對(duì)未來(lái)科學(xué)來(lái)說(shuō)，人工智能意味著什么？

對(duì)于計(jì)劃舉辦夏日派對(duì)的人來(lái)說(shuō)，天氣這個(gè)臭名昭著的混亂系統(tǒng)常常令人非常懊惱。在幾天內(nèi)，降雨、溫度、濕度、風(fēng)速、風(fēng)向等方面的任何微小變化都會(huì)衍生出全新的天氣狀況。這就是為什么在七天及更長(zhǎng)時(shí)間內(nèi)，天氣預(yù)報(bào)都不準(zhǔn)，而人們也因此需要為野餐安排備選方案。

試想，如果我們能很好地理解這個(gè)混亂的系統(tǒng)，從而預(yù)測(cè)其未來(lái)的走向，那會(huì)如何?

今年1月，科學(xué)家們做到了。在機(jī)器學(xué)習(xí)的幫助下，他們精準(zhǔn)地預(yù)測(cè)了一項(xiàng)混亂的天氣系統(tǒng)，且預(yù)測(cè)的持久度超乎想象。機(jī)器只要觀察該系統(tǒng)的動(dòng)態(tài)即可進(jìn)行預(yù)測(cè)，無(wú)須理解任何化學(xué)反應(yīng)式。

驚嘆、恐懼和興奮

不久以前，我們剛剛適應(yīng)了人工智能的神奇能力。去年，一款名為AlphaZero的程序在一天內(nèi)從零起步自學(xué)了國(guó)際象棋，緊接著便打敗了世界上最好的國(guó)際象棋程序。此外，它還自學(xué)了圍棋，并勝過(guò)了上一屆硅谷冠軍——名為AlphaGo Zero的算法。AlphaGo Zero曾在輸入規(guī)則后，通過(guò)反復(fù)試驗(yàn)自學(xué)成為圍棋大師。

很多的算法都是從全然無(wú)知的空白狀態(tài)開(kāi)始，通過(guò)觀察某一特定過(guò)程或和自己比賽的方式，以每秒幾千步的速度進(jìn)步，從而建立“知識(shí)”體系。這種能力在各種方面激起了人們的驚嘆、恐懼和興奮情緒。最近，我們也經(jīng)常聽(tīng)到關(guān)于算法肆意破壞人性的傳聞。

在此，我關(guān)心的問(wèn)題非常簡(jiǎn)單：我想知道，人工智能對(duì)科學(xué)中“理解”的未來(lái)意味著什么?

完美的預(yù)測(cè)就是理解嗎?

大多數(shù)科學(xué)家可能都認(rèn)為，預(yù)測(cè)和理解是兩碼事。這其中的原因是物理學(xué)的起源神話，或者說(shuō)，是現(xiàn)代科學(xué)這一整體。

據(jù)說(shuō)，在一千多年的時(shí)間里，人們都在用希臘羅馬數(shù)學(xué)家托勒密傳承下來(lái)的方法預(yù)測(cè)行星劃過(guò)天空的方式。

有趣的是，托勒密根本不知道重力理論，也不知道太陽(yáng)其實(shí)位于太陽(yáng)系的中心。不過(guò)，他的方法涉及了圓內(nèi)圓的復(fù)雜計(jì)算。雖然這種方法能很好地預(yù)測(cè)行星走向，但沒(méi)人知道它為何奏效，以及行星為什么會(huì)按照如此復(fù)雜的規(guī)律運(yùn)動(dòng)。

隨后，哥白尼、伽利略、開(kāi)普勒和牛頓誕生了。牛頓發(fā)現(xiàn)了支配行星運(yùn)動(dòng)的基本微分方程，該微分方程可以描述太陽(yáng)系中任一行星的運(yùn)動(dòng)軌跡。毫無(wú)疑問(wèn)，這對(duì)人類(lèi)是有利的，畢竟人們可以借此理解行星運(yùn)行的原因。

在預(yù)測(cè)行星運(yùn)動(dòng)軌跡方面，相比于托勒密的算法，解微分方程是一個(gè)更高效的方法。更重要的是，有了對(duì)該方法的信任后，我們基于一項(xiàng)統(tǒng)一的原理發(fā)現(xiàn)了原來(lái)未曾見(jiàn)過(guò)的行星，該原理便是在火箭、掉落的蘋(píng)果、月球、宇宙等方面都適用的萬(wàn)有引力定律。

在物理學(xué)界，這種基本模板多次獲得成功，即試著探索出一套描述統(tǒng)一原理的方程。在其幫助下，我們發(fā)現(xiàn)了標(biāo)準(zhǔn)模型，并達(dá)到了半個(gè)世紀(jì)以來(lái)粒子物理學(xué)的頂點(diǎn)——標(biāo)準(zhǔn)模型能精準(zhǔn)地描述每一顆原子、原子核或粒子的潛在結(jié)構(gòu)。在其幫助下，我們還試著理解了高溫超導(dǎo)性、暗物質(zhì)和量子計(jì)算機(jī)。(因?yàn)樵摲椒〒碛须y以理解的高效性，人們不禁懷疑，為什么宇宙看上去那么容易地被數(shù)學(xué)描述所控制?)

毋庸置疑的是，在所有科學(xué)中，對(duì)某物的理解都需要追溯到這一定律：如果你可以將一個(gè)復(fù)雜的現(xiàn)象歸結(jié)為一套簡(jiǎn)單的原理，那你就算是理解它了。

頑固的例外項(xiàng)

然而，在這種美麗的描述中，也有令人煩惱的例外項(xiàng)。湍流——導(dǎo)致天氣預(yù)測(cè)困難的原因之一——是一個(gè)典型的物理學(xué)例外項(xiàng)。生物學(xué)中的絕大部分問(wèn)題，及其錯(cuò)綜復(fù)雜的結(jié)構(gòu)也都非常頑固，拒絕服從簡(jiǎn)單的統(tǒng)一原理。

雖然原子、化學(xué)及簡(jiǎn)單原則都構(gòu)成了這些體系的基礎(chǔ)，但通用有效的等式描述很難有效地進(jìn)行預(yù)測(cè)。

同時(shí)，顯而易見(jiàn)的是，這些問(wèn)題都終將輕易地受到機(jī)器學(xué)習(xí)的支配。人工智能可以識(shí)別出新的藥品，以治療克雷白氏桿菌等抗生素抗性細(xì)菌，而這種細(xì)菌是美國(guó)10%的醫(yī)院獲得性感染的致因。

正如古希臘人從神秘的特爾斐神使身上找到答案一樣，我們很快也可以通過(guò)人工智能神使的幫助，回答科學(xué)界內(nèi)最困難的問(wèn)題。

目前，人工智能正在引導(dǎo)無(wú)人駕駛汽車(chē)和股市投資的發(fā)展。接下來(lái)，它還將預(yù)測(cè)藥品的抗菌有效性，以及未來(lái)兩周內(nèi)的天氣情況。在沒(méi)有數(shù)學(xué)模型和方程的情況下，人工智能也將達(dá)到史無(wú)前例的高度。

不難想象，有了大型強(qiáng)子對(duì)撞機(jī)中數(shù)十億次撞擊得來(lái)的數(shù)據(jù)，人工智能甚至可以超越物理學(xué)家所鐘愛(ài)的標(biāo)準(zhǔn)模型，并在預(yù)測(cè)粒子物理學(xué)結(jié)果的道路上做得更好。

就像特爾斐女祭司的晦澀難懂的語(yǔ)言一樣，人工智能特使也很難解釋預(yù)測(cè)的原因，畢竟其產(chǎn)物是基于進(jìn)行所謂“實(shí)驗(yàn)”的很多個(gè)微秒。這一切就像是一幅關(guān)于農(nóng)夫的漫畫(huà)：雖然沒(méi)上過(guò)學(xué)，但農(nóng)夫可以根據(jù)經(jīng)驗(yàn)和直覺(jué)精準(zhǔn)地預(yù)測(cè)天氣。

缺乏理解的科學(xué)?

對(duì)于科學(xué)實(shí)踐和科學(xué)哲學(xué)來(lái)說(shuō)，機(jī)器智能的含義是深刻的。比如，面對(duì)越來(lái)越完美的預(yù)測(cè)，既然無(wú)法理解其預(yù)測(cè)方式，那人們還能繼續(xù)否認(rèn)機(jī)器無(wú)法掌握更好的知識(shí)嗎?

如果預(yù)測(cè)是科學(xué)的基本目標(biāo)，那我們?cè)撊绾涡薷目茖W(xué)方法，修改那些數(shù)百年來(lái)幫助我們發(fā)現(xiàn)、改正錯(cuò)誤的算法呢?

如果我們放棄理解科學(xué)，那我們還有必要追求我們所知的科學(xué)知識(shí)嗎?

對(duì)此，我無(wú)法給出答案。除非我們能明確地解釋為什么科學(xué)不只關(guān)乎良好預(yù)測(cè)的能力，否則科學(xué)家們將很快發(fā)現(xiàn)：“受過(guò)訓(xùn)練的人工智能也可以完成他們的工作。”