快速阅读: 唐纳德·特朗普提出“创世使命”倡议，利用AI重新定义科学方法，旨在解决多领域难题，提高研究生产力。该计划与国际趋势一致，但也面临科学哲学挑战，AI难以替代人类科学家的创新与判断。
唐纳德·特朗普的新“创世使命”倡议承诺利用人工智能重新定义科学方法，旨在解决机器人技术、生物技术和核聚变等领域最棘手的挑战。该计划设想了一个系统，其中人工智能设计实验、执行、从结果中学习并不断提出新的研究方向。其目标是大幅提高联邦资助研究的生产力。
这一愿景符合国际趋势，英国政府也在大力投资人工智能用于科学研究，引用了DeepMind的AlphaFold等成功案例，该模型能够预测蛋白质结构，现已广泛应用于生物学和药物发现领域。
然而，科学哲学的核心教训揭示了“自动化发现”远比言辞所暗示的要难得多，也更具风险。哲学家卡尔·波普尔曾著名地描述科学是一个“大胆假设与严格检验”的过程。从这个角度看，发现始于研究人员遇到现有理论无法解释的现象时。他们随后提出新的假设来解决这一难题。哲学家称之为“溯因推理”，即推断出一种解释而非仅仅从已有数据中外推。
支撑当今人工智能系统的大型语言模型模仿了一些溯因推理模式。但它们不具备人类科学家在重新定义问题或确定何为异常现象时所依赖的经验、知识和情境理解。机器擅长识别现有数据中的规律，而最有趣的科学进展往往发生在研究人员注意到数据未能捕捉到的内容，或是决定先前被忽视的差异实际上是需要调查的新线索。
即使有了新想法，科学家们也必须决定哪些理论值得追求、精炼和投入有限资源。这些选择不仅受即时实证收益的指导，还受到与其他理念的一致性、简洁性、解释深度或开启新的研究领域的潜力等美德的影响。这些因素无法简化为固定规则。试图将它们简化为更简单但更可测量的代理指标可能会导致优先考虑短期内有收益的项目，而不是具有潜在变革性的投机性研究。这也可能忽略挑战现状的假说。
科学家评估竞争理论时使用证据，但哲学家早就指出，单凭证据很少能迫使得出单一结论。多个相互矛盾的理论可能都符合相同的数据，这意味着科学家必须权衡每个理论的优缺点，考虑其基本假设，并讨论异常现象是否需要更多数据或改变框架。完全自动化的这一阶段会带来麻烦，因为算法决策系统往往会隐藏其假设并将复杂的权衡压缩成二元输出：批准或拒绝，标记或忽略。2021年荷兰儿童福利丑闻显示了这一点如何在公共政策中上演。一个风险评分算法“假设”并“评估”哪些家庭在申请福利时存在欺诈行为。它将这些“合理”的结论输入自动化工作流程，要求归还福利，导致许多无辜家庭陷入财务困境。
同样的数据可以得出多种结论。尼科·埃尔尼诺
科学不仅是组织化的说服。伽利略深谙此道。维基共享资源，CC BY-SA
科学史和哲学的另一课是，生产数据只是故事的一部分；科学家还必须说服彼此接受某个主张。奥地利哲学家保罗·费耶阿本德展示了即使是像伽利略这样的经典人物也会战略性地选择语言、受众和修辞风格来推进新思想。这并不是说科学是宣传；重点在于，知识通过同行间的论证、批评和判断才得以被接受。
如果AI系统开始提出假设、进行实验甚至撰写论文，且人类参与度极低，那么关于谁真正承担说服特定领域科学界的责任的问题便随之而来。期刊、审稿人和资助机构是否会以对待人类作者相同的怀疑态度来审查由基础模型构建的论据？还是机器的客观光环会使得质疑其方法和假设变得更加困难？
以AlphaFold为例，它常被视为证明AI能够“解决”重大科学问题的证据。该系统确实通过提供大量蛋白质的高质量预测，彻底改变了结构生物学（研究生物分子形状的学科），极大地降低了探索蛋白质结构如何影响其功能的门槛。
然而，仔细评估指出，这些输出应被视为“有价值的假设”：高度信息丰富的起点，但仍需实验验证。类似Genesis的提议可能会从这些成功中过度泛化，忽视了最具科学价值的AI系统之所以有效，是因为它们嵌入了人类主导的研究生态系统中，而不是因为它们能独立运行实验室。
保护科学的独特性
科学机构的出现部分是为了从模糊的传统、神职人员和魅力治疗者手中夺回权威，以公开的证据、方法和批评标准取代迷信的诉求。
然而，科学实践中始终存在一种浪漫色彩：发现瞬间的故事、理论争端以及集体努力理解抗拒的世界。这种浪漫并非仅仅是装饰；它反映了推动探究前进的人类能力——好奇心、勇气、固执和想象力。
像Genesis设想的那样自动化科学，可能会将实践局限于数据集、损失函数和工作流图所能捕捉的范围。一条更为负责任的道路是将AI视为一套强大的工具，这些工具牢牢地嵌入在人类探究社区中。它们最终支持而非替代那些混乱、争论且常常不可预测的过程，通过这些过程科学知识得以创造、争议并最终获得信任。
(以上内容均由Ai生成)
