如果让一个完备没有天文学知识的科学家用当代不雅观测手段重新认识宇宙，他是会先提出地心说？日心说？还是一次提涌现阶段的宇宙不雅观呢？

事实上，人工智能便是这样一个在不雅观测与实验能力上装备精良，却对已有科学理论一窍不通的“科学家”。
它为我们摆脱人类科学史的“束缚”，创造全新的模型与理论找到了一条道路。

当下的科学

我们常说，科学史是一部否定史。
对AI来说，否定起来“不留情面”。

纵不雅观历史，对科学的探求一贯是一个千百代人共同铸成的伟大命题。

于个体人类短暂的生平来说，每每存在着许多恒定不变的“真理”，但后工业时期，层出不穷的科学创造不断颠覆这些“真理”，井喷式的成果给科学带来不小的震撼。
由此可以想见，在未来的科学家看来，当下的“科学真理”很可能也只是稚嫩的探索。

比如，古希腊科学家亚里士多德曾提出，物体的持续运动须要一个外力持续浸染。
基于这一定律，他进一步论证，否认了“真空”的存在。

但后来，人类以实验证明了真空的存在，牛顿也提出牛顿第一定律：真空中物体会依照惯性持续运动，除非外力阻挡。

从古希腊时的亚里士多德三定律到第一次工业革命后的牛顿三定律，人类关于运动规律的探索持续了将近2000年。
即便把首次验证真空的托里拆利实验作为出发点，它与牛顿提出第一运动定律的韶光也相隔半个世纪之久。

与AI理解人类道德一样，让AI理解人类的科学史实在是一件困难的事情。
人们每每只能对AI说“不能这么做”，却很难让它理解“为什么不这么做”。
的确，在人工智能的伦理道德方面，这实在令人类头疼，但在科学方面，这反而成为人工智能的一个上风。

普通一点说，由于没有对过往科学知识的笃信（或者说有彻底的质疑精神），“AI科学家”在“否定古人”这件事上可以做得更加彻底。

一旦理解大多数科学理论都只是在当下不雅观测条件和实验条件下的科学，就可以理解为什么AI比较人类科学家来说有更多上风。

一位“AI亚里士多德”与一位“AI牛顿”之间的差距，可能仅仅取决于一次实验设备的改换。
而一部AI书写的科学史，从亚里士多德三定律到牛顿三定律也只须要几天、几分钟乃至几秒。

并且，由于AI对天下的探索基于数据，和人类科学家比较，它在传承性与协作性上更具上风。
一旦一个“AI托里拆利”验证了一种新的名为“真空”的状态客不雅观存在，另一个“AI牛顿”可以在很短的韶光内基于它的验证结果改动原来的预测模型。

在这一点上，不理解科学史的AI可能比人类科学家更客不雅观，更不受偏见和刻板印象的影响。

除此之外，AI还有一种浸染，它可以验证人类已知的各种“定律”是否处于最优状态。

在普通人的认知中，科学定律总是唯一的，但这是一种缺点的不雅观点，科学定律只是当前已知的、数学上的最优描述路径。

我们可以想象，另一个平行天下中的人类也能以“地心说”为原本描述全体宇宙，这并不妨碍他们发射卫星、登月乃至移民火星。
只是这个平行天下中的科学家，在打算同一个行星运动轨迹时所用的公式在数学繁芜程度上会远远高于我们。

再普通一点说，算一道小学的十以内加减法，你也可以将等号右边的旷地位设为x，然后用一套繁芜的代数规则。
但是套用一句盛行语来说：“可以，但没必要。
”

既然能够存在“大略问题繁芜化”的另一个平行宇宙，那么如何担保我们自身是一个“繁芜问题大略化”的宇宙呢？

AI可以帮助我们办理这一问题。

对付AI来说，它的统统输入基于人类当前实验与不雅观测设备所输出的精确数据，因此其在简化与优化定律方面有着更强的天赋，也能够创造人类不易察觉的潜在定律。

去年，苏黎世联邦理工学院的几位科学家用太阳系的不雅观测数据建立了一个模型，使AI自己创造了日心说和动量守恒定律。

这类实验的意义在于，如果实验中AI没有给出人类已知的某种定律，而统统数据又真实有效，那么我们就须要重新核阅已知定律了，而这每每是人类科学史上十分主要的高光时候。

“虚拟科学”的真实代价

前段韶光网优势行一种基于深度学习的天生小运用，比如 Fakeface 会随机天生一张现实中不存在的人物照片，Fakeroom 会随机天生一张现实中不存在的房间照片。

事实上，这类基于 AI 的天生运用的浸染远远不止供大众娱乐。
在科学领域，由人工智能天生虚拟的现实已经成为一些领域研究中的主要手段，比如开头提到的天文学。

2018 年 12 月，天体物理学家Kevin Schawinski揭橥在学术期刊《天体学和物理学》（Research in Astronomy and Astrophysics）期刊上的一篇论文[1]主见，该当将人工智能算法引入到对天体模型的天生与预测中。
这样可以更好地帮助人类科学家理解星系的发展进程和宇宙的出身过程。

Schawinski 谈到，人类天文学家在过去基于不雅观测给出了许多结论，比如当一个星系从低密度向高密度转移时会变得更红。
但是，他们不能阐明这种征象为什么会涌现。
由于宇宙是无法进行试验的客不雅观存在，天文学家们不可能改变宇宙中的某个变量，再看它会对全体宇宙产生什么影响。

但通过AI天生的虚拟空间，研究职员可以将现实中无法改变的某些元素改变，如重力常数、光速或者星系密度，重新天生一个新的“银河系”与当下的真实银河系进行比较研究。

关于星系密度与星系颜色的关联，有两条假说，其一是高密度星系中有更多的宇宙尘埃，这些尘埃使星系变得更红；另一种假说认为在一个密度更高的星系中，新恒星形成更少（老恒星更多）才导致了星系变红。

在过去，这两种假说都没办法被验证，由于天文学家既不可能向一个没有尘埃的星系中填满尘埃，也不可能向一个已经朽迈的星系中注入大量新恒星。
但有了AI之后，就可以轻松做这两个试验了。

“答案很大略，”Schawinski说道，“我们的结果更支持星系变红是由于个中的恒星变老。
”[2]

“AI科学家”

AI 对科学的改变不仅在虚拟天下中建立算法模型和仿照实验，乃至在一定程度上让 AI 可以独立完成人类科学家所给出的完全命题。

2009 年，威尔士阿伯里斯特威斯大学的罗斯·金曾经打造了一台“机器人科学家”亚当，它与过去那些帮助人类科学家进行打算和仿照的设备不同，它直接将打算机、机器臂、离心机、培养箱等设备链接在一起[3]。

自90年代起，研究职员一贯利用机器人筛选药物和序列基因组，使部分科学过程自动化，但人类常日卖力形成假设并自行设计实验。
实验结束后，必须由人类剖析结果才能得出结论。

亚当则不同，它由自身的模型算法驱动天生实验假设，然后通过自身连接的设备自主实验，再用各种传感器验证实验结果是否与假设相同。
在一些生命科学的根本命题上，亚当已经可以独当一壁。

它被用来考验酵母菌不同DNA片段对最终生成酵母酶的影响，以及不同基因片段对应的不同酵母酶。
在这个命题中，亚当可以每天设计并履行1000次不同的实验，这一速率远远超过人类生物学家。
亚当投入利用很短韶光，就创造了三个基因与酵母酶之间的关联，后来人类科学家也复现验证了个中一组。

亚当并非唯一，也非末了一个AI科学家。
事实上，在亚当出世后的十年，这类可以进行完全实验的AI科学家被越来越多地制造出来。

2018年，格拉斯哥大学的化学家 Lee Cronin 设计了一个以 AI 为核心的自动化实验设备，堪称“生命起源领域的强子对撞机”——研究职员希望通过这种办法加速对生命出身过程的探索[4]。

研究团队让一个AI在虚拟空间中随机合成任意的化学物质，然后以AI掌握它所连接的一系列真实设备，将这些物质合成出来，再通过质谱仪和核磁共振设备考验所天生的物质是否知足AI算法的预期，末了依据真实情形对建模进行修正。
这实现了一套完全的自我修订链。

这就好比为 AlphaGo装了一台机器臂，它可以完全、独立地进行这一类科学探索。

与其他领域，如医疗领域的进展相同，人工智能科学家并不会取代人类科学家，而是让科学家从繁复的根本打算和仿照实验中解放出来，实现科学研究的“自动化”。

Lee Cronin 谈到，他们在设计这个AI科学家时，特意的没有导入人类已有的化学知识体系，而是让机器完备从零开始学习。
如果以理论上存在的物质与反应为总量，人类化学家在过去几百年里已知的“精确知识”可能只是沧海一粟。

只管这台机器随机设计出的实验大多以失落败告终，但只要它持续运作，确实能减少人类化学家 90% 的无用功。
Cronin 的团队已经开始建立一个失落败反应的数据库，他们希望这个数据库能够帮助人类化学家避开这些“已知”的无效路径。

对付人类科学家来说，这可能是一种威胁，但从宏不雅观来看，成为一名人类科学家的门槛本身就在上升。

在天文望远镜发明后的一百年里，每确定一颗新的行星都是人类科学史上值得纪年的大事；在元素周期表刚发明的一百年里，每一个能为元素周期表填上一位元素的化学家都会被大众所知晓。
但随后的化学家和天文学家便不再有这样的报酬。

AI科学家的来临，对人类科学家来说既是寻衅，也是机遇。
它让人类社会中最聪明的一群人，可以去做更值得他们去做的事情，创造与创造更伟大的奇迹。

— END —

参考资料

[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

作者：王健飞

公众年夜众号：腾讯研究院（ID：cyberlawrc）

来源：https://mp.weixin.***.com/s/1EZyzNIsbTJoY52dhGcV-A

题图来自Unsplash，基于CC0协议