不久前，一则“AI都会看论文了，科研职员会被淘汰吗？”的在网上热传，让不少科研事情者心头一紧。
不过，AI 可不但会看文献，“搞”科研也很出色。
7月22日，《自然》网站刊发的一项研究称，利用最新AI技能，只需几毫秒便能预测出蛋白质构造。
随着AI在科研领域的运用风起云涌，它将成为研究职员的“天使”还是“恶魔”？ 科研事情者会被淘汰吗？
AI学会看文献、“搞”科研、写论文
7月3日，《自然》杂志刊发了美国能源部劳伦斯伯克利国家实验室研究职员的一篇论文。
文章称，AI在无人值守的情形下，阅读了300万篇材料学领域的文献择要，然后对潜在的新型热点材料进行了预测。
于是，有人提出，AI都会看文献搞科研了，生化环材领域小将的生存空间是不是又被挤压了？
7月22日，《自然》网站发文称，哈佛医学院生物学家Mohammed AlQuraishi开拓了一个被称为循环几何网络的深度学习模型，用于研究蛋白质折叠的关键特色。
演习这个模型可能须要几个月，但一旦演习完毕，它险些可以立即将蛋白质序列转换成构造，预测速率比现有的打算方法快6~7个数量级。
在量子领域，科学家还利用AI设计量子试验。据称，AI每设计出一套方案，然后由人来决定是否用实验实现，详细实现过程则由学生来做。
如此看来，学生彷佛已沦为AI的工具。
AI乃至可以直接天生论文。
最近，华盛顿大学等机构的研究职员开拓出 PaperRobot。它能供应从产生点子、写择要、写结论到写“未来研究”的一站式做事，乃至还能写出下一篇论文的题目。
科研职员何去何从？
随着AI在科研领域的渗透越来越深，它将带来何种机遇和冲击？科研职员又该如何为己所用？
问：AI的发展是否会给科研职员带来冲击？
● 尧德中（电子科技大学、四川省脑科学与类脑智能研究院教授）：
科研大致可以分为两个大类：一类是基于数据的科学，是在大量数据根本之上做一些归纳总结推理。另一类是基于假设的科学。比如说广义相对论，须要先提出设想，然后再去做实验验证。
在前者，AI可能会做出一些成绩。在数据剖析、归纳、整理这些方面，可能AI会在一定程度上取代一部分原来人工的事情，尤其是那些带有一定重复性的事情，这对科学家来说是一种“精力”的解放。
在基于假设的科学领域，我以为AI的影响会比较小。原则上AI不太会提出假设，在这个方面我以为良久往后也仍旧是依赖人类想象主导的。
● 张华良（中科院沈阳自动化所副研究员）：
AI在科研领域履行的大部分都是赞助性事情，取代性的并不多。就像原来IBM公司开拓出一款沃森机器人，可以瞬间查找诸多案例，取代了很多科研助手的事情。不过如今科研还是倾向于定制化，加之沃森在研究领域并无出色的表现，终极遭到搁置。
不过，任何事都不能一概而论，人工智能的发展告诫我们，科研职员也要强化学习，不能靠一招鲜吃遍天，由于说不准什么时候就被AI代替了。
● 刘铁军（电子科技大学生命科学与技能学院教授）：
AI在归纳、综合两个能力方面有独特的上风，但就目前来看，在剖析和演绎两种能力上与人比较差距还是比较巨大的，还不能取代科研职员。用更普通的话讲，AI未来相称长的一段韶光内，还将处于“只知其然不知其以是然”的状态。
但从发展的眼力看，AI正好利用电脑打算速率快、存储能力强的上风，这是人脑无法比拟的。以是AI往后会在科研领域有一席之地，但仅此而已。
问：随着AI在科研领域的渗透，会带来哪些弊端？
● 尧德中：
AI在大数据中找的是干系关系，只是建立了一个输入输出数值关系，不能够奉告因果关系、机制方面的道理。
如果研究事情过分依赖AI，可能会导致科学研究流于表面化、形式化、不求甚解。由于，AI很难外推，一个AI软件每每仅对特定领域和问题建立算法，无法衍生到其他问题上。
总之，AI只是一些伶仃的“专家”系统，而人是多能的，有很多领域，尤其交叉领域，须要这种多能的系统去办理。
● 张华良：
可能导致科研职员对AI过度依赖，从而引发利用风险。就像智能汽车驾驶，科研职员对其演习多利用AI框架。但是完备依赖它时会忽略一些副浸染，可能机器在某些环境涌现故障，导致驾驶风险。
● 刘铁军：
AI便是一个工具，如果用好了就没有太大的弊端，如果用不好就处处都是弊端。我认为从大的层面来说，无论哪种智能都存在着伦理的问题。
我们人脑智能的发展，也一贯是和伦理相伴而行的。以是现在的AI在科研领域的渗透，可能会存在伦理的问题。在这个方面要加强伦理培植，确保不会涌现有悖人伦的事宜涌现。
在详细的科研事情上，AI最近这几年确实比较热，也涌现了一些乱用AI的征象，以为AI无所不能，不用或者不提AI就不“高大上”。
总之，AI便是一个工具，一定要在须要这个工具的场合下利用这个工具。
问：如何让AI更好为科研所用？
● 尧德中：
可以让科研职员，不管是否从事AI领域，都加深对AI的理解，比如进行干系培训等。
由于只有充分理解AI，理解它的上风和弊端才能在未来的事情中更好地利用和判断它在详细场合的代价，就像本日我们与打算机的关系一样，不能事事都靠打算机，但不会用打算机大概是弗成的。
● 张华良：
科学家授予AI某种能力，让它成为一种工具，从而更多地帮助科研职员处理重复性、有规律的事情，使科研职员能够有更多的韶光去思考、去做更富有创造性的，更高层次的事情。
● 刘铁军：
我以为我们只要剖析出生物脑与硅基脑（或者说人脑和电脑）上风与劣势就能回答这个问题。
硅基脑在精准打算、运算速率、存储能力等方面具有绝对的上风，是生物脑无法比拟的。但是生物脑在模糊打算、模糊掌握、目标识别、演绎推理等方面也有不可替代的上风。
目前我国科技部也正在组织科研职员，推进双脑（生物脑、硅基脑）领悟的研究，试图通过该研究能够领悟双脑的各自上风，开拓更高效的智能系统。我的结论是，双脑并不抵牾，双脑领悟是未来的发展趋势。
AI给你的科研带来影响了吗？你感想熏染到的是便利还是压力？欢迎磋商。
干系论文信息：
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
互助事宜：market@stimes.cn
投稿事宜：tougao@stimes.cn