久久久91-久久久91精品国产一区二区-久久久91精品国产一区二区三区-久久久999国产精品-久久久999久久久精品

傳統(tǒng)認為，科技工作因其高度的創(chuàng)新性，因此科技工作者很難被人工智能取代。但日前，國際學術(shù)期刊《自然》發(fā)表的一篇論文吸引了大家的眼球。科學家們改造了一種汽車裝配線上常見的機器人，讓它可以在化學實驗室內(nèi)工作。通過與機器學習算法相連，這種機器人可以使用和人類化學家一樣的標準分析儀器，“相當于使研究人員而非儀器變得自動化”。同時，由于它和人類體積相當，可以在傳統(tǒng)實驗室內(nèi)工作，而無須建立或改造新實驗室。在提高一種聚合光催化劑性能的實驗中，這款機器人在2～3天內(nèi)便優(yōu)化了反應條件，而人類要幾個月的時間才能做到。原因之一，就是這種機器人采取了激光掃描和觸覺反饋相結(jié)合的方式實現(xiàn)定位，而不是視覺系統(tǒng)——不用“看”的機器人無須光亮，因此極大地提高了光催化實驗的效率。研究者認為，這個機器人將在傳統(tǒng)實驗室有更多應用。那么，人工智能會取代化學家嗎？會取代科學家嗎？本期，我們邀請?zhí)m州大學化學化工學院教授王為，中國科學院自動化研究所研究員侯增廣，和中國科學院物理研究所研究員王磊一起來談談這個話題。

1.人工智能已成為科學家的好幫手

侯增廣（中國科學院自動化研究所研究員）：簡單地說，《自然》刊登的論文在技術(shù)方面有兩個亮點。一是采用機器人代替?zhèn)鹘y(tǒng)實驗室的實驗員，克服了光催化實驗人工操作過程中的一些問題。這個實驗應用的就是常見的具有機械臂的移動機器人平臺，它連續(xù)運行了8天，做了688個實驗。第二個亮點是采用了貝葉斯算法，這是一種基于概率統(tǒng)計的分類算法，使實驗效率大大提升。 

機器人最早在制造和生產(chǎn)領(lǐng)域得到應用。目前，在科學發(fā)現(xiàn)領(lǐng)域，機器人在精度要求比較高的場景中，如時間精度、位置精度、操作精度等，有了很多應用。例如，人工授精要求把精子準確地送入卵子中，精度要求比較高，這類任務如果采用機器人將比人工操作的效率高很多。 

人工智能的應用給科研帶來很多新變化，增加了新可能。比如，采用人工智能方法對數(shù)據(jù)的采集更客觀、分析更準確。同時，人工智能有強大的計算能力，能夠發(fā)現(xiàn)人容易忽略的小樣本事件、罕見樣本事件，可能給科學研究帶來意想不到的發(fā)現(xiàn)。

王為（蘭州大學化學化工學院教授）：人工智能如何幫助化學家？我們首先要理解“化學學科”和“人工智能”的內(nèi)涵和外延，判斷它們各自面臨的瓶頸和發(fā)展的方向，再分析它們可能采用什么方式交匯融通。

化學是發(fā)現(xiàn)和創(chuàng)造物質(zhì)的學科。要解決的基本問題包括：物質(zhì)如何（精準）創(chuàng)制？物質(zhì)的組成和結(jié)構(gòu)如何？物質(zhì)有什么（獨特）的功能？上述問題的解決，從根本上講需要對微觀物質(zhì)世界的底層邏輯形成理論體系。因此，化學學科既需要動腦，也需要動手：從發(fā)現(xiàn)和創(chuàng)造物質(zhì)的實踐中獲得數(shù)據(jù)，從數(shù)據(jù)中總結(jié)新的經(jīng)驗和規(guī)律，再從經(jīng)驗和規(guī)律中指導未知的、獲得新數(shù)據(jù)的實踐。簡言之，化學學科的發(fā)展需要從微觀到宏觀的多尺度層級上，高效精準獲取數(shù)據(jù)、建立數(shù)據(jù)和理論之間的強連接、完備理論體系。 

新一代人工智能的核心是在大數(shù)據(jù)基礎(chǔ)上將智能問題轉(zhuǎn)化為數(shù)據(jù)問題，其發(fā)展需要三個核心要素的支撐：計算能力、海量數(shù)據(jù)、數(shù)學算法。人工智能的基本層級是智能放大和綜合，包括信息的采集、錄入和分析。進階層級是智能預測，即在大數(shù)據(jù)基礎(chǔ)上預測特定事物的發(fā)生概率。高級層級是智能學習，即通過算法上的革新，突破人類的思考模式，在基本規(guī)律下自主地創(chuàng)造機器的思考模式，從而輸出全局最優(yōu)的結(jié)果。 

人工智能在化學領(lǐng)域中的應用初見端倪。其對于化學家的幫助可能表現(xiàn)在以下幾個層級：一是輔助動手，高效獲得數(shù)據(jù)。二是輔助動腦。通過對海量數(shù)據(jù)的分析，人工智能可能預測出新的物質(zhì)合成途徑、發(fā)現(xiàn)物質(zhì)的新功能、建立新的邏輯連接（構(gòu)效關(guān)系）等。三是針對化學領(lǐng)域的核心問題，通過深度學習（算法創(chuàng)新）和深度自動化，實現(xiàn)動手和動腦的深度結(jié)合，完成自主創(chuàng)新。以此標準衡量，人工智能在化學領(lǐng)域中的應用還處在起步階段。《自然》這篇工作的核心亮點是提供了高效獲取數(shù)據(jù)的深度自動化研究平臺，為將來動腦和動手的有效結(jié)合起到示范作用。 

王磊（中國科學院物理所研究員）：今天的人工智能已經(jīng)在科研領(lǐng)域給科學家?guī)砗芏鄮椭Ｎ覀兛梢韵胂螅瑦鄣仙l(fā)明燈芯，要對各種材料不停試錯，如果有這種機器人的幫助，那可能提早電燈的發(fā)明。其實，在科研領(lǐng)域有很多類似的應用。比如我們中科院物理所，在晶體材料的合成和生長上，就使用人工智能作為輔助。我們所幾輩科研人員在這個行業(yè)深耕幾十年，留下了豐富的實驗數(shù)據(jù)，但都是寫在紙上的。我們把這些實驗記錄數(shù)字化，再“訓練”一個識別程序，就能用來預測晶體能不能長成等。再比如，在材料科學中，很多時候科學家們要從材料微觀組成，例如原子排列順序等，來推測材料可能具備的宏觀功能，例如親水性等。通常這個計算是很復雜的，需要耗費大量時間。現(xiàn)在，人工智能通過“學習”之前的計算結(jié)果，已經(jīng)可以完成這部分工作。當然，其準確性還有很大提升空間。 

2.什么樣的科技工作者會被替代　　

王為：我的基本觀點是：人工智能在未來會替代重復性的化學實驗和測試工作，有可能改變甚至變革化學研究的范式，但從根本上無法替代化學家。 

就獲取數(shù)據(jù)而言，人工智能在預先設(shè)計的化學實驗中表現(xiàn)得更加高效。相較于人的操作，其標準化程度更高、誤差更小，能幫助化學家獲得更大量的、標準化的、可對比的數(shù)據(jù)。就數(shù)據(jù)分析而言，相比于人類記憶以及理解數(shù)據(jù)的局限性，人工智能可以更為精準、有效地收集、分析、整合數(shù)據(jù)，并可能尋找到相應的規(guī)律。因此，人工智能有可能在化學領(lǐng)域的應用中率先取得突破，從而改變甚至變革化學研究的基本模式。 

而取得突破的先決條件至少有兩點。一是獲取海量數(shù)據(jù)。人工智能的基礎(chǔ)是大數(shù)據(jù)。就機器學習的需求而言，目前化學領(lǐng)域所能提供的數(shù)據(jù)數(shù)量非常有限、可對比度極低。二是實現(xiàn)算法創(chuàng)新。基于化學領(lǐng)域提出的特定科學問題，在海量數(shù)據(jù)存在的前提下，通過算法創(chuàng)新，突破化學領(lǐng)域現(xiàn)有的思考模式和理論框架，鎖定多參數(shù)復雜體系的最優(yōu)解。就此而言，人工智能在化學領(lǐng)域中的應用還有很長的道路要走。 

侯增廣：人工智能很可能給實驗室?guī)砭薮笞兏铮踔脸霈F(xiàn)無人實驗室。但我認為，短時間內(nèi)，人工智能和機器人不能替代科學家。我們看《自然》刊登的這個實驗中，進行實驗頂層設(shè)計的，比如實驗架構(gòu)等，還是科學家，機器人和人工智能只不過是人的手和眼的延伸。我認為，即便深度學習等人工智能方法發(fā)展起來，也不太可能替代科學家。因為人工智能是建立在算法之上，它的能力的獲取是基于大量數(shù)據(jù)得來的，強大的基于數(shù)據(jù)的計算能力是人工智能的核心能力。但人工智能和真實的生物智能還有很大差距，人從來就不是這么思考的，人類的智能是基于知識、而非基于數(shù)據(jù)的。而這點，人工智能還做不到。比如我們課題組在研究手術(shù)機器人。在某些方面，它的精準度比普通醫(yī)生要高。但是人體是非常復雜的，每個人的情況也千差萬別，遇到復雜病灶、復雜障礙如何處理？這點機器人還不行，比不上經(jīng)驗豐富的醫(yī)生。因為這些能力和判斷都是基于經(jīng)驗知識的，而非簡單數(shù)據(jù)。 

王磊：科研中，那些重復性高的、有固定流程的工作可能被替代。但對于是否能替代科學家這個問題，我的看法是比較保守的。比如我們物理學，最重要的是在現(xiàn)象中發(fā)現(xiàn)新的物理定律。但目前的人工智能算法，還看不到能發(fā)現(xiàn)新物理定律的可能，作出創(chuàng)新性發(fā)現(xiàn)的可能性比較小。我現(xiàn)在做的深度學習與計算物理交叉的研究，起碼目前還沒有看到人工智能能夠取代科學家的證據(jù)。雖然現(xiàn)在也有很多實驗模擬一個環(huán)境，看看人工智能是否能取得重新發(fā)現(xiàn)。比如給人工智能萬有引力定律發(fā)現(xiàn)之前的各種數(shù)據(jù)，看人工智能能不能像牛頓一樣發(fā)現(xiàn)萬有引力定律。有些實驗聲稱獲得了很好的結(jié)果，但仔細研究這些實驗，會發(fā)現(xiàn)其中有很多可控的空間。因此，我總體認為，目前的人工智能做出創(chuàng)造性發(fā)現(xiàn)的可能性比較小。 

3.人工智能是否會引發(fā)與人爭工作的倫理隱憂

侯增廣：我覺得這方面擔憂是不必要的。我們借助人工智能和機器人可以提高工作效率，把人從重復性的、危險性的工作中解放出來。這是一種社會的進步。當然，人工智能的發(fā)展也面臨很多倫理問題，這不可能在一個訪談中盡談。我只能從我所在的這個領(lǐng)域談一個倫理問題的例子：目前的人工智能方法是不能夠保證計算結(jié)果百分百正確，我們應該把什么樣問題的決定權(quán)交給人工智能？如果出現(xiàn)失誤，這個責任應該由誰來承擔？我們再以手術(shù)機器人為例。之前說過，人體是十分復雜的，手術(shù)中會遇到各種各樣的狀況。如果是人做手術(shù)，他很清楚自己能力或技術(shù)的邊界在哪里，什么樣的問題是他不能解決的。因此，可以及時向老師、前輩請教，或者邀請其他科室的大夫來會診。但如果是機器人自主做手術(shù)，它是按照程序來運行的，這個程序不可能包含所有可能發(fā)生的情況，機器人也不會清楚自己能力和技術(shù)的邊界。那么，在某些程序交由機器人來判斷和決定的情況下，一旦手術(shù)失敗，這個責任由誰來承擔？是算法的研究者，是機器人的制造商，還是按下操作鍵的醫(yī)護人員？這是一個值得大家關(guān)注的倫理問題。 

王磊：每一次技術(shù)的更新?lián)Q代，都會帶來產(chǎn)業(yè)的變化，某些工種可能被替代，從而引導勞動力向不同的方向分流。我覺得從人類整體的發(fā)展而言，與人爭工作這個倫理問題可能不是最急迫的。我們目前討論更多的倫理問題，是如何讓機器不“染上”人類的偏見。我們知道，人工智能是基于大數(shù)據(jù)的，這些數(shù)據(jù)集的標簽的制備過程都需要人。特別是，原來數(shù)據(jù)集是由人寫的，可能會進行克制。現(xiàn)在數(shù)據(jù)集都是互聯(lián)網(wǎng)搜集的，偏見很難避免，比如基于膚色的偏見、基于性別的偏見等。那么，在人工智能的應用中，如何在算法中去除這些偏見，是我們要面對的比較緊迫的倫理問題。

來源：《光明日報》