▲ 麻省理工學院研究團隊2019年發現了一種新的抗生素Halicin。這是人類有史以來第一次用人工智慧AI模型搜索了數百萬種化合物樣本後的一個突破。（圖／達志影像／newscom）
● 丁學文／金庫資本管理合夥人兼總經理
2019年，麻省理工學院（MIT）的科學家James Collins和團隊完成了現代醫學上的一個成就，他們先發現了一種新的抗生素Halicin。然後，另一個團隊又發現了松柏素。但引起科學界注目的不是這兩個抗生素功效，而是它們被發現的方法。
這是人類有史以來第一次用人工智慧AI模型搜索了數百萬種化合物樣本後的一個突破。在這次的深度學習訓練中，模型找出了化學結構與細菌可以怎麼被破壞之間的聯繫。麻省理工學院計算機科學家 Regina Barzilay 表示，如果發現新藥就像大海撈針一樣，那麼人工智慧就像一個靈敏的金屬探測器一樣，讓候選藥物可以一下子從實驗室跳躍完成臨床需要的多年時間。人工智慧證明了它可以加速耗時費日的試錯部分，並化不可能為可能。 有了人工智慧的運用，科學家們提出的對話類型將與我們今天看見的截然不同。
人工智慧將帶來科學革命 逐漸應用於所有領域
▲ 最新一期的全球版《經濟學人》聚焦人工智慧對科學界的革命性影響。（圖／翻攝自《經濟學人》封面）
最新一期的全球版本《經濟學人》聚焦人工智慧對科學界的革命性影響。在封面設計上，編輯群讓我們在粉紅色的封底前，看見一個被電子樹上掉下來的一顆電子敲到腦袋的人工機器人。上面一排白色字體「 HOW AI CAN REVOLUTIONISE SCIENCE 人工智慧可能怎麼帶來科學革命。」
《經濟學人》這次用了緒論板塊第一篇和科學板塊第一篇第二篇三篇文章解析這個議題。文章一開始提及過往有关人工智慧（AI）的爭論常常在它可能帶來的潛在危險上：包括了算法的偏見或倫理、就業崗位的破壞，甚至有人說，AI可能帶來的人類滅絕。但更多人關注的是它巨大的回報。 他們相信人工智慧可以幫助人類解決一些最大、最棘手的問題。 他們認為人工智慧將以非常具體的方式做到這一點：其中加快科學發現的步伐，特別是在醫學、氣候科學和綠色科技等領域最快可以看見。 部分人工智慧領域的傑出人物相信人工智慧正在推動一個科學進步引領出的研發黃金時代。 他們說的是真的嗎？
《經濟學人》認為這些說法或許太過樂觀，但確實可以讓人們對人工智慧的擔憂找到一個暫時的平衡。之前也有一些科技最後被證明並非萬能藥。電報在 1850 年代被譽為世界和平的先驅，飛機在 1900 年代也是這樣。 1990 年代的專家曾經表示，互聯網將減少不平等並消除民族主義，事後也被證明言過其實。但人工智慧具備解決世界問題的機制仍有其一定的立論基礎，歷史上，藉由新方法或新工具出現帶來了改變世界的科學發現和創新也是所在多有。
►►►思想可以無限大－－喜歡這篇文章？ 歡迎加入「雲論粉絲團」看更多！
▲ 顯微鏡17世紀問世後，便開啟了一個嶄新的發現前景。（圖／台師大提供）
譬如17 世紀的顯微鏡和望遠鏡問世，就開啟了一個嶄新的發現前景，而科學期刊的推出更為科學界提供了分享和宣傳其發現的新方式。其結果就是我們看見的天文學、物理學和其他領域的一系列快速進步，以及從擺鐘到工業革命原動力蒸汽機的新發明。
然後，19 世紀末，實驗室的建立在工業規模上匯集了思想、人員和材料，引發了進一步的創新，例如人造肥料、藥品和半導體。從 20 世紀中葉開始，電腦又催生了基於模擬和建模的新科學形式，從武器和飛機的設計到更準確的天氣預報。
即使如此，計算機革命還沒有結束。正如《經濟學人》在科學版塊中報導的那樣，人工智慧工具已經逐漸應用於所有的科學領域，例如：2022 年發表的物理學和天文學論文中有7.2％涉及人工智慧，而獸醫科學佔 1.4％。人工智慧正在以多種方式推進應用。它可以識別有發展機會的分析樣品，例如藥物發現中具有特定特性的分子，或具有電池或太陽能電池所需特性的材料。它可以篩選大量的數據，例如粒子對撞機或機器人望遠鏡產生的數據。人工智慧還可以模擬和分析更複雜的系統，例如蛋白質的折疊和行星系的形成。人工智慧工具甚至已被用來識別新的抗生素、揭示希格斯玻色子（Higgs boson）這種標準模型里的基本粒子以及識別狼群的區域口音等。
▲ 人工智慧工具已經逐漸應用於所有的科學領域。（圖／路透）
這一切當然值得雀躍。其中有兩個領域特別有希望。人工智慧很好的補充了實驗室和科學雜誌的短板。首先是「Literature-Based Discovery基於文獻的發現LBD」，它涉及使用 ChatGPT式的語言分析來分析現有的科學文獻，以尋找人類可能錯過的新假設、關聯性或想法。 LBD 在確定新的實驗嘗試方面表現出了希望，甚至還推薦了潛在的研究合作者。 這可以刺激跨學科工作並促進領域之間的創新。 LBD系統還可以識別特定領域的“盲點”，甚至可以預測未來的發現以及誰將做出這些發現。
另外，「Robot Scientists機器人科學家」，也稱為「Self-Driving Labs自動駕駛實驗室」。 這些機器人系統使用人工智慧，根據對現有數據和文獻的分析，形成新的假設，然後通過在系統生物學和材料科學等領域進行數百或數千次實驗來測試這些假設。與人類的科學家不同，機器人不太執著於先前的結果，較少受到偏見的驅動，而且最重要的是，它非常容易被複製。他們可以擴大實驗研究，發展出意想不到的理論，並探索人類研究人員可能沒有考慮到的途徑。
因此，人工智慧很可能改變科學實踐的想法並非異想天開。但主要障礙仍然屬於社會學領域：只有人類科學家願意接受並好好利用這些工具，最棒的情況才會發生。現在仍然有許多人缺乏該有的技能和培訓；有些人還是擔心自己會失業。 幸運的是，充滿希望的跡象已經出現。人工智慧工具現在正從人工智慧研究人員的推動轉向被其他領域的專家所接受。
▲ 人工智慧的主要障礙在社會學領域，有些人還是擔心自己會失業。（圖／路透社）
各國政府和資助機構正在推動更多的通用標準來提供幫助，以允許人工智慧係統交換和解釋實驗室結果和其他數據。 還有一些政府嘗試資助更多人工智慧與實驗室機器人的整合，民營部門也是積極的在追求人工智慧形式之外的其他研究。
1665年，在科學飛速進步的時期，英國博學者Robert Hooke將顯微鏡和望遠鏡等新科學儀器的出現描述為「在自然中添加了人造器官」。它們讓研究人員探索以前無法進入的領域，並以新的方式發現事物，「對各種有用的知識都有巨大的好處」。對於Hooke的現代繼任者來說，將人工智慧添加到科學工具包中有望在未來幾年實現同樣的一個效果，並產生同樣的一個改變世界的結果。
人工智慧讓科學家如虎添翼 科學家的工作方式正在變化
我相信，人工智慧真的能夠提高研發的產出效率，這個世界的研發黃金時代確實讓人期待。光想像一下人工智慧使用的概率、數據驅動將怎麼讓科學家更輕鬆的建模和理解複雜的系統就讓人感到興奮。在諸如氣候科學和結構生物學等領域，過往只能依靠傳統建模的那些科學家肯定會個個眉開眼笑。人工智慧可以幫助他們迅速測量大量數據，然後運用算法得出其中的規則、模式，甚至進一步的科學理解。如果說，過去幾年，全球科學家是在人工智慧領域試水溫，那麼，很可能在未來十多年，各個領域的科學家將大展手腳潛入人工智慧的深處，追尋屬於自己的科學夢田。
▲ 人工智慧就像是為人類添加人造器官，各個領域的科學家能夠藉由人工智慧的輔助，追尋屬於自己的科學夢田。（圖／視覺中國）
當然，障礙和挑戰仍然很多。除了更好的硬體和軟體以及兩者之間更緊密的集成都很重要。實驗室自動化系統之間也需要更有效率的相互操作性，這個世界更急迫需要允許人工智慧算法交換和解釋語義信息的通用標準。另一個障礙是科學家對人工智慧的真正認識與接受。但現在，我相信沒有人會否認，自從去年的ChatGPT平地一聲雷後，人工智慧的來襲已經勢不可擋。許多科學家已經不得不積極尋找人工智慧的合作夥伴，特別是在材料科學和藥物發現領域。
曾經，科學期刊改變了科學家發現信息並借鏡彼此成果的方式；實驗室擴大了實驗的規模，並實現了工業化的進程。 今天的人工智慧不但可以再次加大信息的交流篩選與規模擴大，還可以進一步改變科學家的工作方式。
● 本文獲授權，轉載自《經濟日報》。以上言論不代表本網立場。歡迎投書《雲論》讓優質好文被更多人看見，請寄editor88@ettoday.net或點此投稿，本網保有文字刪修權。
我們想讓你知道…如果說，過去幾年，全球科學家是在人工智慧領域試水溫，那麼，很可能在未來十多年，各個領域的科學家將大展手腳潛入人工智慧的深處，追尋屬於自己的科學夢田。