AI 促进科学发现
AI 正在通过加速从知识提取、假设生成，到实验自动化和验证的整个研究周期，以前所未有的速度改变科学发现。
AI 正在通过加速从知识提取、假设生成，到实验自动化和验证的整个研究周期，以前所未有的速度改变科学发现。
核心要点
- AI 促进科学发现的发展将以前所未有的方式加速科学发现，并改变科学研究方式。
- 高度自动化的 AI 科学发现系统正在出现。虽然当前能力仍有限，但在明确定义的任务中，它们已经可以在极少人类干预下执行完整的科学发现周期。
- AI 在科学发现中的作用带来伦理、协作与可靠性新挑战，需要跨学科努力。
本章主席： Hiroaki Kitano
背景与历史
科学发现历史上主要由人类创造力驱动，但 AI 正逐渐成为重塑并加速这一过程的重要工具。
20 世纪 60 年代的 DENDRAL 是最早自动化有机化学假设生成与问题求解的系统之一。EURISKO 则探索启发式学习与适应。这些工作说明 AI 可以处理数据并形成假设。
随着高精度测量技术发展，科学家面对越来越庞大的数据量和复杂系统。需要能够从海量数据中发现模式，并进一步形成可实验验证假设的技术。因此，AI for Scientific Discovery 正成为重要研究方向。
AI 与科学家的关系可形成连续谱：
- AI 作为工具，帮助人类科学家更快完成研究；
- AI 作为可互动的合作者；
- AI 与机器人组成高度自主系统，在极少人类干预下完成完整科学周期。
当前状态与趋势
从工具到 AI 合作者与自主 AI 科学家
AlphaFold2 在结构生物学取得突破，改变蛋白质结构预测、药物发现和生物医学研究，并与 2024 年诺贝尔化学奖相关。
AI 已广泛进入化学、材料科学、数学等领域。Ramanujan Machine 可自动生成关于基本常数的数学猜想；AI 与机器人系统也能够自动完成特定化学实验。
更自主的方向包括 Adam 与 Eve“机器人科学家”。这类系统不仅生成假设，还能设计和执行实验。Eve 曾通过自动化高通量筛选发现潜在抗疟疾药物。
“Nobel Turing Challenge”进一步提出：构建能够做出诺贝尔奖级科学发现的高度自主 AI/机器人系统。
对科学实践的影响
AI 可能带来以下变化：
- 加速发现： 自动化整个科学周期，显著缩短突破所需时间。
- 增强协作： AI、生物、物理等跨领域协作解决长期难题。
- 超越人类直觉： 系统性探索人类难以覆盖的巨大假设空间。
- 改变数据观： 不只保留支持预期的数据，也重视不符合预期的数据，因为完整数据有助于训练、更好假设和预测。
社会与伦理影响
AI 科学发现可能推动：
- 药物发现和个性化医疗；
- 材料科学、化学和环境科学；
- 气候变化缓解技术。
同时也会产生责任归属、发现荣誉、人类研究者角色变化，以及危险材料或生物制品自动设计等风险。必须建立安全和伦理措施，防止强大合成能力被恶意使用。
研究挑战
沟通
AI 科学家必须理解自然语言中的歧义、类比和文化语境，并能够：
- 掌握以日常世界知识为基础的常识；
- 与人类和其他 AI 协作；
- 阅读科学文献；
- 使用语言、图形和多模态媒介沟通；
- 建立科学推理和建模机制。
定义假设空间
科学是开放式问题，不像国际象棋或围棋拥有明确的问题空间。科学问题空间可能无界、高维，知识应如何组织、假设应在哪些维度搜索，本身就是困难问题。
数据准确性、噪声与可复现性
科学数据可能存在噪声、不准确和不可复现。生物医学研究尤其面临实验人工制品和样本变异问题。已有研究表明，一部分已发表生物医学结果难以复现。这会影响 AI 生成假设和验证过程的质量。
社区意见
调查中，32% 的回答者认为该领域与自己研究“有些相关”。
AI 被认为最可能发挥作用的科学领域：
- 生物学：47%
- 物理学：14%
- 化学：12%
- 其他：26%
对于 AI 是否能做出诺贝尔奖级发现：
- 13% 认为永远不会；
- 25% 表示不知道；
- 11% 认为可能在 2020 年代；
- 45% 认为可能在 2050 年代之前。
参考文献
原报告共列出 27 项参考文献，包括 DENDRAL、EURISKO、AlphaFold、AI 化学、Ramanujan Machine、机器人化学家、Adam/Eve、Nobel Turing Challenge、科学发现自动化和生物医学可复现性研究。完整条目见原报告第 57 页。