這些機器人正在學習進行自己的科學實驗 - 彭博社

照片插圖：731：攝影師：Getty Images在匹茲堡的卡內基梅隆大學實驗室內，一個機器人手臂舉起裝滿化學試劑的瓶子，帶着它越過一排試管，將精確數量的液滴分配到每一個試管中。手臂旋轉，替換瓶子，再次旋轉，拿起另一個容器。笨拙而不知疲倦，機器持續運轉，進行一項又一項的測試。這些實驗是一個持續項目的一部分，旨在確定高容量電動汽車電池的理想化學成分。不久，機器不僅會進行實驗——它們還會設計實驗。

彭博社商業週刊機器人出租車的裁決已出——華爾街正在乘坐火車傑米·戴蒙擔任財政部長：永不消逝的想法賈倫·布倫森是NBA現在需要的球員深入瞭解設定體育博彩賠率的公司在接下來的幾個月裏，一個人工智能算法將逐漸接管基於電池測試運行的實驗規劃。一旦完全運作，這個機器人研究生將決定如何修改它正在測試的成分濃度。“它不僅自動化了實驗的手動部分，還自動化了規劃部分，”項目負責人、豐田研究院的科學家布賴恩·斯托裏説。

科學長期以來被認為是人類活動中最不可能被機器人取代的領域之一。隨着傳感器、測序儀和衞星以太字節的速度產生數字信息，這種情況正在改變。“我們再也無法處理如此龐大的數據量，”Manuela Veloso説，她是卡內基梅隆大學機器學習系的負責人。這對生物技術公司和其他許多企業來説都是一個日常關注的問題，他們在努力理解前所未有的原始信息激增。

旨在識別和分類模式的人工智能軟件已在廣泛的科學領域中得到應用，從海洋生物學（識別水聽器錄音中的野生海豚聲音）到天文學（通過數千顆恆星亮度的微小波動檢測行星的存在）。為了發現希格斯玻色子，即所謂的上帝粒子，一個算法篩選了在瑞士的大型強子對撞機中生成的數十億粒子軌跡。人工智能正迅速成為大學科學課程的重要組成部分。

自動化發現過程不僅可以釋放研究人員的時間。它可能會改變所做發現的類型。“我可以很容易想象人工智能會推薦實驗，嘗試合成你認為不可能的化學分子，但人工智能將能夠做到這一點，”Barnabás Póczos説，他是卡內基梅隆大學的機器學習教授，正在與豐田項目合作。

不幸的是，生成新穎的預測本身並不是特別有用。科學家們追求的不是“什麼”，而是“為什麼”——那些優雅的理論公式，讓他們理解宇宙是如何運作的，比如牛頓的第一定律或E=mc²。到目前為止，支撐AI軟件的神經網絡實際上無法解釋它們是如何得出答案的。

相比之下，人類在這方面做得相當不錯。因此，在短期內，最有前景的方法將是人類與AI合作。今年二月，荷蘭出版商Elsevier宣佈與軟件製造商Euretos進行試點合作，利用AI評估數百萬篇經過同行評審的科學文章，以提出生物化學領域的假設。學者們將在網上篩選這些假設，並基於最有希望的假設進行實驗。“願景是討論變成一個更加自動化的過程，”Euretos的聯合創始人Arie Baak説。

那麼之後呢？“人們一直在想，是否可以讓計算機自動找出物理學的基本原理，”豐田的Storey説。“我認為我們現在還沒有走到那一步。”