處於最優狀態。

在普通人的認知中，科學定律總是唯一的，但這是一種錯誤的觀點，科學定律只是當前已知的、數學上的最優描述路徑。

我們可以想象，另一個平行世界中的人類也能以“地心說”為藍本描述整個宇宙，這並不妨礙他們發射衛星、登月甚至移民火星。只是這個平行世界中的科學家，在計算同一個行星運動軌跡時所用的公式在數學複雜程度上會遠遠高於我們。

再通俗一點說，算一道小學的十以內加減法，你也可以將等號右邊的空位置設為x，然後用一套複雜的代數規則。但是套用一句流行語來說：“可以，但沒必要。”

既然能夠存在“簡單問題複雜化”的另一個平行宇宙，那麽如何保證我們自身是一個“複雜問題簡單化”的宇宙呢？

AI可以幫助我們解決這一問題。

對於AI來說，它的一切輸入基於人類當前實驗與觀測設備所輸出的精確數據，因此其在簡化與優化定律方面有著更強的天賦，也能夠發現人類不易察覺的潛在定律。

去年，蘇黎世聯邦理工學院的幾位科學家用太陽系的觀測數據建立了一個模型，使AI自己發現了日心說和動量守恆定律。

這類實驗的意義在於，如果實驗中AI沒有給出人類已知的某種定律，而一切數據又真實有效，那麽我們就需要重新審視已知定律了，而這往往是人類科學史上十分重要的高光時刻。

“虛擬科學”的真實價值

前段時間網上流行一種基於深度學習的生成小應用，比如 Fakeface 會隨機生成一張現實中不存在的人物照片，Fakeroom 會隨機生成一張現實中不存在的房間照片。

事實上，這類基於 AI 的生成應用的作用遠遠不止供大眾娛樂。在科學領域，由人工智能生成虛擬的現實已經成為一些領域研究中的重要手段，比如開頭提到的天文學。

2018 年 12 月，天體物理學家Kevin Schawinski發表在學術期刊《天體學和物理學》（Research in Astronomy and Astrophysics）期刊上的一篇論文[1]主張，應該將人工智能算法引入到對天體模型的生成與預測中。這樣可以更好地幫助人類科學家理解星系的發展歷程和宇宙的誕生過程。

Schawinski 談到，人類天文學家在過去基於觀測給出了許多結論，比如當一個星系從低密度向高密度轉移時會變得更紅。但是，他們不能解釋這種現象為什麽會出現。因為宇宙是無法進行試驗的客觀存在，天文學家們不可能改變宇宙中的某個變量，再看它會對整個宇宙產生什麽影響。

但通過AI生成的虛擬空間，研究人員可以將現實中無法改變的某些元素改變，如重力常數、光速或者星系密度，重新生成一個新的“銀河系”與當下的真實銀河系進行比較研究。

關於星系密度與星系顏色的關聯，有兩條假說，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；另一種假說認為在一個密度更高的星系中，新恆星形成更少（老恆星更多）才導致了星系變紅。

在過去，這兩種假說都沒辦法被驗證，因為天文學家既不可能向一個沒有塵埃的星系中填滿塵埃，也不可能向一個已經衰老的星系中注入大量新恆星。但有了AI之後，就可以輕鬆做這兩個試驗了。

“答案很簡單，”Schawinski說道，“我們的結果更支持星系變紅是因為其中的恆星變老。”[2]

“AI科學家”

AI 對科學的改變不僅在虛擬世界中建立算法模型和模擬實驗，甚至在一定程度上讓 AI 可以獨立完成人類科學家所給出的完整命題。

2009 年，威爾士阿伯裡斯特威斯大學的羅斯·金曾經打造了一台“機器人科學家”亞當，它與過去那些幫助人類科學家進行計算和模擬的設備不同，它直接將計算機、機械臂、離心機、培養箱等設備鏈接在一起[3]。

自90年代起，研究人員一直使用機器人篩選藥物和序列基因組，使部分科學過程自動化，但人類通常負責形成假設並自行設計實驗。實驗結束後，必須由人類分析結果才能得出結論。

亞當則不同，它由自身的模型算法驅動生成實驗假設，然後通過自身連接的設備自主實驗，再用各類傳感器驗證實驗結果是否與假設相同。在一些生命科學的基礎命題上，亞當已經可以獨當一面。

它被用來檢驗酵母菌不同DNA片段對最終生成酵母酶的影響，以及不同基因片段對應的不同酵母酶。在這個命題中，亞當可以每天設計並實施1000次不同的實驗，這一速度遠遠超過人類生物學家。亞當投入使用很短時間，就發現了三個基因與酵母酶之間的關聯，後來人類科學家也複現驗證了其中一組。

亞當並非唯一，也非最後一個AI科學家。事實上，在亞當出世後的十年，這類可以進行完整實驗的AI科學家被越來越多地製造出來。

2018年，格拉斯哥大學的化學家 Lee Cronin 設計了一個以 AI 為核心的自動化實驗設備，堪稱“生命起源領域的強子對撞機”——研究人員希望通過這種方式加速對生命誕生過程的探索[4]。

研究團隊讓一個AI在虛擬空間中隨機合成任意的化學物質，然後以AI控制它所連接的一系列真實設備，將這些物質合成出來，再通過質譜儀和核磁共振設備檢驗所生成的物質是否滿足AI算法的預期，最後依據真實情況對建模進行修改。這實現了一套完整的自我修訂鏈。

這就好比為 AlphaGo裝了一台機械臂，它可以完整、獨立地進行這一類科學探索。

與其他領域，如醫療領域的進展相同，人工智能科學家並不會取代人類科學家，而是讓科學家從繁複的基礎計算和模擬實驗中解放出來，實現科學研究的“自動化”。

Lee Cronin 談到，他們在設計這個AI科學家時，特意的沒有導入人類已有的化學知識體系，而是讓機器完全從零開始學習。如果以理論上存在的物質與反應為總量，人類化學家在過去幾百年裡已知的“正確知識”可能只是滄海一粟。

儘管這台機器隨機設計出的實驗大多以失敗告終，但只要它持續運作，確實能減少人類化學家 90% 的無用功。Cronin 的團隊已經開始建立一個失敗反應的數據庫，他們希望這個數據庫能夠幫助人類化學家避開這些“已知”的無效路徑。

對於人類科學家來說，這可能是一種威脅，但從宏觀來看，成為一名人類科學家的門檻本身就在上升。

在天文望遠鏡發明後的一百年裡，每確定一顆新的行星都是人類科學史上值得紀年的大事；在元素周期表剛發明的一百年裡，每一個能為元素周期表填上一位元素的化學家都會被大眾所知曉。但隨後的化學家和天文學家便不再有這樣的待遇。

AI科學家的來臨，對人類科學家來說既是挑戰，也是機遇。它讓人類社會中最聰明的一群人，可以去做更值得他們去做的事情，創造與發現更偉大的奇跡。

-- END --

[1]：https://arxiv.org/pdf/1812.01114.pdf

[2]：Exploring galaxy evolution with generative models | Astronomy & Astrophysics (A&A)

[3]：Robot Makes Scientific Discovery All by Itself | WIRED

[4]：The AI robot chemist trying to find the origins of life on Earth | WIRED UK

How Artificial Intelligence Is Changing Science | Quanta Magazine

我好看嗎？