人工智能技术对目前科研模式的潜在冲击与影响

魏永胜

西北农林科技大学生命科学学院

2018年12月1－4日，第13届全球蛋白质结构预测竞赛（Critical Assessment of protein Structure Prediction，CASP）在墨西哥里维埃拉玛雅（Riviera Maya，Mexico）举行。最新人工智能程序AlphaFold凭借出色的工程细节能力取得了优异成绩，在43个参赛蛋白中拿到25个单项最佳模型。而这个AlphaFold的开发者就是来自Alphabet（谷歌母公司）的 DeepMind，当年威震棋坛的AlphaGo的开发者。这是自2016年3月AlphaGo以4:1击败李世石后，DeepMind再一次树立人工智能领域的一个新的里程碑。一周后的12月9日，中国智能科学技术最高奖“吴文俊人工智能科学技术奖颁奖典礼”在苏州召开，56所高校、48家企业和7家研究院所的70个项目获奖。

这些事件使人工智能始终占据着科技新闻的重要位置。

人工智能（Artificial intelligence ，AI）有时也被称为machine intelligence或Automation of Intelligence，源于Cybernetics（控制论，一门研究信息传递，尤其是自然脑与机器和电子装置的比较科学），自1956年8月在美国的汉诺威召开达特茅斯会议 （Dartmouth Conference）至今已经有整整62年历史了。如今，从手机里的小芯片到波士顿动力的大狗，从AlphaGo下围棋到AlphaFold预测蛋白质结构，以及无人驾驶汽车获发测试牌照，都表明人工智能对问题的理解深度和广度都在某种程度上超过了人类，AI一词也渐为人知，深入人心。那么，作为现代科学研究成果的人工智能反过来会对科学研究模式产生怎样的影响呢？

人类科学研究的模式主要包括：1）以描述自然现象为主，通过观察建立假设，并实验验证假设的经验模式；2）以利用模型或归纳法进行理论总结和理性概括为特征，强调逻辑分析的理论科学模式；3）以模拟复杂的现象为主要目标的计算科研模式（仿真）；4）以科学数据为基础，依靠计算机软硬技术的科学探索模式。这4种模式在时间上是随人类科学水平的发展而存在递进关系，但4种模式会同时存在，而且后一模式总是建立在前面几种模式的基础之上。显然，频繁出现在各种媒体及学术杂志中的“大数据”“云计算”“智联网”和“AI”等词汇表明人类已经开始进入到第4种科研模式。人工智能技术即得益于科学研究也必将促进科学研究的进步。

首先，人工智能的发展离不开基础科学的研究。

从现有人工智能发展来看，以大数据为基础的人工智能需要大量的高质量的数据，而这些数据的产生、提取和质量检验仍然需要经验或理论科研模式获取，甚至是大量人工付出为基础。如，在“人脸识别”“自动驾驶”“自然语言处理”等人工智能的背后是数以百万的人工在对数据进行标注。再以蛋白质结构预测为例，由于蛋白质的功能决定于其特定的空间结构，欲理解蛋白质的功能及其与其他大分子的相互作用，如药物设计，就需要了解蛋白的结构，而又不能总是等待蛋白质结构测定的结果，这就需要对蛋白质结构进行预测。在预测前，需要知道蛋白质的一结构，而且如果有已知结构的同源蛋白质，则可以通过同源建模预测蛋白质的三级结构，这是最准确的方法。如果没有已知的同源蛋白，则需要从头预测，很难预测三级结构。因此，建立足够大的已知的同源蛋白数据库可以提高预测的准确率。而已知蛋白质结构库的建立仍然需要通过实验科学的方法获得，同时需要可靠的理论研究作支持。此外，由于生物研究存在着“任何法则皆有例外”的特征，需要进行更多的实验研究，以建立合理的理论基础。而且预测的方法也是科学家建立的，人工智能只是执行者。因此，尽管AlphaFold预测蛋白质结构能力超众，但蛋白质的氨基酸序列、空间结构理论和预测的方法都是人类科学研究的结果。同样的道理，AlphaGo可以在围棋比赛中战胜人类冠军李世石和柯洁，但这也只是其超强计算能力的体现。因为，无论是国际象棋，还是围棋等游戏虽然复杂，但其规则规范而稳定。AlphaGo可以在围棋中夺冠，却不能创造围棋。

其次，人工智能促进科学发展，改变研究模式。

与人类相比，人工智能拥有更强大的存贮容量和更快的运算能力，运行稳定，不受生理和心理状态的影响。因此人工智能可以帮助人类提高对数据的加工分析，进而增强认识自然的能力，拓展人类视野，改变思维方式，是科研的强有力的工具（个人观点）。借助人工智能这一工具可以促进科学研究。正如Deepmind公司在其网站中为AlphaFold赋予的任务：利用AI服务于科学探索。目前AI已经在许多科研领域发挥作用。如材料学领域，Raccuglia等(2016)借助机器学习算法，利用“废弃”数据成功预测新材料的合成（Nature, 533:73–76）。张守晟的团队(2018)开发的人工智能程序Atom2Vec可以几个小时内重建元素周期表，这一工具将被用来发现和设计新材料(PNAS, 115 (28) E6411-6417)。在化学领域，上海大学的科研团队(2018)在《Nature》上发表题为“利用深度神经网络和符号AI规划化学合成”的文章，该团队收集了大约1250万个化学反应，应用深度神经网络及蒙特卡洛树算法，成功地规划了新的化学合成路线（Nature 555 , 604-610）。在物理学领域，面对世界上最大的粒子加速器，欧洲核子研究中心（CERN）的大型强子对撞机（LHC）每秒产生的一百万吉字节（GB）数据，研究人员(2018)通过机器学习技术来实时决定数据取舍，从而大大减少了工作量(Nature, 560:41–48)。生物学、医学和农业研究中，生物信息学已经发展成为一门具有独特优势的现代交叉学科，其他代表就是AlphaFold。

综上所述，人工智能的发展会对现有科学研究提出更高的要求，刺激科学研究的发展，同时作为重要研究“工具”加速科学研究进程，促使科学研究进入第4种模式，加速前3种研究模式的深度、广度和速度。因此，在科学研究中应充分利用科学技术发展的成果，提高科学研究的水平。在利用人工智能进行科学研究的同时，科学伦理也是一个需要关注的方面，即科学工具的使用应符合人类的基本道德规范。

（图片来自网络，若侵权，请私信删除）

作者简介：

魏永胜，男，植物学博士，副教授，硕士生导师。

西北农业学报

责任编辑：郭柏寿

网络编辑：薛　维