編輯 | 白菜葉
幾個世紀以來，科學方法由兩個支柱定義——理論和實驗。現在，我們生活在人工智慧時代，這增加了重要的第三個支柱。根據領先的科學機構的說法，如果沒有先進的計算，過去十年的發現，例如發現希格斯玻色子；發現新藥如 halicin，它可以殺死對所有已知抗生素有抗藥性的細菌菌株；或者觀察引力波，「本來是不可能的」。
但是，儘管取得了這些進步，但今天的科學創新往往是由現有技術的新用例或改進以前的進步來定義的，而不是創造全新的發現領域。
在日常生活中，人工智慧在我們的家中無處不在，從 Alexa 用一個簡單的命令購買我們的雜貨，到 Netflix 預測將透過演算法獨創性招待我們什麼。但當前的實驗室需要更多的資訊——為了公共利益推動科學向前發展，並幫助我們解決這個時代最棘手的問題，從氣候變化和貧困到醫療保健和可持續能源。
這隻能透過加速下一次全球科學革命來實現——透過支援將人工智慧技術廣泛而深入地納入科學和工程研究。因為雖然人工智慧創新是實質性的，但它在科學和工程研究中的應用並不普遍、快速或跨學科。
為什麼儘管人工智慧取得了顯著進步，但它並沒有幫助我們不斷取得突破，從而擴大我們的知識前沿，加速科學發現的程式？
有兩個主要原因。首先，雖然大量資金已經湧入大學的人工智慧專案，但這些資金往往被分配給特定學科，例如用於電腦科學的人工智慧，而不是用於在自然科學、電腦科學和工程之間架起橋樑的工作。
目前，人工智慧工具在科學和工程研究生態系統中的使用仍處於早期採用階段，而不是研究人員工具包的預設部分。我們不能指望科學家在沒有適當培訓的情況下接受人工智慧的能力。
希望使用人工智慧的研究人員不僅需要深入瞭解特定問題（例如抗生素耐藥性），還需要了解哪些資料，以及該資料的什麼表示形式，對於訓練 AI 模型來解決它很有用。
其次，對年輕科學家進行真正大膽研究的動機根本不存在。大部分博士後資金都與特定的研究資助和學科範圍內的預期結果相關聯，因此博士後通常沒有完全的自由來冒險使用新技術。
那麼可以做些什麼來改變現狀呢？相關人員認為，科學領域的 AI 培訓、對 AI 工具的公平訪問以及負責任的、合乎道德的應用應該支配任何有意義的回應。
首先，我們需要對使用人工智慧的年輕科學家進行嚴格的跨學科培訓。人工智慧的失敗很大程度上歸因於對人工智慧工具的不切實際的期望、它們的使用錯誤以及它們開發過程中使用的資料質量差。來自不同背景的跨學科科學家將需要人工智慧流暢度來防止此類失誤。
博士後研究是科學家職業生涯中接受這種培訓的特別機會。這聽起來可能違反直覺，因為傳統的學術壓力要求在獲得博士學位後迅速發表論文，然後再繼續下一份工作。但這實際上是拓寬研究視野而不是陷入超專業化正統觀念的最佳時機。與其急於快速證明自己，不如給博士後時間和支援去嘗試新事物。
其次，我們必須確保公平獲得人工智慧工具。根據最近的國家人工智慧研究資源報告，公平參與尖端人工智慧研究受到在獲取必要資料和計算能力方面的差距的限制。將來自歷史上代表性不足和服務不足的背景的科學家排除在外「限制了納入人工智慧創新的想法的廣度，並助長了偏見和其他系統性不平等。」
我們有機會預測和消除偏見，而不是加深和加深偏見。希望透過慈善努力，透過在未來幾年內將人工智慧工具的使用範圍擴大到全球一代博士後候選人，可以為公平的人工智慧奠定基礎。
第三，人工智慧的負責任應用應該增強人類智慧，而不是取代它或重蹈覆轍。人工智慧在科學領域的力量才剛剛開始被釋放，但我們應該記住，像 halicin 的發現這樣的突破不可能僅靠人類或人工智慧來實現。有明確的證據表明，人工智慧可以增強人類的分析能力，並超越傳統方法進行復雜的實驗。例如，發表在《自然》雜誌上的研究表明，人工智慧演算法如何透過包含和控制用於聚變能研究的高能等離子體來幫助推進一條有希望的可持續能源之路。人工智慧還可以發現數學研究前沿的定理。
但是，將人工智慧應用於科學的真正令人興奮的是在我們尚未感知的新探究領域中，這將為科學方法的歷史帶來新的維度。顯微鏡允許對早期生物學家甚至沒有考慮過的全新微生物世界進行仔細檢查。這臺望遠鏡向早期的天文學家展示了宇宙在我們自己的太陽系之外是多麼廣闊。人工智慧可以幫助我們發現人類科學家不會考慮的新現象。
改變我們從事科學工作的方式主要不是關於人工智慧。這是關於人和技術帶來的智慧。我們毫不懷疑，在正確的支援下，今天的早期職業科學家已經準備好開始大量新發現：更有效的藥物、塑膠的可再生替代品、可持續能源生產和儲存以及對我們的宇宙和我們自己的生物學的更深入的瞭解。
相關報導：https://time.com/6227118/eric-schmidt-ai-human-intelligence/