当前位置：首页 > 188体育登录入口 > 人工智能
AI会让科学家失业吗？这个答案没想到
生成式人工智能领域风起云涌，议论甚多。不少人会发出这样的感慨：照这样下去，自己被AI取代只不过是时间问题了。比如有不少青年科研工作者，有做生化环材的，有做计算机科学研究的，其中也有几位，时不时调侃一句：“看样子，我这样的科学家大概也免不了被AI取代……”
这样的事情真的会发生吗？这确实是一个非常有意思的问题。
首先可以肯定的是，在近10年里，AI在科学领域也“成果颇丰”，并且AI的身影频繁出现在看似跟AI毫无关联的领域中。从生物化学领域的蛋白质结构预测，到气象领域的天气预测，从医学影像识别领域，到预测绘制化学分子的气味图谱，都能见到AI的身影。
总体来说，AI在科学研究中的应用主要包括三个方面：第一方面是作为工具提升科学家工作效率，第二方面是参与到论文撰写和评审中，第三个方面是直接参与到科学研究中去。
要回答“ AI是否会取代科学家？”，要先了解目前AI在这三方面的具体应用情况。
AI辅助提升科研人员工作效率
2023年，《自然》杂志（Nature）进行了一项针对1600名科学家的调查研究，以了解科研工作者对生成式AI的使用状况和想法。
结果显示，有一半的参与者本身就是研究AI领域的研究者。如果排除这部分人群，在非AI领域的研究者中，也有超过一半的人会在科研工作中使用AI。
在科研人员眼中，生成式AI的优势可以利用在三个方向：辅助非英语母语的作者撰写论文（包括编辑和翻译）、用AI编写代码、用AI提炼论文内容以节省阅读时间。
辅助非英语母语的作者撰写论文很好理解，生成式AI的英语内容生成能力，确实会比不少母语不是英语的人更“地道”。并且AI可以根据需求，将文章的表述调整得更接近科研论文风格。
而AI编写代码也可以大大减少研究者的时间，只要给出清晰的要求，就可以按照要求生成代码，并且可以对每一段代码的功能进行说明。
AI编写代码不仅能帮助计算机专业的研究者，非计算机专业的研究者同样有编程需求（比如做生物信息分析），AI编写代码确实可以大大提高工作效率，让研究者把智力和时间花费在自己更擅长更重要的事情上。
而今天，生成式AI提取摘要关键信息的能力已经非常优秀，并且可以根据要求，对论文的特定模块，比如“研究方法”“结果与讨论”等部分做更精确的信息提取。因此，用AI来“过滤”论文，确实可以节约时间。
但在这些应用中，AI并没有直接参与科学研究，它更像是一本方便查询的字典或者称手的螺丝刀，能够帮助科研人员提高工作效率，而科学研究的核心工作还是由科学家来完成的。
AI参与论文撰写和评审
1、AI写论文
自2022年末GPT3.0发布以来，生成式AI的内容撰写能力得到了人们广泛认可。并且在一些中学和大学中，学生使用生成式AI来写作业、写小论文早已不再是什么新鲜话题。
但没有学校会鼓励这样的行为，毕竟，这样的“偷懒”行径不利于学生的思考和成长。
不过，在《自然》杂志的调查中，有些研究者也提到，可以使用AI来撰写论文稿件以节约时间，这就涉及到“用AI写论文”这件事了。
实际上，对于年轻科学家来说，写论文算是一个“基本功”性质的工作。而对于一些不需要做实验的研究领域，查资料写论文几乎占据了科学研究的绝大部分内容。如果AI可以写论文，那这些领域科学家工作会不会受到影响？
需要强调的是，科学界并不认可直接使用AI撰写论文。
首先，我们要区分写论文的两种方式：“先由人类撰写论文初稿，再由AI调整语句和表达”和“由AI生成论文初稿，再由人类优化”。这两个写论文的方式看起来只是顺序颠倒了，但本质上却是两件完全不同的事情。
由人类科学家撰写初稿的时候，对于数据的分析，对结果的讨论完全是人类科学家展开的。即便是综述型论文的撰写，对于内容的整合讨论和思考，也是科学家智慧的表达。而后续的AI优化，只是对语法、表述方式的优化。AI只是工具，不是作者。
但如果先由AI生成稿件，人类做修改，AI就成了作者。AI虽然能够产出“看起来像那么回事”的文字，但AI在生成论文内容的时候，并不会带有“科学家的思考”，只是根据预训练的内容生成文字，得出的结论可能是偏颇的、不合理的。
而更糟糕的是，AI在撰写的论文会存在一些“莫名其妙”的错误。比如，AI会凭空捏造文献，遵守学术道德的科研工作者在写论文的时候不会存在这样的问题。而对于一个直接用GPT生成论文的人来说，很可能也不会逐篇检查文献。这样的论文投递出去，纯粹是浪费审稿人员的时间。
目前，很多期刊公司已经明确禁止把AI作为论文作者。比如《自然》和《科学》（Science）。爱思唯尔（Elsevier）、斯普林格（Springer）等知名的学术期刊出版公司，都发布了声明禁止出现“AI作者”，对于论文中其他使用到AI的地方，必须注明使用方式以及AI模型版本。
同时，AI生成的图片一般情况下也是不允许发表的（特殊情况下经过编辑允许可例外）。
因为 AI绘图时候并不是对现实内容的精准还原。这在艺术创作领域并不是什么严重问题，但科研论文中的图片，必须真实严谨，因此，AI生成的图片并不被允许。比如前段时间在学术界闹得沸沸扬扬的“AI小鼠”图片，就与科学事实严重不符，因而被撤稿。
当然了，学术期刊领域并不是绝对排斥AI技术。
比如，在爱思唯尔（Elsevier）公司的声明中就提到，AI技术是可以用于提升论文的可读性和优化语言表达的。而且使用检查拼写、语法和参考文献的基础性AI工具的时候，不需要做特别说明。
所以，在撰写科学论文方面，AI并不会替代人类科学家，但可以提高科学家写论文的效率。
2、AI参与论文评审
在科学论文领域，还有一项令科研人员头疼的问题——同行评审。
科研人员在自己的研究工作之外，还需要评审同行的科研论文。随着科研论文的增加，科研人员需要投入在同行评审上的时间也越来越多。
而现在，AI工具也开始出现在这一领域，帮科学家减轻负担。比如，Penelope.ai工具，可以检查稿件结构和参考文献格式；StatReviewer可以用于检验数据和统计方法的可靠性。
另外，一种叫UNSILO的工具，可以提取论文的概要，方便人类科学家评审。
在AI参与同行评审问题上，AI可以参与多少，以及以何种方式参与还有待商榷。但可以确定的是，目前，绝大部分期刊的论文评审工作依然需要人类科学家完成。
美国国立卫生研究院（NIH）和澳大利亚研究委员会（ARC）都发表声明，禁止科研人员使用AI生成同行评审内容。因为科研论文的评审会涉及专业的知识，而且论文中可能涉及敏感数据，上传后可能存在数据泄露的风险。
AI直接介入科学研究相关工作
前面说到的都是AI作为辅助工具参与科学研究的情况。而在某些领域，AI起到的作用可能真的不亚于人类科学家。实际上，早在生成式AI兴起之前，AI就已经在这些领域大放异彩了。
1、作为预测模型
DeepMind公司开发的蛋白质三维结构预测程序AlphaFold就是一个典型的例子。
长期以来，研究蛋白质的结构是一项重要但又困难的事情。因为蛋白质的三维结构决定了蛋白质的功能。但在过去60年的时间里，人类总共观察了17万种蛋白质的结构，这还不到自然界中蛋白质总数的1%。
蛋白质是由氨基酸序列折叠形成的，科学家们也试图找到氨基酸序列和蛋白质结构之间的关系。可这并不容易，因为氨基酸链在折叠的可能性太多了，如果用计算机遍历所有可能的结构，寻找其中最稳定的，需要的时间会是一个天文数字。
这个难题与AI下围棋时候要解决的问题很类似。于是，制作围棋机器人AlphaGo、AlphaZero的DeepMind公司就利用17万种已知的蛋白质数据制作了AlphaFold模型。
在2018年，AlphaFold在蛋白质结构预测上的准确度就超过了顶尖的人类科研团队。在新冠疫情期间，AlphaFold2也参与了新冠病毒突刺蛋白的结构预测，并且共享了结果。
当然了，AI同样可以用在其他预测模型上。
比如2023 年，谷歌利用AI绘制了50万种化学分子的气味图谱，帮助人类理解化学分子和嗅觉之间的关联。并且根据这样的图谱，科学家们可以按照目标气味合成对应的化学物质。
在天气预测领域，AI模型也有不错的表现。比如天气预测模型GraphCast可以在1分钟之内预测未来10天的全球天气，并且预测准确度比传统的模型准确度更高，成本也更低。
2、作为重要处理工具
另外，AI对于数据的分析处理能力，同样可以帮人类科学家更好地进行研究。通过训练，AI可以在大量的数据中去除噪声数据，让科研人员获得更可靠的信息。
以天文学研究为例，地面上的天文望远镜在拍摄星空照片时，会受到大气层的干扰。过去为了排除大气层的干扰，人们需要把望远镜发射到太空中去，比如哈勃望远镜、韦布望远镜。
而利用AI工具，科学家可以优化地面望远镜拍摄到的图像，消除大气层的干扰。而且应用深度学习的AI模型优化效果比传统的方法更高。
另外，2019年科学家发布了一张黑洞照片，引起了全世界的关注。2023年，在AI模型PRIMO的帮助下，科学家优化了图像。这样更高分辨率的图像，对于科学家更准确地估算黑洞的质量、大小以及物质消耗速率能起到帮助。
当然，除了对图像去噪，AI的数据处理能力同样可以应用在其他类型的数据中。可以说，在AI工具的帮助下，科学家们确实能拿到更多更好的结果，这对于科研人员来说是非常有价值的。
讨论
从前面的应用中我们可以看出，在科学研究领域，人类科学家依然有着不可替代的作用。从科研思路的提出，到实验方法的设计，再到进行实验、分析数据，都需要人类科学家的智慧。
在生成式AI出现之后，人们虽然可以用它辅助优化文字、语法、表述，但论文的撰写以及同行评审依然依赖人类科学家。
而即便是在AI预测蛋白质模型这样的案例中，最终的观察验证还是要由人类科学家完成。且在这些模型中，AI虽然能够做出预测，但AI的预测过程是一个“黑箱”，AI并不能够解释为什么做出这样的预测。对于蛋白质折叠的机理的探索，依然需要人类科学家完成。
但无可否认的是，在AI的帮助下，科学家解决问题的效率确实提高了。科学家们可以把注意力和时间更多地集中到更高维度的思考上。
目前，依然有不少科研领域还没有AI参与，但正如哈佛商业学院教授卡里姆·拉卡尼说到的，AI并不会取代人类，但使用AI的人类会取代不使用AI的人类。
科学研究工作，当然也是如此。
作者：中科院海洋所硕士田达玮
审核：腾讯玄武实验室负责人于旸