2024 年被称为科学人工智能年。它见证了两次诺贝尔奖物理和化学授予人工智能研究人员团体。
但人工智能在科学发现中不断演变的作用也引发了问题和担忧。无法使用功能日益强大的人工智能工具是否会限制许多机构开展前沿研究的能力？
物理学和化学诺贝尔奖实际上是因完全不同的进步而颁发的。物理学奖颁给了约翰·霍普菲尔德 (John Hopfield) 和杰弗里·辛顿 (Geoffrey Hinton)，以表彰他们开发的算法和想法，这些算法和想法推进了人工智能的一个子集：机器学习。这就是算法通过分析大量数据（称为训练的过程），然后将这些经验教训应用到其他看不见的数据来更好地完成工作的地方。
化学奖授予了谷歌深度思维团队通过名为“AI”的人工智能系统取得了令人印象深刻的科学突破阿尔法折叠。该工具经过训练可以预测蛋白质的结构他们如何折叠——半个世纪以来仍未解决的科学挑战。
因此，无论使用何种方法，任何解决此问题的团队都将获得诺贝尔奖。这不是对人工智能发展的奖励；而是对人工智能发展的奖励。这是对人工智能系统的一项重要发现的奖励。
尽管如此，我们正在朝着一个新颖的方向前进。科学领域的人工智能正在从单纯的研究对象转变为研究机制。
达到人类绩效
人工智能在学术研究中的角色转变早在 2024 年之前就已经开始，甚至早在 ChatGPT 出现以及随之而来的围绕人工智能的营销炒作之前。当这些系统首次在与科学研究相关的关键任务中达到人类水平的性能时，一切就开始了。
2015年，Microsoft 的 ResNet在 ImageNet 上超越了人类的表现，该测试评估人工智能系统执行图像分类和其他图形相关任务的能力。2019 年，Facebook 的 RoBERTa（Google BERT 的演变）超出了人类的能力在 GLUE 测试中，掌握文本分类和摘要等任务。
这些里程碑是由大型私人研究实验室实现的，使研究人员能够利用人工智能执行各种不同的任务，例如使用卫星图像分析贫困程度并使用医学图像检测癌症。将传统上由人类完成的任务自动化可以降低成本并扩大研究范围，部分原因是使固有的主观任务的执行变得更加客观。
如今，人工智能在科学领域的应用已经超越了数据收集和处理的范围，它在理解数据方面发挥着越来越重要的作用。例如，在化学和物理领域，人工智能广泛用于预测复杂系统，例如天气模式或者蛋白质结构。
然而，在社会科学和医学科学中，理解往往取决于因果关系，而不仅仅是预测。例如，为了评估一项政策的影响，研究人员需要估计如果没有该政策，事情会如何发展——这是一条永远无法直接观察到的反事实路径。
医学正在解决这个问题通过随机试验。在这些研究中，参与者被随机分为不同的组，以比较不同治疗的效果。这也是社会科学中越来越多地采用的方法，这一点可以从2019年诺贝尔经济学奖授予 Abhijit Banerjee、Esther Duflo 和 Michael Kremer，以表彰他们在减贫方面所做的工作。
然而，在宏观经济学中，这样的实验是不切实际的——没有一个国家会为了研究而采取随机的贸易策略。人工智能改变了对大型经济系统的研究。基于计算机的工具可以生成模型来解释经济的各个方面如何运作，这些模型比人类可以组合起来的更加细致。Susan Athey 和同事们 –工作关于计算机科学和高级统计学对经济研究的影响的研究是 2024 年诺贝尔经济学奖的热门话题，尽管它没有获奖。人类的关键作用
尽管人工智能擅长收集和分析数据，但人类仍然发挥着关键作用：理解这些数据如何与现实联系起来。
例如，
大型语言模型（ChatGPT 等人工智能聊天机器人背后的技术）可以写出这样的句子：“萨克斯管无法放入棕色袋子中，因为它太大了”。它还可以识别“it”是指萨克斯管还是包——与十年前相比，这是一项令人印象深刻的壮举。
但人工智能不会将其与对 3D 对象的任何理解联系起来。它的运作就像缸中的大脑一样，仅限于解决基于文本的任务的反馈循环，而不涉及物理世界。
与人工智能不同，人类受到多种需求的影响：在 3D 世界中航行、社交、避免冲突、必要时进行战斗以及建立安全、公平的社会。相比之下，人工智能系统是单任务专家。大型语言模型的训练只是为了生成连贯的文本，与更广泛的现实或实际目标无关。
只有当单个人工智能系统能够同时追求多个总体目标、整合任务并将文字与现实世界的解决方案联系起来时，真正理解的飞跃才会实现。也许到那时，我们就会看到第一个诺贝尔奖被人工智能系统慷慨地接受。
准确预测这种转变何时或如何发生是不可能的，但其影响重大，不容忽视。
人工智能驱动的研究的兴起可能会迎来科学突破的黄金时代，也可能会迎来一个严重分裂的未来，许多实验室（特别是公共实验室，尤其是在南半球国家）缺乏先进的人工智能工具来开展前沿研究。谷歌、微软、Facebook、OpenAI 和特斯拉等公司现在处于基础研究的前沿——这与公共和学术机构引领潮流的时代截然不同。
这一新的现实提出了紧迫的问题。我们能否完全相信私营公司开发的人工智能能够影响科学研究？
它还提出了我们如何应对权力集中的风险、对开放科学的威胁（使研究可自由获取）以及国家和社区之间科学奖励分配不均的问题。
如果我们要庆祝第一个因其发现而获得诺贝尔奖的人工智能，我们必须确保条件到位，不要将其视为某些人类对其他人类的胜利，而是将其视为整个人类的胜利。