人工智能新前沿！何為AI for Science？

出品：科普中國

作者：王琛 （中國科學(xué)院計算技術(shù)研究所）

監(jiān)制：中國科普博覽

編者按：為展現(xiàn)智能科技動態(tài)，科普中國前沿科技項目推出“人工智能”系列文章，一窺人工智能前沿進(jìn)展，回應(yīng)種種關(guān)切與好奇。讓我們共同探究，迎接智能時代。

現(xiàn)在“AI for Science（人工智能驅(qū)動的科學(xué)研究）”已成為全球人工智能新前沿。什么是AI for Science？是如何發(fā)揮作用的？有哪些關(guān)鍵問題？我們來一起探索一下。

什么是AI for Science？

近年來，人工智能（AI）技術(shù)發(fā)展迅猛。20世紀(jì)末，人工智能在手寫數(shù)字識別方面取得了較高的準(zhǔn)確率，并在國際象棋中擊敗了人類。2017年，圍棋人工智能超過了人類職業(yè)頂尖水平。

過去五年間，人工智能在圖像生成、自動駕駛、聊天機(jī)器人、視頻生成、音樂生成等領(lǐng)域取得了重大突破。人工智能技術(shù)的發(fā)展達(dá)到了前所未有的高度。

AI機(jī)器人棋手和選手下棋

（圖片來源：南方日報）

自動駕駛（蘿卜快跑）

（圖片來源：新華網(wǎng)）

當(dāng)今世界，科學(xué)技術(shù)是第一生產(chǎn)力。除了上述領(lǐng)域之外，人們希望能夠使用人工智能來驅(qū)動科學(xué)研究，為科技發(fā)展提供幫助，這被稱為AI for Science（人工智能驅(qū)動的科學(xué)研究）。

科學(xué)研究是一個多方面的過程，一般包括假說的提出、實驗的設(shè)計、數(shù)據(jù)的收集與分析。AI for Science的目標(biāo)是使用人工智能來增強(qiáng)和加速這其中的每一個階段，使科學(xué)研究變得更加高效。

AI for Science在科學(xué)研究中的作用

（圖片來源：參考文獻(xiàn)1）

早在20世紀(jì)50年代人工智能誕生初期，科學(xué)家們就試圖使用計算機(jī)來解決科學(xué)問題，這個時期的研究主要集中在數(shù)學(xué)和物理學(xué)領(lǐng)域，利用計算機(jī)進(jìn)行數(shù)值模擬和復(fù)雜計算，這也推動了計算機(jī)技術(shù)的進(jìn)步。

20世紀(jì)80年代，專家系統(tǒng)開始興起，專家系統(tǒng)內(nèi)含有特定領(lǐng)域的專家知識和經(jīng)驗，它可以使用這些知識和經(jīng)驗通過邏輯學(xué)進(jìn)行推理與判斷，模擬人類專家去解決特定領(lǐng)域的問題。

隨著近20年來機(jī)器學(xué)習(xí)技術(shù)的成熟，人工智能不再局限于傳統(tǒng)的邏輯推斷，而是能夠從大量的數(shù)據(jù)之中挖掘出數(shù)據(jù)的內(nèi)在聯(lián)系，在數(shù)學(xué)、物理、化學(xué)、天文、生物等學(xué)科中取得了重要成果?，F(xiàn)在AI for Science已經(jīng)成為全球人工智能新前沿。

人工智能在各個領(lǐng)域的應(yīng)用

（圖片來源：參考文獻(xiàn)1）

AI for Science是如何發(fā)揮作用的？

人類科學(xué)歷史的發(fā)展經(jīng)歷了四個階段，經(jīng)驗科學(xué)、理論科學(xué)、計算科學(xué)、數(shù)據(jù)科學(xué)。

在經(jīng)驗科學(xué)階段，科學(xué)發(fā)展依賴于對自然現(xiàn)象的觀察與總結(jié)。例如，16世紀(jì)哥白尼通過觀察行星運(yùn)動提出了日心說。

在理論科學(xué)階段，人們不僅總結(jié)自然現(xiàn)象的規(guī)律，還探討其背后的科學(xué)理論，17世紀(jì)牛頓總結(jié)出的物體運(yùn)動的三個基本定律是這一階段的代表之一。

20世紀(jì)，隨著計算機(jī)的發(fā)展，人們進(jìn)入了計算科學(xué)階段，借助計算機(jī)的強(qiáng)大計算能力，人們可以根據(jù)物理定律進(jìn)行建模和模擬，如流體運(yùn)動仿真和氣象預(yù)測。

21世紀(jì)，大數(shù)據(jù)技術(shù)的興起推動了數(shù)據(jù)科學(xué)的發(fā)展，科學(xué)家通過處理與分析海量的實驗數(shù)據(jù)，從中發(fā)現(xiàn)新的科學(xué)規(guī)律。

AI for Science是一個新興的科學(xué)研究手段，是這四個發(fā)展階段科學(xué)研究方法的有機(jī)結(jié)合。它使用已知的科學(xué)規(guī)律進(jìn)行建模，同時又挖掘海量數(shù)據(jù)的規(guī)律，在計算機(jī)的強(qiáng)大算力的加持下，進(jìn)行科學(xué)問題的研究。

人工智能（AI）作為計算機(jī)學(xué)科的一個新興分支，它在科研領(lǐng)域發(fā)揮的作用與傳統(tǒng)的計算機(jī)科學(xué)不同。計算機(jī)最早是為了輔助人類計算而發(fā)明的，它計算速度快、準(zhǔn)確度高、可以自動化執(zhí)行，在科研領(lǐng)域產(chǎn)生了重要的影響。

但傳統(tǒng)計算機(jī)只是代替人類完成復(fù)雜繁瑣的計算，而人工智能更加追求“智能”，希望計算機(jī)能夠代替人類的智能，像人類一樣學(xué)習(xí)、推理與決策。

下面，我們通過一個例子來介紹 AI for Science 的具體應(yīng)用。

AI for Science的應(yīng)用-機(jī)器化學(xué)家

最近，中國科學(xué)技術(shù)大學(xué)的研究人員開發(fā)了全球首個集閱讀文獻(xiàn)、設(shè)計實驗、自主優(yōu)化等功能于一體，覆蓋化學(xué)品開發(fā)全流程的機(jī)器化學(xué)家平臺，它被科研人員形象地稱為“機(jī)器化學(xué)家”。

“機(jī)器化學(xué)家”在做實驗

(圖片來源：中國科學(xué)技術(shù)大學(xué))

在“高熵非貴金屬產(chǎn)氧催化劑”材料研究中，機(jī)器化學(xué)家展現(xiàn)出了AI for Science的極大潛力。為了尋找合適的材料，按照以往的方法，科研人員要從29種非貴金屬元素中選出5種進(jìn)行超過55萬種配比組合，“試錯”研究可能需要1400年。而有了機(jī)器化學(xué)家的幫助，只需要幾周時間就可以完成。

機(jī)器化學(xué)家首先從文獻(xiàn)數(shù)據(jù)庫中閱讀1.6萬篇相關(guān)論文，總結(jié)規(guī)律然后挑選出可能滿足要求的材料組合，使用計算機(jī)進(jìn)行模擬計算。它將模擬計算進(jìn)一步挑選出的材料組合進(jìn)行自動化實驗以驗證材料的真實性能。它可以根據(jù)預(yù)先設(shè)定好的流程利用自動化技術(shù)自動完成從材料合成到性能測試的全流程實驗，并對實驗數(shù)據(jù)進(jìn)行處理與分析，最終挑選出合適的材料。

機(jī)器化學(xué)家的優(yōu)勢在于它將大數(shù)據(jù)與人工智能相結(jié)合，利用人工智能進(jìn)行人類難以完成的海量文獻(xiàn)閱讀，并從中獲取經(jīng)驗。在獲取經(jīng)驗的基礎(chǔ)上，機(jī)器化學(xué)家自主提出可能的方案并進(jìn)行實驗驗證，從而代替了先前需要大量人工的試錯過程，加速了科學(xué)研究的進(jìn)展。

AI for Science有哪些關(guān)鍵問題？

在AI for Science發(fā)展的過程中，它仍然面臨著以下幾個關(guān)鍵問題：數(shù)據(jù)、算法、算力、人才。

數(shù)據(jù)問題：為了讓人工智能能夠自主決策，科學(xué)家需要提供數(shù)據(jù)以供學(xué)習(xí)，如何獲取高質(zhì)量的數(shù)據(jù)已經(jīng)成為了提高人工智能能力的瓶頸。特別是在科研領(lǐng)域，科學(xué)家面臨的問題都是人類知識的邊界，人工智能所能利用的數(shù)據(jù)比其它領(lǐng)域更為稀少。

在機(jī)器化學(xué)家的研發(fā)中，為了獲得足夠的數(shù)據(jù)，研究人員用了3年時間收集教科書、論文、專利中“沉淀”的化學(xué)經(jīng)驗和知識。但這些數(shù)據(jù)來源繁雜，質(zhì)量參差不齊，仍然需要進(jìn)一步豐富和優(yōu)化。

算法問題：在人工智能應(yīng)用于具體的科學(xué)領(lǐng)域時，人工智能并不能從零開始依據(jù)數(shù)據(jù)學(xué)習(xí)到所有的規(guī)律，這就需要相應(yīng)領(lǐng)域的專家依據(jù)當(dāng)前領(lǐng)域已有的規(guī)律或經(jīng)驗為人工智能設(shè)計對應(yīng)的算法。不僅需要AI for Science，有時也需要Science for AI，如何進(jìn)行計算機(jī)科學(xué)與其它各領(lǐng)域的交叉融合也是一個重要的問題。

算力問題：人工智能模型的訓(xùn)練以及應(yīng)用需要大量的算力作為支撐，歸根到底人工智能仍然是計算機(jī)技術(shù)，計算機(jī)的性能會制約人工智能的能力。在機(jī)器化學(xué)家的訓(xùn)練迭代和應(yīng)用過程中，需要消耗大量算力。因此，為了讓人工智能取得廣泛應(yīng)用，高性能計算機(jī)的研發(fā)是不可或缺的。

人才問題：在AI for Science中，人工智能始終是輔助科研人員進(jìn)行研究的技術(shù)，它尚未發(fā)展至可以完全不依賴于人的控制自行解決所有問題的程度，因此我們需要更多的科研人員參與進(jìn)來，推動AI for Science的發(fā)展。機(jī)器化學(xué)家正是在一批多學(xué)科背景的科研人員的通力合作、協(xié)同攻關(guān)下取得了成功。

期待在未來，隨著人工智能的發(fā)展，AI for Science可以在科學(xué)領(lǐng)域產(chǎn)出更多的成果，促進(jìn)人類的科技進(jìn)步。

參考文獻(xiàn)：

1.Wang, H., Fu, T., Du, Y. et al. Scientific discovery in the age of artificial intelligence. Nature 620, 47–60 (2023).