AI成科研第四范式 原始創(chuàng )新仍靠人類(lèi)
“謝天謝地，昨晚的諾貝爾文學(xué)獎沒(méi)頒給ChatGPT”“下一步，經(jīng)濟學(xué)獎給黃仁勛，格萊美給Suno，奧斯卡給Sora”……一片調侃聲背后，是學(xué)界幾乎沒(méi)人預料到的情況——今年的三個(gè)諾貝爾科學(xué)獎項中，兩項竟都“爆冷”頒給AI。
10月8日，諾貝爾物理學(xué)獎花落機器學(xué)習領(lǐng)域，頒給了兩位AI先驅?zhuān)?以表彰他們在利用人工神經(jīng)網(wǎng)絡(luò )實(shí)現機器學(xué)習的奠基性發(fā)明。獲獎的兩位科學(xué)家約翰·J·霍普菲爾德(John J.Hopfield)和杰弗里·E·辛頓(Geoffrey E.Hinton)，此前幾乎從未出現在該獎項的預測名單中，而辛頓本人在得知拿獎后的第一反應也是“完全沒(méi)有想到”。中科院物理所的諾獎解讀直播間在結果公布時(shí)更是“直接給干沉默了”，畢竟AI通常不被看作是物理學(xué)的傳統分支。
如果說(shuō)物理學(xué)家的身份、抑或物理學(xué)工具的使用，令物理獎的頒發(fā)尚屬有跡可循；那么讓所有人更切實(shí)感受到“億點(diǎn)點(diǎn)”AI震撼的，則是10月9號出爐的2024諾貝爾化學(xué)獎。
這一次，諾貝爾化學(xué)獎不僅又頒給了生物領(lǐng)域，還疊加上了AI buff。獎項得主為美國華盛頓大學(xué)西雅圖分校的戴維·貝克 (David Baker)，以及谷歌旗下“深層思維”公司的德米斯·哈薩比斯(Demis Hassabis)和約翰·江珀(John M. Jumper)，以表彰他們破解了蛋白質(zhì)神奇結構的密碼。
諾貝爾化學(xué)獎委員會(huì )主席海納·林克指出，今年的諾貝爾化學(xué)獎如同“雙花并蒂”，他們一方面用計算軟件Rosetta構建出全新蛋白質(zhì)結構，另一方面則基于氨基酸序列開(kāi)發(fā)出名叫AlphaFold2的AI模型，實(shí)現對蛋白質(zhì)復雜結構的預測，
“這都是諾貝爾不設數學(xué)獎的鍋”“不僅物理學(xué)不存在了，化學(xué)也沒(méi)了?”在連續兩天的“錯亂頒獎”后，各大學(xué)術(shù)群聊和貼吧內洋溢著(zhù)“科學(xué)吃瓜”的飽滿(mǎn)熱情。在一片正經(jīng)科普和幽默解讀齊飛的喧囂中，科學(xué)界也正持續見(jiàn)證著(zhù)AI改變世界的浪潮。
談AI與諾獎 “更大的圖景上，科研范式的轉變已來(lái)臨”
南都:你怎么看今年諾貝爾物理學(xué)獎頒給AI領(lǐng)域的機器學(xué)習?
復旦大學(xué)計算機科學(xué)技術(shù)學(xué)院教授張軍平:我相信這結果讓大多數物理學(xué)家大失所望，畢竟物理學(xué)方面的成就也不少。自1901年首次頒獎開(kāi)始，歷屆的物理學(xué)獎從未給過(guò)其他專(zhuān)業(yè)的科學(xué)家。估計人工智能學(xué)者也同樣大吃一驚。畢竟人工智能界的最高獎通常是圖靈獎，而大家很熟悉的“人工智能”教父辛頓在2018年已經(jīng)拿下了。
至于另一位獲獎?wù)呋羝辗茽柕拢?倒實(shí)實(shí)在在是物理學(xué)家，他主要的貢獻是1982年提出的Hopfield網(wǎng)絡(luò )。另一個(gè)與物理相關(guān)的是，該網(wǎng)絡(luò )的設計思路模擬了電路結構，假定網(wǎng)絡(luò )每個(gè)單元均由運算放大器和電容電阻組成，而每一個(gè)單元就是一個(gè)神經(jīng)元。
盡管從神經(jīng)生理學(xué)角度來(lái)看，這個(gè)網(wǎng)絡(luò )的記憶能對應原型說(shuō)，每個(gè)神經(jīng)元可以看成是一個(gè)具有某個(gè)固定記憶的離散吸引子(Discrete Attractor)，但它的記憶是有限的，且不具備良好的幾何或拓撲結構。所以當時(shí)來(lái)看不足還是很多的，便有了后續很多在此基礎上提出的機器學(xué)習新方法。辛頓也在其列。
中科大合肥微尺度物質(zhì)科學(xué)國家實(shí)驗室副研究員袁嵐峰:為什么發(fā)給這兩位呢?當然可以說(shuō)，他們的研究受到物理的啟發(fā)，比如穩定的體系總是傾向于能量更低的狀態(tài)。
也可以說(shuō)，他們的成果對很多物理領(lǐng)域產(chǎn)生了影響，比如發(fā)現希格斯粒子，因為需要AI來(lái)篩選大型對撞機上產(chǎn)生的數以?xún)|計的粒子碰撞記錄；探測引力波，因為需要AI來(lái)排除各種各樣的噪聲，以篩選出那絲極其微弱的來(lái)自宇宙的引力波信號。這些都是諾貝爾獎主頁(yè)上科普材料中所舉的例子。不過(guò)在我看來(lái)，更大的圖景是，這表現了科研范式的轉變。
談AI與科研 學(xué)科交叉迎大爆發(fā) AI可加速新藥研發(fā)
南都:諾貝爾化學(xué)獎歷來(lái)是最難預測的諾獎獎項。繼諾獎物理獎爆冷AI后，化學(xué)獎AI再下一城，這背后是否預示了諾獎乃至科研界的什么趨勢?
袁嵐峰:我們經(jīng)常說(shuō)，計算跟理論、實(shí)驗三者鼎足而立，都是一種標準的研究范式。這是因為計算模擬的結果跟純理論相比，它是一種數值實(shí)驗；而跟真正的實(shí)驗相比，它又成理論了。所以通過(guò)計算模擬，能夠發(fā)現以前無(wú)法想象的規律。
而現在明顯的趨勢就是，人工智能成了第四種范式。AI for science(人工智能驅動(dòng)的科學(xué)研究)也已取得很多實(shí)實(shí)在在的成果。AI for Science的時(shí)代，交叉學(xué)科爆發(fā)，基礎科學(xué)接納并認可了機器學(xué)習這一潛能無(wú)限同時(shí)伴隨著(zhù)發(fā)散和不確定性的領(lǐng)域，新的科研范式正在形成并將帶來(lái)深遠的影響。
南都:本屆化學(xué)獎主要是表彰AI對蛋白質(zhì)結構預測及設計的顛覆性作用。那么AI的貢獻主要體現在哪里?AlphaFold可能是AI變革科學(xué)的開(kāi)始嗎?
中南大學(xué)化工學(xué)院教授張冀:我自己就是AlphaFold用戶(hù)。AI確實(shí)在該領(lǐng)域意義重大，這體現在幾個(gè)方面:一是降本增效。傳統的蛋白質(zhì)結構測定方法依賴(lài)于實(shí)驗技術(shù)，如X射線(xiàn)晶體學(xué)和核磁共振(NMR)光譜，這些方法既耗時(shí)又昂貴。基于深度學(xué)習模型的AI技術(shù)，與其他基于量化計算及分子動(dòng)力學(xué)模擬的蛋白質(zhì)預測的預測方法相比，所占用的算力資源非常少，計算速度快、準確率更高。二是拓寬技術(shù)邊界，推動(dòng)跨學(xué)科合作。David Baker教授的團隊利用AI技術(shù)設計出具有特定功能的全新蛋白質(zhì)，這些蛋白質(zhì)在藥品、疫苗、納米材料和傳感器等領(lǐng)域有廣泛應用前景。同時(shí)展示了計算機科學(xué)與化學(xué)、生物學(xué)結合的巨大潛力，極大地擴展了技術(shù)路線(xiàn)的邊界。三是加速新藥研發(fā)。AI在精確預測蛋白質(zhì)結構上的突破，為生命科學(xué)帶來(lái)了前所未有的研究工具和方法，讓科學(xué)家可以更好地理解疾病機制，設計出更有效的藥物。
談AI與人 AI更多是優(yōu)化已有方案 不能獨立思考與決策
南都:在今年諾獎科學(xué)獎的角逐里，AI已經(jīng)出盡了風(fēng)頭。亦有熱評擔憂(yōu)稱(chēng)，未來(lái)科研將不需要人類(lèi)科學(xué)家了，對此你怎么看?
張軍平:從今年諾貝爾理化雙獎的得獎情況，和人工智能近年來(lái)對幾乎全學(xué)科、所有領(lǐng)域的融入程度來(lái)看，未來(lái)能很好運用AI的研究者，相比拒絕擁抱AI的人，的確能更有效地工作生活，更有可能形成新的重要發(fā)現，甚至爭奪各個(gè)方向的諾貝爾獎。我們已經(jīng)進(jìn)入了一個(gè)大批量數據學(xué)習的時(shí)代，這個(gè)時(shí)代沒(méi)有AI是不行的。
但與此同時(shí)，就拿這次化學(xué)獎來(lái)說(shuō)，AlphaFold系統還存在不少不足，并不能完全取代生命科學(xué)家。況且，生命科學(xué)也遠不僅蛋白質(zhì)功能預測這么簡(jiǎn)單，還有相當多的任務(wù)需要完成。其中不少內容無(wú)法進(jìn)行海量標注，也無(wú)法將其納入到當下流行的大模型框架，尤其是復雜的生物關(guān)系網(wǎng)。
南都:你怎樣看待AI for science的影響力?未來(lái)的科研者有可能會(huì )對AI形成依賴(lài)、變成“懶漢”嗎?
張軍平:人工智能并非無(wú)所不能。只是目前可能會(huì )因為拿了兩個(gè)獎，讓大家會(huì )覺(jué)得它很厲害。我們還是要學(xué)會(huì )發(fā)揮人類(lèi)的潛力，尤其是長(cháng)程關(guān)系之間的思考，還有靈感、頓悟、獨特視角，這些都是人工智能做不好的。過(guò)度依賴(lài)，確實(shí)會(huì )變懶漢。
張冀:有研究顯示，AI可能導致學(xué)生和教師逐漸失去自己動(dòng)手做任務(wù)的興趣和決策能力。然而，這并不是AI本身的問(wèn)題，而是我們人類(lèi)如何使用AI技術(shù)的問(wèn)題。需要強調的是，AI本身并不具備獨立解決問(wèn)題的能力，更多的是對已有方案的優(yōu)化。此外，AI運行的效率和成功率極大地取決于人類(lèi)的引導，原始創(chuàng )新的工作目前仍需依靠人類(lèi)的科學(xué)家取得突破。目前的AI只能作為輔助工具，并不能替代人類(lèi)對其認知范圍(數據庫)外的突發(fā)問(wèn)題做出獨立的思考和決策。
采寫(xiě):南都記者 呂虹
