傳統認為，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(xué)術(shù)期刊《自然》發(fā)表的一篇論文吸引了大家的眼球?？茖W(xué)家們改造了一種汽車(chē)裝配線(xiàn)上常見(jiàn)的機器人，讓它可以在化學(xué)實(shí)驗室內工作。通過(guò)與機器學(xué)習算法相連，這種機器人可以使用和人類(lèi)化學(xué)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(dòng)化”。同時(shí)，由于它和人類(lèi)體積相當，可以在傳統實(shí)驗室內工作，而無(wú)須建立或改造新實(shí)驗室。在提高一種聚合光催化劑性能的實(shí)驗中，這款機器人在2～3天內便優(yōu)化了反應條件，而人類(lèi)要幾個(gè)月的時(shí)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(jué)反饋相結合的方式實(shí)現定位，而不是視覺(jué)系統——不用“看”的機器人無(wú)須光亮，因此極大地提高了光催化實(shí)驗的效率。研究者認為，這個(gè)機器人將在傳統實(shí)驗室有更多應用。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，我們邀請蘭州大學(xué)化學(xué)化工學(xué)院教授王為，中國科學(xué)院自動(dòng)化研究所研究員侯增廣，和中國科學(xué)院物理研究所研究員王磊一起來(lái)談?wù)勥@個(gè)話(huà)題。

1.人工智能已成為科學(xué)家的好幫手

侯增廣（中國科學(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)。一是采用機器人代替傳統實(shí)驗室的實(shí)驗員，克服了光催化實(shí)驗人工操作過(guò)程中的一些問(wèn)題。這個(gè)實(shí)驗應用的就是常見(jiàn)的具有機械臂的移動(dòng)機器人平臺，它連續運行了8天，做了688個(gè)實(shí)驗。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計的分類(lèi)算法，使實(shí)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(xué)發(fā)現領(lǐng)域，機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(lèi)任務(wù)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(lái)很多新變化，增加了新可能。比如，采用人工智能方法對數據的采集更客觀(guān)、分析更準確。同時(shí)，人工智能有強大的計算能力，能夠發(fā)現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。

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）創(chuàng )制？物質(zhì)的組成和結構如何？物質(zhì)有什么（獨特）的功能？上述問(wèn)題的解決，從根本上講需要對微觀(guān)物質(zhì)世界的底層邏輯形成理論體系。因此，化學(xué)學(xué)科既需要動(dòng)腦，也需要動(dòng)手：從發(fā)現和創(chuàng )造物質(zhì)的實(shí)踐中獲得數據，從數據中總結新的經(jīng)驗和規律，再從經(jīng)驗和規律中指導未知的、獲得新數據的實(shí)踐。簡(jiǎn)言之，化學(xué)學(xué)科的發(fā)展需要從微觀(guān)到宏觀(guān)的多尺度層級上，高效精準獲取數據、建立數據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據基礎上將智能問(wèn)題轉化為數據問(wèn)題，其發(fā)展需要三個(gè)核心要素的支撐：計算能力、海量數據、數學(xué)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(jìn)階層級是智能預測，即在大數據基礎上預測特定事物的發(fā)生概率。高級層級是智能學(xué)習，即通過(guò)算法上的革新，突破人類(lèi)的思考模式，在基本規律下自主地創(chuàng )造機器的思考模式，從而輸出全局最優(yōu)的結果。 

人工智能在化學(xué)領(lǐng)域中的應用初見(jiàn)端倪。其對于化學(xué)家的幫助可能表現在以下幾個(gè)層級：一是輔助動(dòng)手，高效獲得數據。二是輔助動(dòng)腦。通過(guò)對海量數據的分析，人工智能可能預測出新的物質(zhì)合成途徑、發(fā)現物質(zhì)的新功能、建立新的邏輯連接（構效關(guān)系）等。三是針對化學(xué)領(lǐng)域的核心問(wèn)題，通過(guò)深度學(xué)習（算法創(chuàng )新）和深度自動(dòng)化，實(shí)現動(dòng)手和動(dòng)腦的深度結合，完成自主創(chuàng )新。以此標準衡量，人工智能在化學(xué)領(lǐng)域中的應用還處在起步階段?！蹲匀弧愤@篇工作的核心亮點(diǎn)是提供了高效獲取數據的深度自動(dòng)化研究平臺，為將來(lái)動(dòng)腦和動(dòng)手的有效結合起到示范作用。 

王磊（中國科學(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)家帶來(lái)很多幫助。我們可以想象，愛(ài)迪生發(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(shí)，在科研領(lǐng)域有很多類(lèi)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(cháng)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)驗數據，但都是寫(xiě)在紙上的。我們把這些實(shí)驗記錄數字化，再“訓練”一個(gè)識別程序，就能用來(lái)預測晶體能不能長(cháng)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(guān)組成，例如原子排列順序等，來(lái)推測材料可能具備的宏觀(guān)功能，例如親水性等。通常這個(gè)計算是很復雜的，需要耗費大量時(shí)間?，F在，人工智能通過(guò)“學(xué)習”之前的計算結果，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(huì )被替代　　

王為：我的基本觀(guān)點(diǎn)是：人工智能在未來(lái)會(huì )替代重復性的化學(xué)實(shí)驗和測試工作，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。 

就獲取數據而言，人工智能在預先設計的化學(xué)實(shí)驗中表現得更加高效。相較于人的操作，其標準化程度更高、誤差更小，能幫助化學(xué)家獲得更大量的、標準化的、可對比的數據。就數據分析而言，相比于人類(lèi)記憶以及理解數據的局限性，人工智能可以更為精準、有效地收集、分析、整合數據，并可能尋找到相應的規律。因此，人工智能有可能在化學(xué)領(lǐng)域的應用中率先取得突破，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)。一是獲取海量數據。人工智能的基礎是大數據。就機器學(xué)習的需求而言，目前化學(xué)領(lǐng)域所能提供的數據數量非常有限、可對比度極低。二是實(shí)現算法創(chuàng )新?；诨瘜W(xué)領(lǐng)域提出的特定科學(xué)問(wèn)題，在海量數據存在的前提下，通過(guò)算法創(chuàng )新，突破化學(xué)領(lǐng)域現有的思考模式和理論框架，鎖定多參數復雜體系的最優(yōu)解。就此而言，人工智能在化學(xué)領(lǐng)域中的應用還有很長(cháng)的道路要走。 

侯增廣：人工智能很可能給實(shí)驗室帶來(lái)巨大變革，甚至出現無(wú)人實(shí)驗室。但我認為，短時(shí)間內，人工智能和機器人不能替代科學(xué)家。我們看《自然》刊登的這個(gè)實(shí)驗中，進(jìn)行實(shí)驗頂層設計的，比如實(shí)驗架構等，還是科學(xué)家，機器人和人工智能只不過(guò)是人的手和眼的延伸。我認為，即便深度學(xué)習等人工智能方法發(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據得來(lái)的，強大的基于數據的計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(lèi)的智能是基于知識、而非基于數據的。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)機器人。在某些方面，它的精準度比普通醫生要高。但是人體是非常復雜的，每個(gè)人的情況也千差萬(wàn)別，遇到復雜病灶、復雜障礙如何處理？這點(diǎn)機器人還不行，比不上經(jīng)驗豐富的醫生。因為這些能力和判斷都是基于經(jīng)驗知識的，而非簡(jiǎn)單數據。 

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(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)，最重要的是在現象中發(fā)現新的物理定律。但目前的人工智能算法，還看不到能發(fā)現新物理定律的可能，作出創(chuàng )新性發(fā)現的可能性比較小。我現在做的深度學(xué)習與計算物理交叉的研究，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。雖然現在也有很多實(shí)驗模擬一個(gè)環(huán)境，看看人工智能是否能取得重新發(fā)現。比如給人工智能萬(wàn)有引力定律發(fā)現之前的各種數據，看人工智能能不能像牛頓一樣發(fā)現萬(wàn)有引力定律。有些實(shí)驗聲稱(chēng)獲得了很好的結果，但仔細研究這些實(shí)驗，會(huì )發(fā)現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)現的可能性比較小。 

3.人工智能是否會(huì )引發(fā)與人爭工作的倫理隱憂(yōu)

侯增廣：我覺(jué)得這方面擔憂(yōu)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(lái)。這是一種社會(huì )的進(jìn)步。當然，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(fǎng)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算結果百分百正確，我們應該把什么樣問(wèn)題的決定權交給人工智能？如果出現失誤，這個(gè)責任應該由誰(shuí)來(lái)承擔？我們再以手術(shù)機器人為例。之前說(shuō)過(guò)，人體是十分復雜的，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、前輩請教，或者邀請其他科室的大夫來(lái)會(huì )診。但如果是機器人自主做手術(shù)，它是按照程序來(lái)運行的，這個(gè)程序不可能包含所有可能發(fā)生的情況，機器人也不會(huì )清楚自己能力和技術(shù)的邊界。那么，在某些程序交由機器人來(lái)判斷和決定的情況下，一旦手術(shù)失敗，這個(gè)責任由誰(shuí)來(lái)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護人員？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，從而引導勞動(dòng)力向不同的方向分流。我覺(jué)得從人類(lèi)整體的發(fā)展而言，與人爭工作這個(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，是如何讓機器不“染上”人類(lèi)的偏見(jiàn)。我們知道，人工智能是基于大數據的，這些數據集的標簽的制備過(guò)程都需要人。特別是，原來(lái)數據集是由人寫(xiě)的，可能會(huì )進(jìn)行克制?，F在數據集都是互聯(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，在人工智能的應用中，如何在算法中去除這些偏見(jiàn)，是我們要面對的比較緊迫的倫理問(wèn)題。

來(lái)源：《光明日報》