傳統(tǒng)認(rèn)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(guó)際學(xué)術(shù)期刊《自然》發(fā)表的一篇論文吸引了大家的眼球。科學(xué)家們改造了一種汽車裝配線上常見(jiàn)的機(jī)器人，讓它可以在化學(xué)實(shí)驗(yàn)室內(nèi)工作。通過(guò)與機(jī)器學(xué)習(xí)算法相連，這種機(jī)器人可以使用和人類化學(xué)家一樣的標(biāo)準(zhǔn)分析儀器，“相當(dāng)于使研究人員而非儀器變得自動(dòng)化”。同時(shí)，由于它和人類體積相當(dāng)，可以在傳統(tǒng)實(shí)驗(yàn)室內(nèi)工作，而無(wú)須建立或改造新實(shí)驗(yàn)室。在提高一種聚合光催化劑性能的實(shí)驗(yàn)中，這款機(jī)器人在2～3天內(nèi)便優(yōu)化了反應(yīng)條件，而人類要幾個(gè)月的時(shí)間才能做到。原因之一，就是這種機(jī)器人采取了激光掃描和觸覺(jué)反饋相結(jié)合的方式實(shí)現(xiàn)定位，而不是視覺(jué)系統(tǒng)——不用“看”的機(jī)器人無(wú)須光亮，因此極大地提高了光催化實(shí)驗(yàn)的效率。研究者認(rèn)為，這個(gè)機(jī)器人將在傳統(tǒng)實(shí)驗(yàn)室有更多應(yīng)用。那么，人工智能會(huì)取代化學(xué)家嗎？會(huì)取代科學(xué)家嗎？本期，我們邀請(qǐng)?zhí)m州大學(xué)化學(xué)化工學(xué)院教授王為，中國(guó)科學(xué)院自動(dòng)化研究所研究員侯增廣，和中國(guó)科學(xué)院物理研究所研究員王磊一起來(lái)談?wù)勥@個(gè)話題。

   1.人工智能已成為科學(xué)家的好幫手

   侯增廣(中國(guó)科學(xué)院自動(dòng)化研究所研究員)：簡(jiǎn)單地說(shuō)，《自然》刊登的論文在技術(shù)方面有兩個(gè)亮點(diǎn)。一是采用機(jī)器人代替?zhèn)鹘y(tǒng)實(shí)驗(yàn)室的實(shí)驗(yàn)員，克服了光催化實(shí)驗(yàn)人工操作過(guò)程中的一些問(wèn)題。這個(gè)實(shí)驗(yàn)應(yīng)用的就是常見(jiàn)的具有機(jī)械臂的移動(dòng)機(jī)器人平臺(tái)，它連續(xù)運(yùn)行了8天，做了688個(gè)實(shí)驗(yàn)。第二個(gè)亮點(diǎn)是采用了貝葉斯算法，這是一種基于概率統(tǒng)計(jì)的分類算法，使實(shí)驗(yàn)效率大大提升。

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

   人工智能的應(yīng)用給科研帶來(lái)很多新變化，增加了新可能。比如，采用人工智能方法對(duì)數(shù)據(jù)的采集更客觀、分析更準(zhǔn)確。同時(shí)，人工智能有強(qiáng)大的計(jì)算能力，能夠發(fā)現(xiàn)人容易忽略的小樣本事件、罕見(jiàn)樣本事件，可能給科學(xué)研究帶來(lái)意想不到的發(fā)現(xiàn)。

   王為(蘭州大學(xué)化學(xué)化工學(xué)院教授)：人工智能如何幫助化學(xué)家？我們首先要理解“化學(xué)學(xué)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(xué)是發(fā)現(xiàn)和創(chuàng)造物質(zhì)的學(xué)科。要解決的基本問(wèn)題包括：物質(zhì)如何(精準(zhǔn))創(chuàng)制？物質(zhì)的組成和結(jié)構(gòu)如何？物質(zhì)有什么(獨(dú)特)的功能？上述問(wèn)題的解決，從根本上講需要對(duì)微觀物質(zhì)世界的底層邏輯形成理論體系。因此，化學(xué)學(xué)科既需要?jiǎng)幽X，也需要?jiǎng)邮郑簭陌l(fā)現(xiàn)和創(chuàng)造物質(zhì)的實(shí)踐中獲得數(shù)據(jù)，從數(shù)據(jù)中總結(jié)新的經(jīng)驗(yàn)和規(guī)律，再?gòu)慕?jīng)驗(yàn)和規(guī)律中指導(dǎo)未知的、獲得新數(shù)據(jù)的實(shí)踐。簡(jiǎn)言之，化學(xué)學(xué)科的發(fā)展需要從微觀到宏觀的多尺度層級(jí)上，高效精準(zhǔn)獲取數(shù)據(jù)、建立數(shù)據(jù)和理論之間的強(qiáng)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(wèn)題轉(zhuǎn)化為數(shù)據(jù)問(wèn)題，其發(fā)展需要三個(gè)核心要素的支撐：計(jì)算能力、海量數(shù)據(jù)、數(shù)學(xué)算法。人工智能的基本層級(jí)是智能放大和綜合，包括信息的采集、錄入和分析。進(jìn)階層級(jí)是智能預(yù)測(cè)，即在大數(shù)據(jù)基礎(chǔ)上預(yù)測(cè)特定事物的發(fā)生概率。高級(jí)層級(jí)是智能學(xué)習(xí)，即通過(guò)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(jī)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(xué)領(lǐng)域中的應(yīng)用初見(jiàn)端倪。其對(duì)于化學(xué)家的幫助可能表現(xiàn)在以下幾個(gè)層級(jí)：一是輔助動(dòng)手，高效獲得數(shù)據(jù)。二是輔助動(dòng)腦。通過(guò)對(duì)海量數(shù)據(jù)的分析，人工智能可能預(yù)測(cè)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(duì)化學(xué)領(lǐng)域的核心問(wèn)題，通過(guò)深度學(xué)習(xí)(算法創(chuàng)新)和深度自動(dòng)化，實(shí)現(xiàn)動(dòng)手和動(dòng)腦的深度結(jié)合，完成自主創(chuàng)新。以此標(biāo)準(zhǔn)衡量，人工智能在化學(xué)領(lǐng)域中的應(yīng)用還處在起步階段。《自然》這篇工作的核心亮點(diǎn)是提供了高效獲取數(shù)據(jù)的深度自動(dòng)化研究平臺(tái)，為將來(lái)動(dòng)腦和動(dòng)手的有效結(jié)合起到示范作用。

   王磊(中國(guó)科學(xué)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(xué)家?guī)?lái)很多幫助。我們可以想象，愛(ài)迪生發(fā)明燈芯，要對(duì)各種材料不停試錯(cuò)，如果有這種機(jī)器人的幫助，那可能提早電燈的發(fā)明。其實(shí)，在科研領(lǐng)域有很多類似的應(yīng)用。比如我們中科院物理所，在晶體材料的合成和生長(zhǎng)上，就使用人工智能作為輔助。我們所幾輩科研人員在這個(gè)行業(yè)深耕幾十年，留下了豐富的實(shí)驗(yàn)數(shù)據(jù)，但都是寫在紙上的。我們把這些實(shí)驗(yàn)記錄數(shù)字化，再“訓(xùn)練”一個(gè)識(shí)別程序，就能用來(lái)預(yù)測(cè)晶體能不能長(zhǎng)成等。再比如，在材料科學(xué)中，很多時(shí)候科學(xué)家們要從材料微觀組成，例如原子排列順序等，來(lái)推測(cè)材料可能具備的宏觀功能，例如親水性等。通常這個(gè)計(jì)算是很復(fù)雜的，需要耗費(fèi)大量時(shí)間。現(xiàn)在，人工智能通過(guò)“學(xué)習(xí)”之前的計(jì)算結(jié)果，已經(jīng)可以完成這部分工作。當(dāng)然，其準(zhǔn)確性還有很大提升空間。

   2.什么樣的科技工作者會(huì)被替代

   王為：我的基本觀點(diǎn)是：人工智能在未來(lái)會(huì)替代重復(fù)性的化學(xué)實(shí)驗(yàn)和測(cè)試工作，有可能改變甚至變革化學(xué)研究的范式，但從根本上無(wú)法替代化學(xué)家。

   就獲取數(shù)據(jù)而言，人工智能在預(yù)先設(shè)計(jì)的化學(xué)實(shí)驗(yàn)中表現(xiàn)得更加高效。相較于人的操作，其標(biāo)準(zhǔn)化程度更高、誤差更小，能幫助化學(xué)家獲得更大量的、標(biāo)準(zhǔn)化的、可對(duì)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(zhǔn)、有效地收集、分析、整合數(shù)據(jù)，并可能尋找到相應(yīng)的規(guī)律。因此，人工智能有可能在化學(xué)領(lǐng)域的應(yīng)用中率先取得突破，從而改變甚至變革化學(xué)研究的基本模式。

   而取得突破的先決條件至少有兩點(diǎn)。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(jī)器學(xué)習(xí)的需求而言，目前化學(xué)領(lǐng)域所能提供的數(shù)據(jù)數(shù)量非常有限、可對(duì)比度極低。二是實(shí)現(xiàn)算法創(chuàng)新。基于化學(xué)領(lǐng)域提出的特定科學(xué)問(wèn)題，在海量數(shù)據(jù)存在的前提下，通過(guò)算法創(chuàng)新，突破化學(xué)領(lǐng)域現(xiàn)有的思考模式和理論框架，鎖定多參數(shù)復(fù)雜體系的最優(yōu)解。就此而言，人工智能在化學(xué)領(lǐng)域中的應(yīng)用還有很長(zhǎng)的道路要走。

   侯增廣：人工智能很可能給實(shí)驗(yàn)室?guī)?lái)巨大變革，甚至出現(xiàn)無(wú)人實(shí)驗(yàn)室。但我認(rèn)為，短時(shí)間內(nèi)，人工智能和機(jī)器人不能替代科學(xué)家。我們看《自然》刊登的這個(gè)實(shí)驗(yàn)中，進(jìn)行實(shí)驗(yàn)頂層設(shè)計(jì)的，比如實(shí)驗(yàn)架構(gòu)等，還是科學(xué)家，機(jī)器人和人工智能只不過(guò)是人的手和眼的延伸。我認(rèn)為，即便深度學(xué)習(xí)等人工智能方法發(fā)展起來(lái)，也不太可能替代科學(xué)家。因?yàn)槿斯ぶ悄苁墙⒃谒惴ㄖ希哪芰Φ墨@取是基于大量數(shù)據(jù)得來(lái)的，強(qiáng)大的基于數(shù)據(jù)的計(jì)算能力是人工智能的核心能力。但人工智能和真實(shí)的生物智能還有很大差距，人從來(lái)就不是這么思考的，人類的智能是基于知識(shí)、而非基于數(shù)據(jù)的。而這點(diǎn)，人工智能還做不到。比如我們課題組在研究手術(shù)機(jī)器人。在某些方面，它的精準(zhǔn)度比普通醫(yī)生要高。但是人體是非常復(fù)雜的，每個(gè)人的情況也千差萬(wàn)別，遇到復(fù)雜病灶、復(fù)雜障礙如何處理？這點(diǎn)機(jī)器人還不行，比不上經(jīng)驗(yàn)豐富的醫(yī)生。因?yàn)檫@些能力和判斷都是基于經(jīng)驗(yàn)知識(shí)的，而非簡(jiǎn)單數(shù)據(jù)。

   王磊：科研中，那些重復(fù)性高的、有固定流程的工作可能被替代。但對(duì)于是否能替代科學(xué)家這個(gè)問(wèn)題，我的看法是比較保守的。比如我們物理學(xué)，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(xué)習(xí)與計(jì)算物理交叉的研究，起碼目前還沒(méi)有看到人工智能能夠取代科學(xué)家的證據(jù)。雖然現(xiàn)在也有很多實(shí)驗(yàn)?zāi)M一個(gè)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(wàn)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(wàn)有引力定律。有些實(shí)驗(yàn)聲稱獲得了很好的結(jié)果，但仔細(xì)研究這些實(shí)驗(yàn)，會(huì)發(fā)現(xiàn)其中有很多可控的空間。因此，我總體認(rèn)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(huì)引發(fā)與人爭(zhēng)工作的倫理隱憂

   侯增廣：我覺(jué)得這方面擔(dān)憂是不必要的。我們借助人工智能和機(jī)器人可以提高工作效率，把人從重復(fù)性的、危險(xiǎn)性的工作中解放出來(lái)。這是一種社會(huì)的進(jìn)步。當(dāng)然，人工智能的發(fā)展也面臨很多倫理問(wèn)題，這不可能在一個(gè)訪談中盡談。我只能從我所在的這個(gè)領(lǐng)域談一個(gè)倫理問(wèn)題的例子：目前的人工智能方法是不能夠保證計(jì)算結(jié)果百分百正確，我們應(yīng)該把什么樣問(wèn)題的決定權(quán)交給人工智能？如果出現(xiàn)失誤，這個(gè)責(zé)任應(yīng)該由誰(shuí)來(lái)承擔(dān)？我們?cè)僖允中g(shù)機(jī)器人為例。之前說(shuō)過(guò)，人體是十分復(fù)雜的，手術(shù)中會(huì)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(wèn)題是他不能解決的。因此，可以及時(shí)向老師、前輩請(qǐng)教，或者邀請(qǐng)其他科室的大夫來(lái)會(huì)診。但如果是機(jī)器人自主做手術(shù)，它是按照程序來(lái)運(yùn)行的，這個(gè)程序不可能包含所有可能發(fā)生的情況，機(jī)器人也不會(huì)清楚自己能力和技術(shù)的邊界。那么，在某些程序交由機(jī)器人來(lái)判斷和決定的情況下，一旦手術(shù)失敗，這個(gè)責(zé)任由誰(shuí)來(lái)承擔(dān)？是算法的研究者，是機(jī)器人的制造商，還是按下操作鍵的醫(yī)護(hù)人員？這是一個(gè)值得大家關(guān)注的倫理問(wèn)題。

   王磊：每一次技術(shù)的更新?lián)Q代，都會(huì)帶來(lái)產(chǎn)業(yè)的變化，某些工種可能被替代，從而引導(dǎo)勞動(dòng)力向不同的方向分流。我覺(jué)得從人類整體的發(fā)展而言，與人爭(zhēng)工作這個(gè)倫理問(wèn)題可能不是最急迫的。我們目前討論更多的倫理問(wèn)題，是如何讓機(jī)器不“染上”人類的偏見(jiàn)。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(biāo)簽的制備過(guò)程都需要人。特別是，原來(lái)數(shù)據(jù)集是由人寫的，可能會(huì)進(jìn)行克制。現(xiàn)在數(shù)據(jù)集都是互聯(lián)網(wǎng)搜集的，偏見(jiàn)很難避免，比如基于膚色的偏見(jiàn)、基于性別的偏見(jiàn)等。那么，在人工智能的應(yīng)用中，如何在算法中去除這些偏見(jiàn)，是我們要面對(duì)的比較緊迫的倫理問(wèn)題。