一项新的研究探索了人工智能如何做到,不仅能更好地预测新的科学发现,还能有效地扩展自身优势。研究人员在《自然人类行为》杂志上发表了他们的研究成果,他们建立了一些模型,可以预测人类的推论和做出这些推论的科学家。
作者还建立了避免人类推理的模型,以产生“外星人”假设。如果有的外星人的话,这些假设也要到遥远的未来才有可能被考虑。他们认为,这两个演示——第一个允许加速人类的发现,而第二个识别并克服其盲点——意味着具有人类意识的人工智能将允许超越当代前沿科学。
“如果你意识到人们在做什么,你可以改进预测,并超越他们,加速科学发展。但你也要弄清楚人们目前不能做什么,或者在几十年或更长时间内无法做什么。你可以通过提供这种互补的智能来增强它们”。社会学系教授兼知识实验室主任詹姆斯·埃文斯(James A. Evans)说。
根据已发表的科学发现进行训练的人工智能模型已被用于发明有价值的材料和靶向疗法,但它们通常忽略了参与其中的人类科学家的分布。研究人员考虑了人类在历史上是如何竞争和合作的,所以他们想知道,如果人工智能程序掌握了人类的专业知识,我们能从中学到什么:我们能否通过追求和探索人类没有探索过的地方,更好地弥补人类欠缺的能力?
预测未来的发现
为了验证这个问题,该团队首先通过在研究文献中建立随机漫步模型来模拟推理过程。他们从一个属性开始,比如COVID疫苗接种,然后找出具有相同属性的论文、同一作者的另一篇论文,或者该论文中引用的材料。
他们进行了数百万次这样的随机漫步测试,他们的模型比那些只关注研究内容的模型对未来发现的预测提高了400%,尤其是在相关文献稀少的情况下。他们还能以超过40%的准确率预测出那些真正会发现这些东西的人。
埃文斯将该模型称为科学系统的“数字替身”,它可以模拟其中可能发生的事情,并对其他可能性进行实验。他解释说,这突出了科学家们如何获取它们有经验的方法和特性。
他说:“这也让我们了解了这个系统及其局限性。”“例如,它表明我们当前科学体系的某些方面,如研究生教育。他们会给人们贴上一个标签,帮助他们找到工作——填补劳动力市场。它们不能优化新技术相关事物的发现。要做到这一点,每个学生都将是一个实验——这是跨越专业领域的新鸿沟。”
在论文的第二次演示中,他们要求人工智能模型不要做出最有可能被人类发现的预测,而是找到科学上合理、但最不可能被人类发现的预测。
研究人员将这些视为所谓的外来或互补推断,它们有三个特征:它们很少被人类发现;如果发现了,那也不是很多年后科学体系才会自我重组;外星人的推断比人类的推断要好,这可能是因为人类在探索新理论或方法之前,会专注于从现有理论或方法中获取细微发现。因为这些模型避免了人类科学活动的联系和配置,它们探索了全新的领域。
极度增强的智能
埃文斯解释说,把人工智能看作是一种模仿人类能力的尝试——建立在艾伦·图灵(Alan Turing)的模仿游戏思想之上,在模仿游戏中,人类是智能的标准——并不能帮助科学家加速他们解决问题的能力。他说,我们更有可能从集体智慧的彻底增强中受益,而不是通过人工复制。
埃文斯说:“在科学、技术、文化等领域工作的人都在努力跟上潮流。”“当别人使用你的想法或技术时,你的生存取决于你的影响力。而你和族群待在一起就能最大限度地提高这一点。我们的模型通过创建遵循科学合理性信号的算法来减少这种偏见,但完全避开了群体。”
利用人工智能超越现有的方法和合作,而不是反映人类科学家在不久的将来可能会想到的东西,扩大了人类的能力,并支持了更好的探索。
埃文斯说:“这是关于将人工智能的框架从人工智能转变为从根本上增强的智能,这需要更多而不是更少地研究个人和集体的认知能力。”“当我们更多地了解人类的理解逻辑时,我们可以明确地设计系统来弥补其局限性,并使我们集体变得更强。”
本文转载自 雪兽软件
更多精彩推荐请访问 雪兽软件官网
领取专属 10元无门槛券
私享最新 技术干货