AI学会“搞”研究、写论文，科研民工惨遭淘汰？

不久前，一则“AI都会看论文了，科研人员会被淘汰吗？”的消息在网上热传，让不少科研工作者心头一紧。

不过，AI 可不只会看文献，“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技术，只需几毫秒便能预测出蛋白质结构。

随着AI在科研领域的应用如火如荼，它将成为研究人员的“天使”还是“恶魔”？ 科研工作者会被淘汰吗？

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人员的一篇论文。

文章称，AI在无人值守的情况下，阅读了300万篇材料学领域的文献摘要，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开发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征。

训练这个模型可能需要几个月，但一旦训练完毕，它几乎可以立即将蛋白质序列转换成结构，预测速度比现有的计算方法快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，具体实现过程则由学生来做。

如此看来，学生似乎已沦为AI的工具。

AI甚至可以直接生成论文。

最近，华盛顿大学等机构的研究人员开发出 PaperRobot。它能提供从产生点子、写摘要、写结论到写“未来研究”的一站式服务，甚至还能写出下一篇论文的题目。

科研人员何去何从？

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？科研人员又该如何为己所用？

问：AI的发展是否会给科研人员带来冲击？

● 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，是在大量数据基础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，需要先提出设想，然后再去做实验验证。

在前者，AI可能会做出一些成绩。在数据分析、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工作，尤其是那些带有一定重复性的工作，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，我觉得AI的影响会比较小。原则上AI不太会提出假设，在这个方面我觉得很久以后也仍然是依靠人类想象主导的。

● 张华良（中科院沈阳自动化所副研究员）：

AI在科研领域实施的大部分都是辅助性工作，取代性的并不多。就像原来IBM公司开发出一款沃森机器人，可以瞬间查找诸多案例，取代了很多科研助手的工作。不过如今科研还是偏向于定制化，加之沃森在研究领域并无出色的表现，最终遭到搁置。

不过，任何事都不能一概而论，人工智能的发展告诫我们，科研人员也要强化学习，不能靠一招鲜吃遍天，因为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术学院教授）：

AI在归纳、综合两个能力方面有独特的优势，但就目前来看，在分析和演绎两种能力上与人相比差距还是比较巨大的，还不能取代科研人员。用更通俗的话讲，AI未来相当长的一段时间内，还将处于“只知其然不知其所以然”的状态。

但从发展的眼光看，AI恰恰利用电脑计算速度快、存储能力强的优势，这是人脑无法比拟的。所以AI以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在大数据中找的是相关关系，只是建立了一个输入输出数值关系，不能够告知因果关系、机制方面的道理。

如果研究工作过分依赖AI，可能会导致科学研究流于表面化、形式化、不求甚解。因为，AI很难外推，一个AI软件往往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只是一些孤立的“专家”系统，而人是多能的，有很多领域，尤其交叉领域，需要这种多能的系统去解决。

● 张华良：

可能导致科研人员对AI过度依赖，从而引发使用风险。就像智能汽车驾驶，科研人员对其训练多使用AI框架。但是完全依赖它时会忽视一些副作用，可能机器在某些环境出现故障，导致驾驶风险。

● 刘铁军：

AI就是一个工具，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，也一直是和伦理相伴而行的。所以现在的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建设，确保不会出现有悖人伦的事件出现。

在具体的科研工作上，AI最近这几年确实比较热，也出现了一些乱用AI的现象，觉得AI无所不能，不用或者不提AI就不“高大上”。

总之，AI就是一个工具，一定要在需要这个工具的场合下使用这个工具。

问：如何让AI更好为科研所用？

● 尧德中：

可以让科研人员，不管是否从事AI领域，都加深对AI的理解，比如进行相关培训等。

因为只有充分了解AI，了解它的优势和弊端才能在未来的工作中更好地使用和判断它在具体场合的价值，就像今天我们与计算机的关系一样，不能事事都靠计算机，但不会用计算机大概是不行的。

● 张华良：

科学家赋予AI某种能力，让它成为一种工具，从而更多地帮助科研人员处理重复性、有规律的事情，使科研人员能够有更多的时间去思考、去做更富有创造性的，更高层次的事情。

● 刘铁军：

我觉得我们只要分析出生物脑与硅基脑（或者说人脑和电脑）优势与劣势就能回答这个问题。

硅基脑在精准计算、运算速度、存储能力等方面具有绝对的优势，是生物脑无法比拟的。但是生物脑在模糊计算、模糊控制、目标识别、演绎推理等方面也有不可替代的优势。

目前我国科技部也正在组织科研人员，推进双脑（生物脑、硅基脑）融合的研究，试图通过该研究能够融合双脑的各自优势，开发更高效的智能系统。我的结论是，双脑并不矛盾，双脑融合是未来的发展趋势。

AI给你的科研带来影响了吗？你感受到的是便利还是压力？欢迎探讨。

相关论文信息：

https://www./content/115/6/1221?utm_source=wechat_session&utm_medium=social&utm_oi=1131939018975408128

https://www./articles/d41586-019-01357-6

https:///pdf/1905.07870.pdf

https:///10.1038/s41586-019-1335-8

合作事宜：[e-mail]

投稿事宜：[e-mail]