AI學會「搞」研究、寫論文，科研民工慘遭淘汰？

作者 | 程唯珈

不久前，一則「AI都會看論文了，科研人員會被淘汰嗎？」的消息在網上熱傳，讓不少科研工作者心頭一緊。

不過，AI 可不只會看文獻，「搞」科研也很出色。

7月22日，《自然》網站刊發的一項研究稱，利用最新AI技術，只需幾毫秒便能預測出蛋白質結構。

隨著AI在科研領域的應用如火如荼，它將成為研究人員的「天使」還是「惡魔」？ 科研工作者會被淘汰嗎？

AI學會看文獻、「搞」科研、寫論文

7月3日，《自然》雜誌刊發了美國能源部勞倫斯伯克利國家實驗室研究人員的一篇論文。

文章稱，AI在無人值守的情況下，閱讀了300萬篇材料學領域的文獻摘要，然後對潛在的新型熱點材料進行了預測。

於是，有人提出，AI都會看文獻搞科研了，生化環材領域小將的生存空間是不是又被擠壓了？

7月22日，《自然》網站發文稱，哈佛醫學院生物學家Mohammed AlQuraishi開發了一個被稱為循環幾何網路的深度學習模型，用於研究蛋白質摺疊的關鍵特徵。

訓練這個模型可能需要幾個月，但一旦訓練完畢，它幾乎可以立即將蛋白質序列轉換成結構，預測速度比現有的計算方法快6~7個數量級。

在量子領域，科學家還利用AI設計量子試驗。據稱，AI每設計出一套方案，然後由人來決定是否用實驗實現，具體實現過程則由學生來做。

如此看來，學生似乎已淪為AI的工具。

AI甚至可以直接生成論文。

最近，華盛頓大學等機構的研究人員開發出 PaperRobot。它能提供從產生點子、寫摘要、寫結論到寫「未來研究」的一站式服務，甚至還能寫出下一篇論文的題目。

科研人員何去何從？

隨著AI在科研領域的滲透越來越深，它將帶來何種機遇和衝擊？科研人員又該如何為己所用？

問：AI的發展是否會給科研人員帶來衝擊？

● 堯德中（電子科技大學、四川省腦科學與類腦智能研究院教授）：

科研大致可以分為兩個大類：一類是基於數據的科學，是在大量數據基礎之上做一些歸納總結推理。另一類是基於假設的科學。比如說廣義相對論，需要先提出設想，然後再去做實驗驗證。

在前者，AI可能會做出一些成績。在數據分析、歸納、整理這些方面，可能AI會在一定程度上取代一部分原來人工的工作，尤其是那些帶有一定重複性的工作，這對科學家來說是一種「精力」的解放。

在基於假設的科學領域，我覺得AI的影響會比較小。原則上AI不太會提出假設，在這個方面我覺得很久以後也仍然是依靠人類想像主導的。

● 張華良（中科院瀋陽自動化所副研究員）：

AI在科研領域實施的大部分都是輔助性工作，取代性的並不多。就像原來IBM公司開發出一款沃森機器人，可以瞬間查找諸多案例，取代了很多科研助手的工作。不過如今科研還是偏向於定製化，加之沃森在研究領域並無出色的表現，最終遭到擱置。

不過，任何事都不能一概而論，人工智慧的發展告誡我們，科研人員也要強化學習，不能靠一招鮮吃遍天，因為說不準什麼時候就被AI代替了。

● 劉鐵軍（電子科技大學生命科學與技術學院教授）：

AI在歸納、綜合兩個能力方面有獨特的優勢，但就目前來看，在分析和演繹兩種能力上與人相比差距還是比較巨大的，還不能取代科研人員。用更通俗的話講，AI未來相當長的一段時間內，還將處於「只知其然不知其所以然」的狀態。

但從發展的眼光看，AI恰恰利用電腦計算速度快、存儲能力強的優勢，這是人腦無法比擬的。所以AI以後會在科研領域有一席之地，但僅此而已。

問：隨著AI在科研領域的滲透，會帶來哪些弊端？

● 堯德中：

AI在大數據中找的是相關關係，只是建立了一個輸入輸出數值關係，不能夠告知因果關係、機制方面的道理。

如果研究工作過分依賴AI，可能會導致科學研究流於表面化、形式化、不求甚解。因為，AI很難外推，一個AI軟體往往僅對特定領域和問題建立演算法，無法衍生到其他問題上。

總之，AI只是一些孤立的「專家」系統，而人是多能的，有很多領域，尤其交叉領域，需要這種多能的系統去解決。

● 張華良：

可能導致科研人員對AI過度依賴，從而引發使用風險。就像智能汽車駕駛，科研人員對其訓練多使用AI框架。但是完全依賴它時會忽視一些副作用，可能機器在某些環境出現故障，導致駕駛風險。

● 劉鐵軍：

AI就是一個工具，如果用好了就沒有太大的弊端，如果用不好就處處都是弊端。我認為從大的層面來說，無論哪種智能都存在著倫理的問題。

我們人腦智能的發展，也一直是和倫理相伴而行的。所以現在的AI在科研領域的滲透，可能會存在倫理的問題。在這個方面要加強倫理建設，確保不會出現有悖人倫的事件出現。

在具體的科研工作上，AI最近這幾年確實比較熱，也出現了一些亂用AI的現象，覺得AI無所不能，不用或者不提AI就不「高大上」。

總之，AI就是一個工具，一定要在需要這個工具的場合下使用這個工具。

問：如何讓AI更好為科研所用？

● 堯德中：

可以讓科研人員，不管是否從事AI領域，都加深對AI的理解，比如進行相關培訓等。

因為只有充分了解AI，了解它的優勢和弊端才能在未來的工作中更好地使用和判斷它在具體場合的價值，就像今天我們與計算機的關係一樣，不能事事都靠計算機，但不會用計算機大概是不行的。

● 張華良：

科學家賦予AI某種能力，讓它成為一種工具，從而更多地幫助科研人員處理重複性、有規律的事情，使科研人員能夠有更多的時間去思考、去做更富有創造性的，更高層次的事情。

● 劉鐵軍：

我覺得我們只要分析出生物腦與硅基腦（或者說人腦和電腦）優勢與劣勢就能回答這個問題。

硅基腦在精準計算、運算速度、存儲能力等方面具有絕對的優勢，是生物腦無法比擬的。但是生物腦在模糊計算、模糊控制、目標識別、演繹推理等方面也有不可替代的優勢。

目前我國科技部也正在組織科研人員，推進雙腦（生物腦、硅基腦）融合的研究，試圖通過該研究能夠融合雙腦的各自優勢，開發更高效的智能系統。我的結論是，雙腦並不矛盾，雙腦融合是未來的發展趨勢。

AI給你的科研帶來影響了嗎？你感受到的是便利還是壓力？歡迎探討。

相關論文信息：

https://www.pnas.org/content/115/6/1221?utm_source=wechat_session&utm_medium=social&utm_oi=1131939018975408128

https://www.nature.com/articles/d41586-019-01357-6

https://arxiv.org/pdf/1905.07870.pdf

https://doi.org/10.1038/s41586-019-1335-8

合作事宜：market@stimes.cn

投稿事宜：tougao@stimes.cn

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！