AI重塑科研：新工具不斷涌現(xiàn)，但能否觸及真正的“科學(xué)”？
● ● ●
人工智能（AI）工具正在改變科學(xué)研究的方式。AlphaFold基本解決了蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)難題；DeepMD大大提高了分子模擬的效率和精度；而新興的大型語(yǔ)言模型，如ChatGPT等，也正在科學(xué)研究領(lǐng)域開(kāi)疆拓土。
在《國(guó)家科學(xué)評(píng)論》（National Science Review, NSR）組織的這場(chǎng)圓桌討論中，來(lái)自中、美兩國(guó)的5位專家討論了“AI for Science”（AI4S）的概念、發(fā)展、瓶頸和機(jī)遇，也分享了他們對(duì)AI與Science之間關(guān)系的理解。
新興的AI4S工具
張林峰：讓我們從一個(gè)基本問(wèn)題開(kāi)始討論：什么是“AI for Science”？
鄂維南：AI for Science是一種新的研究范式，我們使用AI工具來(lái)增強(qiáng)我們做科學(xué)研究的能力，這和我們用計(jì)算機(jī)來(lái)助力科學(xué)研究是類似的。具體來(lái)說(shuō)，基于AI的算法可以極大地提高基于第一性原理進(jìn)行建模的效率和準(zhǔn)確性。AI還可以通過(guò)提供新的實(shí)驗(yàn)設(shè)計(jì)、更準(zhǔn)確和高效的實(shí)驗(yàn)表征算法，甚至新的實(shí)驗(yàn)設(shè)備，來(lái)改進(jìn)我們做實(shí)驗(yàn)的方式。此外，AI領(lǐng)域的工作流程和開(kāi)源、協(xié)作的精神，也為科學(xué)研究帶來(lái)啟發(fā)。
Roberto Car：在我看來(lái)，AI提供了一套可以促進(jìn)科學(xué)發(fā)現(xiàn)的工具，以機(jī)器學(xué)習(xí)和深度神經(jīng)網(wǎng)絡(luò)為代表。要做到這一點(diǎn)，需要開(kāi)發(fā)一些具體的工具。我想在我的研究領(lǐng)域中引用三個(gè)例子。
首先，AI可以在量子力學(xué)和經(jīng)典的粗粒度模型之間架起一座橋梁。在這一領(lǐng)域，AI已經(jīng)極大地提高了用于分子模擬的分子粗粒度模型的精度和時(shí)間/空間范圍。這種增強(qiáng)似乎只是一種量變，但在這些領(lǐng)域，量變可以產(chǎn)生質(zhì)變。正如Philip Anderson所指出的：more is different。這類工具已經(jīng)帶來(lái)了新的發(fā)現(xiàn)。
第二個(gè)例子是，AI可以設(shè)計(jì)具有特定性能的新材料和新分子。我并沒(méi)有直接從事這個(gè)領(lǐng)域的研究，但我知道有很多人在做這件事，而AI可以利用大量數(shù)據(jù)——來(lái)自實(shí)驗(yàn)、理論和模擬的數(shù)據(jù)——來(lái)預(yù)測(cè)哪些材料或分子可能更適合某些目的。
第三個(gè)例子是，AI可用于分析實(shí)驗(yàn)數(shù)據(jù)，比如，可以通過(guò)提高軟件的信噪比來(lái)提升探針的選擇性。
王涵：除了Roberto提到的這些例子，AI工具也在改變我們處理科學(xué)數(shù)據(jù)的方式。特別是，大語(yǔ)言模型可以非常有效地從科學(xué)數(shù)據(jù)和文獻(xiàn)中提取出知識(shí)和關(guān)鍵點(diǎn)。
此外，AI也正在改變科學(xué)軟件的開(kāi)發(fā)方式，可以自動(dòng)生成代碼、檢測(cè)軟件漏洞，并為我們提供提高代碼效率的建議。所有這些AI工具都大大提高了科學(xué)研究的效率。
David Srolovitz：AI確實(shí)會(huì)顛覆我們閱讀文獻(xiàn)的傳統(tǒng)方式。過(guò)去，當(dāng)我們想要對(duì)一個(gè)領(lǐng)域的文獻(xiàn)進(jìn)行詳盡的閱讀和理解，我們會(huì)讓一名研究生去讀這些文獻(xiàn)，并起草一篇綜述文章。但在未來(lái)，我們將可以讓大語(yǔ)言模型來(lái)做這件事。文獻(xiàn)數(shù)量如此龐大，我認(rèn)為人類沒(méi)有能力消化這么多的信息。
大語(yǔ)言模型帶來(lái)的新機(jī)遇
張林峰：除了閱讀論文，大語(yǔ)言模型還會(huì)給AI4S帶來(lái)哪些新的可能性？
David Srolovitz：我最近就在“玩”這些模型。我們嘗試了其他人報(bào)道過(guò)的一個(gè)案例：讓大模型去預(yù)測(cè)一種材料是玻璃、無(wú)定形體還是晶體。我們給了它15個(gè)例子，然后讓它去分類另外10種材料，結(jié)果它在幾秒鐘內(nèi)就給出答案，準(zhǔn)確率達(dá)到70%。這很有意思，而更有意思的是，當(dāng)你問(wèn)模型“你為什么給出這些結(jié)果？”，它會(huì)給你理由。雖然它給出的不一定是合理的理由，但它確實(shí)能夠回答這個(gè)問(wèn)題。
關(guān)于這些模型的進(jìn)一步開(kāi)發(fā)，我認(rèn)為提示工程（Prompt Engineering）是一個(gè)有趣的方向，這可以幫助我們更好地指導(dǎo)模型，讓它們能夠做更多令人驚奇的事情。
王涵：生成式模型技術(shù)對(duì)科學(xué)研究很有幫助。例如，許多科學(xué)問(wèn)題需要對(duì)高維概率分布進(jìn)行采樣，這就是一個(gè)生成問(wèn)題。在這方面已經(jīng)有成功的例子，使用生成式工具，比如擴(kuò)散模型和生成式對(duì)抗性網(wǎng)絡(luò)（GAN），可以生成高維分布的樣本。
另一個(gè)例子是，條件擴(kuò)散模型可用于設(shè)計(jì)在給定條件下具有特定性質(zhì)的分子。這為解決分子和材料設(shè)計(jì)問(wèn)題提供了新的可能性。
張林峰：大模型助力科學(xué)研究的一個(gè)很好的出發(fā)點(diǎn)是它們的圖像閱讀能力。例如，可以用大模型來(lái)閱讀電子顯微鏡照片，并從圖像生成結(jié)構(gòu)。
目前，我們正在嘗試開(kāi)發(fā)新的工具來(lái)提高大語(yǔ)言模型理解科學(xué)文獻(xiàn)的能力。特別是，在文獻(xiàn)中，分子會(huì)以文本、分子式、圖像等不同形式表示，目前的模型不能很好地將這些信息結(jié)合起來(lái)，進(jìn)行透徹的理解。
鄂維南：大模型可能會(huì)為新問(wèn)題、新想法提供建議，還有助于將不同的學(xué)科結(jié)合在一起。
人工智能與科學(xué)：答案與理解
David Srolovitz：我想從偏哲學(xué)的角度談?wù)勅斯ぶ悄芎涂茖W(xué)之間的關(guān)系。我曾認(rèn)為人工智能的方法是反科學(xué)的，因?yàn)樗谦@得“答案”，而非“理解”。但科學(xué)的使命恰恰就是去獲得“理解”。
不過(guò)我已經(jīng)改變了想法。原因是我開(kāi)始意識(shí)到，當(dāng)我們能夠獲得很多可信的答案，這些答案將可以提供有價(jià)值的提示，去引導(dǎo)科學(xué)的發(fā)展。這類似于模擬。作為一名理論研究者，我總是把模擬看作是在理論成熟之前窺探答案的一種方法。
隨著時(shí)間的推移，我也意識(shí)到，有些事是只有擁有大量數(shù)據(jù)才有可能實(shí)現(xiàn)的。海量數(shù)據(jù)使我們能夠以前所未有的方式識(shí)別和理解事物。正如我剛才提到的，如果你要求大語(yǔ)言模型解釋它們是如何得出某些答案的，它們能夠給出解釋。但是顯然，目前它們給出的解釋還不足以讓我們這樣的科學(xué)家滿意。在可解釋的人工智能方面，還有很長(zhǎng)的路要走。
無(wú)論如何，人工智能正在改變我們做科學(xué)的方式，我認(rèn)為我們正處于新科學(xué)范式的早期階段。
王涵：我認(rèn)為當(dāng)前大語(yǔ)言模型的一個(gè)主要弱點(diǎn)是，它們不能像人類一樣進(jìn)行有邏輯的推理。這可能就是它們難以解釋它們所給出的答案的原因。
David Srolovitz：沒(méi)錯(cuò)。但是你認(rèn)為，像人類一樣推理能夠給出更好的答案嗎？我對(duì)此不太確定。
Roberto Car：我同意來(lái)自AI工具的新數(shù)據(jù)可以提供新的洞察，但是當(dāng)你獲得這些數(shù)據(jù)之后，仍然需要人類科學(xué)家來(lái)決定下一步需要進(jìn)行怎樣的分析。這是人工智能無(wú)法做到的。
人工智能的確正在產(chǎn)生一種新的科學(xué)研究范式，但這并不意味著傳統(tǒng)的研究理念將被取代或拋棄。相反，傳統(tǒng)的理論研究需要加強(qiáng)，才能更好地驗(yàn)證機(jī)器學(xué)習(xí)模型的魯棒性。這些模型允許我們將模型預(yù)測(cè)外推到比訓(xùn)練發(fā)生的環(huán)境更廣泛的環(huán)境中。但是通常很難在嚴(yán)格的數(shù)學(xué)邊界上去驗(yàn)證這些預(yù)測(cè)。
例如，正如我提到的，在模擬中，人工智能在量子力學(xué)計(jì)算和分子模擬之間架起了橋梁。但在大規(guī)模系統(tǒng)中，如果訓(xùn)練數(shù)據(jù)中沒(méi)有考慮到一定會(huì)發(fā)生的罕見(jiàn)事件，人工智能工具就可能會(huì)失敗。也就是說(shuō)，當(dāng)我們需要用物理直覺(jué)和物理思維的基本工具來(lái)分析問(wèn)題時(shí)，就會(huì)促進(jìn)新的理論模型的發(fā)展——這些模型最終將由新的微分方程來(lái)表示，將可以比現(xiàn)有模型更好地描述復(fù)雜系統(tǒng)的動(dòng)力學(xué)。
鄂維南：人工智能經(jīng)常給人一種黑魔法的印象，但我認(rèn)為實(shí)際情況未必如此。目前，人工智能還非常像是一個(gè)工程實(shí)驗(yàn)場(chǎng)。但我認(rèn)為隨著時(shí)間的推移，這種情況將會(huì)改變，人們將開(kāi)始找到一些指導(dǎo)原則。事實(shí)上，在這個(gè)方向上已經(jīng)有了很多進(jìn)展，盡管出于某種原因，更大的AI社區(qū)似乎還沒(méi)有意識(shí)到這些成果。所以我認(rèn)為，人工智能也將會(huì)成為一個(gè)比較科學(xué)的學(xué)科。
人工智能的確更擅長(zhǎng)獲得答案，而不是理解。但這也未必一定如此。一個(gè)例子是，可以使用知識(shí)圖譜來(lái)理解不同分子之間的關(guān)系。我不確定這是否已經(jīng)實(shí)現(xiàn)，但這肯定是一個(gè)有益的方向。我們創(chuàng)建了一個(gè)關(guān)于經(jīng)濟(jì)學(xué)的知識(shí)圖譜，它有助于揭示不同的經(jīng)濟(jì)參數(shù)是如何相互關(guān)聯(lián)的。我相信這樣的嘗試在科學(xué)上是非常有幫助和有啟發(fā)性的。
AI有創(chuàng)造力嗎？
Roberto Car：在我的印象中，人工智能模型可以做常規(guī)分析，但很難做到任何需要?jiǎng)?chuàng)造力的事情。但我有可能是錯(cuò)的，或者在不久的將來(lái)，我將會(huì)是錯(cuò)的。
鄂維南：我認(rèn)為人工智能可以創(chuàng)造，但現(xiàn)在要討論細(xì)節(jié)還為時(shí)過(guò)早。
David Srolovitz：目前的生成式模型可以創(chuàng)作藝術(shù)品，而且我感覺(jué)它們?cè)谶@方面的表現(xiàn)非常出色。這是創(chuàng)造力嗎？我不確定。說(shuō)到這里，我其實(shí)一直認(rèn)為原子間勢(shì)能是一門(mén)科學(xué)藝術(shù)。15年或20年后，科學(xué)研究可能不再遵循我們所熟悉的方式。
王涵：我對(duì)藝術(shù)作品生成模型的理解是，它們生成的圖片或多或少是訓(xùn)練數(shù)據(jù)中已有的藝術(shù)風(fēng)格的組合，而不能生成全新的藝術(shù)風(fēng)格。不過(guò)實(shí)際上，大多數(shù)人類藝術(shù)作品也都是對(duì)現(xiàn)有藝術(shù)風(fēng)格和作品的組合，而人工智能可以以創(chuàng)造性的方式進(jìn)行這種組合。
David Srolovitz：就連科學(xué)研究也是這樣，我認(rèn)為大多數(shù)的研究工作都是在用新的方式去組合已有的事物。
構(gòu)建AI4S的開(kāi)放環(huán)境
張林峰：誰(shuí)應(yīng)該是AI4S的主要推動(dòng)者，科學(xué)家還是科技公司？利益相關(guān)方如何相互合作？
鄂維南：我希望科學(xué)界能夠成為AI4S革命的引領(lǐng)者?？萍脊拘枰獣r(shí)間去掌握必要的科學(xué)背景知識(shí)。更重要的是，科學(xué)界一直是科學(xué)研究的主力軍。未來(lái)，AI方法將全方位融入科學(xué)研究，如果我們失去了領(lǐng)導(dǎo)地位，將處于相當(dāng)困難的境地，就像是在大語(yǔ)言模型中發(fā)生的情況一樣。
David Srolovitz：很顯然，沒(méi)有一個(gè)研究團(tuán)隊(duì)能夠獨(dú)立創(chuàng)建出有競(jìng)爭(zhēng)力的大語(yǔ)言模型。作為科學(xué)家，我們不應(yīng)該試圖寫(xiě)出我們自己的版本。我們應(yīng)該做的是學(xué)習(xí)如何駕馭它、訓(xùn)練它、設(shè)計(jì)它，從而去做我們想做的事情。就像沒(méi)有一個(gè)研究團(tuán)隊(duì)會(huì)試圖建造自己的強(qiáng)子對(duì)撞機(jī)一樣。它們是科學(xué)家們可以利用的工具。
鄂維南：歸根結(jié)底，這是一個(gè)投入和產(chǎn)出的問(wèn)題。目前，雖然已經(jīng)展現(xiàn)出商業(yè)機(jī)會(huì)，AI4S在很大程度上仍然是一個(gè)科學(xué)研究的方向。這對(duì)資助機(jī)構(gòu)來(lái)說(shuō)是一個(gè)很好的機(jī)會(huì)。中國(guó)國(guó)家自然科學(xué)基金委員會(huì)就資助了支持AI4S的重大研究計(jì)劃。
王涵：我認(rèn)為，公司的利益可能并不總是與科學(xué)家的利益一致。如果不能產(chǎn)生利潤(rùn)，公司就不會(huì)為科學(xué)家開(kāi)發(fā)工具。這可能是科學(xué)界和公司之間的主要分歧。這個(gè)分歧可以通過(guò)政府投資來(lái)填補(bǔ)，但我不知道這會(huì)不會(huì)足夠。
David Srolovitz：現(xiàn)在，科學(xué)研究人員，甚至包括軍事技術(shù)的研究人員，都在學(xué)習(xí)如何利用商用軟件和技術(shù)去解決自己關(guān)心的科學(xué)問(wèn)題。盡管這些技術(shù)不是為他們開(kāi)發(fā)的，但他們也可以學(xué)會(huì)如何利用它。所以我認(rèn)為，如果一些AI工具不是為科學(xué)家設(shè)計(jì)的，我們面臨的挑戰(zhàn)將是，要學(xué)習(xí)如何利用它們來(lái)做我們作為科學(xué)家想做的事情。
張林峰：開(kāi)發(fā)AI4S工具，例如我們所開(kāi)發(fā)的DeePMD-kit，依賴于眾多社區(qū)伙伴的共同努力。在開(kāi)發(fā)過(guò)程中，我們面臨的挑戰(zhàn)和瓶頸會(huì)不斷轉(zhuǎn)移。
最初，主要挑戰(zhàn)在于模型設(shè)計(jì)和軟件開(kāi)發(fā)。隨后，為了滿足不同用戶的需求，我們需要的是既通曉軟件操作又理解科學(xué)問(wèn)題的技術(shù)人才。此后，高性能計(jì)算和云計(jì)算等基礎(chǔ)設(shè)施成為了新的瓶頸。目前，在積累了大量數(shù)據(jù)的基礎(chǔ)上，我們有了發(fā)展大原子模型的可能性、但也因此再次面臨模型和軟件開(kāi)發(fā)的新瓶頸。
在這個(gè)過(guò)程中，我們也致力于發(fā)展一個(gè)名為DeepModeling的開(kāi)源社區(qū)，并為這些工具構(gòu)建一個(gè)穩(wěn)定的用戶平臺(tái)，叫做玻爾空間站。我們期望該界面能夠像個(gè)人電腦或智能手機(jī)一樣直觀易用，允許不同用戶自由探索并解決他們各自的問(wèn)題。
Roberto Car：我不確定我們是否需要?jiǎng)?chuàng)建一個(gè)界面，將所有的AI4S工具集成在一起，但是一定程度的集成是肯定會(huì)出現(xiàn)的，也是非常有益的。這就需要不同的子社區(qū)之間進(jìn)行更多的互動(dòng)，包括模擬研究者、材料設(shè)計(jì)者、實(shí)驗(yàn)研究者等。
David Srolovitz：一個(gè)事實(shí)是，科學(xué)家并不擅長(zhǎng)開(kāi)發(fā)接口或者標(biāo)準(zhǔn)化工具集?？茖W(xué)家比公司更擅長(zhǎng)的是提出好的問(wèn)題，這對(duì)科學(xué)本身至關(guān)重要。
Roberto Car：我們同時(shí)需要公司和科學(xué)家。我們需要一個(gè)開(kāi)放的環(huán)境，在這個(gè)環(huán)境中，可以輕松地交流信息，每個(gè)人都可以查看數(shù)據(jù)，并且可以自由地提出新的問(wèn)題。如果我們能讓這個(gè)環(huán)境維持下去，就會(huì)有很大的進(jìn)步。但不幸的是，要?jiǎng)?chuàng)造這樣的環(huán)境有許多困難。
David Srolovitz：對(duì)。開(kāi)放至關(guān)重要。然而令人大失所望的是，每當(dāng)有一項(xiàng)將會(huì)改變經(jīng)濟(jì)和社會(huì)的技術(shù)出現(xiàn)時(shí)，不同的國(guó)家都會(huì)試圖將其發(fā)展為自己獨(dú)有的優(yōu)勢(shì)。我對(duì)人工智能技術(shù)以及它能為科學(xué)所做的貢獻(xiàn)非常樂(lè)觀，但是這種“獨(dú)占”可能會(huì)比其他任何事情都更嚴(yán)重地阻礙技術(shù)的發(fā)展。不過(guò)這讓我想起了電影《侏羅紀(jì)公園》中那句著名的臺(tái)詞，“生命總會(huì)找到出路”。我認(rèn)為我們最終會(huì)打破這種局面，問(wèn)題是需要多長(zhǎng)時(shí)間。
挑戰(zhàn)與機(jī)遇
張林峰：謝謝大家的討論。作為總結(jié)，請(qǐng)給出你認(rèn)為AI4S目前面臨的一個(gè)瓶頸，以及你的一個(gè)建議。
Roberto Car：AI4S在分子模擬領(lǐng)域的一個(gè)瓶頸是，它不能很好地處理電子轉(zhuǎn)移現(xiàn)象。電子轉(zhuǎn)移對(duì)于各種化學(xué)反應(yīng)都是必不可少的，但由于我們還不能捕捉到精確的電子坐標(biāo)，所以仍然很難模擬這種現(xiàn)象。要解決這一問(wèn)題，不僅需要人工智能技術(shù)的發(fā)展，還需要超越當(dāng)前基于基本物理定律（如波恩-奧本海默近似和密度泛函理論）的科學(xué)范式的新的建模方法。
我對(duì)AI4S的一個(gè)建議是我們已經(jīng)討論過(guò)的：我們需要盡一切努力去維持一個(gè)開(kāi)放的研究環(huán)境，并按照科學(xué)的規(guī)律和方法運(yùn)作。
David Srolovitz：展望未來(lái)，我真的很有興趣看到更多關(guān)于“可解釋的人工智能”的發(fā)展，去理解人工智能預(yù)測(cè)背后的道理?，F(xiàn)在在這個(gè)領(lǐng)域有很多工作要做，我對(duì)此很樂(lè)觀。我還認(rèn)為，這些進(jìn)步對(duì)科學(xué)的好處可能比對(duì)計(jì)算機(jī)科學(xué)和人工智能技術(shù)的好處更大。
王涵：對(duì)我來(lái)說(shuō)，下一個(gè)重要的機(jī)會(huì)將是大原子模型。最終的目標(biāo)是建立一個(gè)元素周期表的通用模型，但是這個(gè)目標(biāo)可能不會(huì)在可預(yù)測(cè)的未來(lái)實(shí)現(xiàn)。但是大原子模型，作為原子模擬的預(yù)訓(xùn)練模型，在不久的將來(lái)將會(huì)實(shí)現(xiàn)。
大原子模型的瓶頸是數(shù)據(jù)集。訓(xùn)練集中的數(shù)據(jù)范圍越廣，模型的泛化能力就越強(qiáng)。但是和可以從各種來(lái)源獲得語(yǔ)言材料的大語(yǔ)言模型不同，大原子模型需要的訓(xùn)練數(shù)據(jù)非常有限且非常昂貴，例如精細(xì)晶體結(jié)構(gòu)和DFT計(jì)算結(jié)果等。
鄂維南：AI4S目前最大的瓶頸是缺乏好的數(shù)據(jù)。我的一個(gè)建議是使用新的基于人工智能的模型來(lái)生成高質(zhì)量的數(shù)據(jù)。要實(shí)現(xiàn)這一點(diǎn)，我們還需要進(jìn)一步提高模擬能力。例如，盡管基于人工智能的算法極大地提高了從頭計(jì)算和分子動(dòng)力學(xué)模擬的精度，但距離能夠使用這些新工具來(lái)模擬我們感興趣的真實(shí)系統(tǒng)，仍有相當(dāng)大的距離，可以模擬的時(shí)間尺度仍然有限，對(duì)缺陷進(jìn)行建模仍然相當(dāng)昂貴。
*本文英文原文“A panel discussion on AI for science: the opportunities, challenges and reflections”發(fā)表于《國(guó)家科學(xué)評(píng)論》（National Science Review, NSR）Forum欄目：https://doi.org/10.1093/nsr/nwae119
