AI已侵入人类最后的“堡垒”:AI已能独立创造新知识!

我爱免费

作者：微信文章
AI是知识工作者的挖掘机，大幅提升教学与科研生产力。

#ai 全部AI相关文章集锦

——————————————
在与老师们交流时，我总会首先强调一个观点：    AI对教育、对人类社会的影响之深远    会超出当下我们最有想象力的人的想像之外！可以说，    AI是人类再一次发明火、蒸汽机、或电灯    它将决定人类的工作内容与工作方式    重塑人类的思考方式、甚至思想本身    甚至整个社会形态都将会发生重大变化！ 举个例子：    以前，所有人都认为AI不具备“创造力”    不过，随着时间的推移，大家的认识也在变化最近已有研究者从哲学层面进行解读，摘录如下：

大语言模型可以说是产生组合式和探索式创造力的绝佳系统。但目前的大语言模型并未涉及打破或改变规则的行为能力，其输出结果只是一种根据提示词来产生的概率分布，所以并不具备转型式创造力。

（详见：《大语言模型具备“创造力”吗？》）
上述观点是正确的，    而且是大模型研究人员都非常清楚的用王珏老师的话来说，AI的基本工作原理是：    基于人类知识空间的概念/语言重组其实，人类的大部分所谓“创造性工作”都是某种“重组”    正如上文中乔布斯的那句名言：    创造就是把东西连接起来。
由此看来，    说大模型完全不具备创造力，恐怕也不对！不过，它能开展的属于“组合式创新”    这种方式显然无法发明一个当下还不存在的知识    ——也就是上文所说的“转型式创造力”    或者说“创造全新知识”的能力！

不过，考虑到chatGPT3.5进入公众视线    迄今才2.5年（2022年11月30日首发）那么，当我们再等待一段时间    大模型是否永远不能发明新知识呢？或者，再广义一点，    大模型能对人类的科研产生重要辅助吗？
本篇文章中，    王珏老师提供一些相应的报道，    供大家参考。
一、各领域的专用大模型即便AI不能“独立开展”科研，    那么它能否对人类的科研提供重要辅助？    以下是一些经典案例。
（1）去年获得诺奖的成果：AlphaFold2024年5月，施一公接受央视采访时说：

https://v.cctv.com/2024/05/06/VIDEsUYxzLNbYFn9yFyzFH8V240506.shtml施一公的博士生之所以这么厉害，是得益于2024年诺贝尔化学奖获得者Hassabis所开发的AlphaFold（Hassabis就是开发围棋上帝Alphago那个哥们，后来他的DeepMind公司被Google收购，后文还会提到这家公司）。


以下是对AlphaFold的简介：

AlphaFold是一个蛋白质结构计算的AI程序。由于蛋白质结构涉及到氨基酸的三维折叠问题，因此极为复杂，困扰了生物界多年。到了2020年，这一问题终于被AlphaFold攻破。2020年，AlphaFold 2参加了蛋白质结构预测技术关键测试（CASP）比赛。AlphaFold 2取得了中位数分数92.4分的高分预测结果，它预测的蛋白质三维结构和最后实验观测的标准答案，仅有原子大小尺度的差异！这样出色的成绩让很多人认为，这个困扰了生物学界50年的问题就这样被解决了！

来源：https://baijiahao.baidu.com/s?id=1803338988602623571对于由此带来的生物、医药领域的巨大前景，Hassabis一次采访中甚至宣称：

未来10年用AI几乎所有病都能治！https://www.sohu.com/a/829985123_122121976

如果说，AlphaFold还不能算是独立做科研，    那它一定可以说是对科研工作    起到关键性的、巨大的促进作用！
（2）中科大的“机器化学家”

2024年4月，中科大发布了全球首个集阅读文献、设计实验、自主优化等功能于一体，覆盖化学品开发全流程的机器化学家平台，被科研人员形象地称为“机器化学家”。中科大化学物理系教授江俊介绍：“从数百万种材料的可能组合中找到最优解，科研人员也许一生都做不完；有了机器化学家，可能只需要一两周时间。”机器化学家融合了大数据、人工智能和自动化的强大优势，为化学这一传统学科提供了新的研究范式以下内容来自中科院的官网：https://www.cas.cn/zt/kjzt/kjzlzqzl/kjzlzq/202404/t20240411_5011303.shtml

以创制“高熵非贵金属产氧催化剂”为例，如果按照以往的方法，科研人员要从29种非贵金属元素中选出5种进行超过55万种配比组合，“试错”研究可能需要1400年。而机器化学家通过阅读1.6万篇催化论文，自主遴选出5种非贵金属元素，并融合2.5万组理论计算数据和207组全流程机器实验数据，建立并优化预测模型，将创制周期缩短为5个星期。

体现机器化学家强大科研能力的，还有一项基于火星陨石的催化剂研究。就在前不久，机器化学家利用火星陨石成功创制出实用的产氧电催化剂。如果用人工方式做实验，以5种不同的火星矿石作为原料，有超过376万个配方的排列组合。按每个实验验证至少5小时计算，找到最佳配方可能需要2000年。而机器化学家只用了5个星期就做完了实验。给出的优化后催化剂配方，可以提供足够的氧气。

（3）气象预报大模型
气象预报一直是个难点，尤其是长时程的预报，而华为的盘古大模型一举解决了这一现代科学难题！以下报道来自：https://www.huawei.com/cn/news/2023/7/pangu-ai-model-nature-publish
以下是部分报道内容：

华为云盘古气象大模型是首个精度超过传统数值预报方法的AI模型，速度相比传统数值预报提速10000倍以上。目前，盘古气象大模型能够提供全球气象秒级预报，其气象预测结果包括位势、湿度、风速、温度、海平面气压等，可以直接应用于多个气象研究细分场景，欧洲中期预报中心和中央气象台等都在实测中发现盘古预测的优越性。

今年5月，台风“玛娃”走向受到广泛关注。中央气象台表示，华为云盘古大模型在“玛娃”的路径预报中表现优异，提前五天预报出其将在台湾岛东部海域转向路径。在刚刚结束的第19届世界气象大会上，欧洲中期预报中心也指出，华为云盘古气象大模型在精度上有不可否认的能力，纯数据驱动的AI天气预报模型，展现出了可与数值模式媲美的预报实力。

此外，是由复旦大学主力研发，Shanghai AI Lab （上海人工智能实验室）创新孵化研究院推出的“伏羲气象大模型”，则可以提供15天的全球预报，具有6小时的时间分辨率和0.25°的空间分辨率的气象预报大模型，目前已被 Nature 收录。

复旦官网报道地址：https://ai3.fudan.edu.cn/info/1050/1724.htm

（4）地球科学“坤元”大模型

2024年9月，中科院地理资源所牵头研发的全球首个多模态地理科学大模型“坤元”发布。

以下内容来自地理所官网报道：https://igsnrr.cas.cn/news/picnews/202409/t20240920_7374237.html

作为全球首个专注于地理科学的专业大模型，“坤元”具备处理地理科学相关问题的专业能力，研发团队完成了地理学全谱系高质量语料库构建、地理科学语言大模型构建、地理科学研究智导平台研发等工作，让“坤元”具备懂地理、精配图、知人心、智生图等特点，实现了地理专业问题解答、地理学文献智能分析、地理数据资源查询、地理数据挖掘分析、专题地图绘制等功能。
目前“坤元”已支撑发表Nature子刊、The Innovation、Earth’s Future等高水平学术论文10余篇。未来，研发团队将推进地图大模型及地理推理机研发，有望让地理科学语言大模型读懂地图；也将打造地理科研协作大平台，以期让每个科学家和科研团队都可以拥有专属的地理大模型，能够与数百万科学家通过共享数据、模型、研究思路等方式协同工作。

以上都是各个专业领域内的大模型，    只能使少数领域的科研工作受益，    而且往往使用群体也有限制，    未必能使每位科研工作者受益。那么，有没有辅助科研工作的通用大模型呢？    以前确实没有，    不过从2025年2月起，就有了！

二、辅助科研的通用大模型
3个月前，    2月19号，Google发布了AI co-scientist
    开创了辅助科研通用智能体的先河！

以下是它的简介：

AI co-scientist 是一个基于Gemini 构建的多智能体 AI 系统，旨在反映科学方法的推理过程，发掘新的、原创性的知识。它并非要实现科学过程的自动化，而是一个“帮助专家收集研究成果和完善其工作的协作工具”、“虚拟的科学合作伙伴”。

自此，人类科学家只需使用自然语言指定一个研究目标——例如，更好地了解一种致病微生物的传播——AI co-scientist 便会提出可验证假设，以及相关已发表文献的摘要和可能的实验方法。

谷歌首席执行官Sundar Pichai在 X 上表示，在 AI co-scientist 的帮助下，人类科学家已经“在 肝纤维化疗、抗菌素耐药性和药物再利用等重要研究领域看到了有希望的早期成果”。

Google官方提供的三个案例中，第三个案例非常具有代表性：

专家研究人员指示 AI co-scientist 探讨一个已在他们小组中取得新发现，但尚未公开的主题，即解释衣壳形成的噬菌体诱导型染色体岛（cf-PICI ）如何在多种细菌物种中存在。AI co-scientist 独立提出了“与不同噬菌体尾部相互作用以扩大其宿主范围”的观点。在使用 AI co-scientist 之前，谷歌团队已经在原始的实验室实验中验证了这一发现。这展示了 AI co-scientist 作为辅助技术的价值，因为它能够利用数 10 年的研究成果，包括之前所有关于这一主题的开放存取文献。

（以上资料来源：https://zhuanlan.zhihu.com/p/25105464861）
在科研中，能够独立提出假设是件不得了的事情    任何实验要想开展，得先有个目标    才有可能来验证它    哪怕这个目标被验证是错的    也是一种科研的一种进步AI能根据问题，独立提出一个假设    ——而且看上面的案例，    这个假设恐怕是科研人员难以想到的    这本身就是AI对科研有重大辅助作用的极佳案例！当然，可以认为    AI通过阅读大量文献、然后提出某种假设    仍然是某些词汇/概念的“组合”    ——只不过它掌握的知识要比人类宽得多    它可以在“全人类知识”中开展词汇的组合       （这里是在大量科研论文中）    所以可以很好地弥补人类自身思维的局限性。
这已经很厉害了！不过，更厉害的，还在后面！
三、AI独立开展科研、创造新知识
AI的发展太快了，真正是以“天”计的！    仅计算国外10个主要大模型+国内10个主要大模型    平均每3天就会有一个新的版本发布    连王珏老师这样专门跟踪研究的人都跟不过来了……而且，大模型的发展不仅是版本的快速迭代    （GPT已进化到4.5版、推理模型o4也已经出来了）    而且还有更新的理念、架构和产品的出现！
OpenAI的CEO Sam Altman最近多次说：

2023-2024是大模型之年，2025年是智能体之年，2026年则是AI的创造力之年，标志是AI将独立做出一项人类科学家无法完成的科学发现 ！

话音刚落，    半个月前，5月14号    Google DeepMind发布了AlphaEvolve的智能体     并且已经独立做出了多项科研成果    有些成果甚至是人类科学家长期未能解决的！以下内容来自：《DeepMind发布的新智能体，正在颠覆科研》

（1）数学领域的难题：一个M×N矩阵乘以一个N×P矩阵，最少需要做多少次乘法运算？在线性代数中，两个4×4矩阵相乘，常规来说需要做4×16=64次乘法。

不过，1969年，德国数学家斯特拉森（Volker Strassen）提出了一个优化算法，只要做49次乘法就够了。自此以后，整整56年，人类都没能再进一步！直到AlphaEvolve出手。它只用了不到一天的时间，完成了几十万条算法的生成和筛选，最终发现了一种只需要48次乘法就能完成4×4矩阵乘法的新算法！
（2）AphaEvolve解决的数学领域第2个难题是：把小的正六边形堆叠进一个大的正六边形里，最多能放几个？对于11个边长为1的小正六边形，要把它们互不重叠地堆进一个大的正六边形中，这个大六边形的最小边长应该是多少？

之前人类数学家找到的最优解是边长3.943，而AlphaEvolve找出了一种新的堆叠方式，使边长缩小到了3.931。类似地，堆叠12个正六边形的情况下，原本的最优解是边长为4，AlphaEvolve通过一个不规则的堆叠法，把它降到了3.942。（3）在工程实际应用方面，AlphaEvolve为Google的大规模计算集群设计了一种全新的任务调度算法，节省了0.7%的算力资源。它优化了Google的张量处理器（TPU）芯片的电路设计算法。TPU工程师已经进行了严格验证，确认结果有效，并且准备在下一次芯片设计中使用。而且，它还改进了Google自家AI模型Gemini的大规模矩阵运算算法，把关键内核加速了23%，最终使整体训练时间缩短了1%——要知道训练大模型很费电，1%是相当大一笔钱！可惜的是，目前Google尚未对外开放AlphaEvolve。据说是正在筹备一个早期学术试用计划（Early Access Program），会邀请一些研究者先试用。听说很多科学家们已经跃跃欲试，因为这里能做的事儿太多了，比如供应链管理中的路径优化、金融交易中的算法模型、药物设计、筛选新材料等等。

也许你已经注意到了：

AlphaEvolve最擅长处理的问题，几乎都跟算法优化有关。这些问题的特点是结构明确、目标清晰、评估标准可量化。

是的！AlphaEvolve所采用的方法，本质上就是一种”强化学习“，它是一种自我演化、或者说自我搜索最佳路径！——就如同生物演化是在大自然中搜索解法一样，它其实就是在巨大的可能性空间中搜索解法。
看来，有人把AI for Science称为    “科学研究的第五范式”也是很有道理的！    （第一范式是经验科学，第二范式是理论科学，第三范式是计算科学，第四范式是数据科学）无论是让AI辅助人类做科研、或是它独立开展科研    重点是：我们不能“以己之心，夺AI之腹”    AI的“思维方式”和人类根本不是一回事    ——但同样有效！       也许在某些方面比人类思维方式更有效！
最后简单探讨一下AI科研的本质    单靠通用大模型，    它只会“说人话”、出主意、写文档    了不起就解几道题    这个并非大模型的全部能力如果我们能把AI的算法、架构、能力    与各个科学研究领域和方向结合起来，    可能会使科研工作质量和效果有巨大的提升！    这就需要大量跨学科人才的加入才能实现
——当然，作为普通研究人员    能够使用一下那些专业的、或通用的AI    助力我们自己的科研，    那已经是非常幸福了！

如欲将王珏老师的培训课程《AI时代教师必备技能》引入本单位，请到本公众号首页输入”ai培训“，了解联系方式。

————————————————————
本公众号提供全面、深度的学习科学研究、微课与PPT研究、以及其它实用技术研究文章！到公众号首页输入代码查看更多研究：

aigc：ai教学应用技巧集xxkx：学习科学研究文章wk：微课超级大全，设计制作应用一网打尽ppt：PPT技巧集