科研革命来了：AI在改变科学家的研究方式( 九 ) 新智元报道来

最近，格拉斯哥大学(UniversityofGlasgow)的化学家LeeCronin一直在使用机器人随机混合化学品，看看形成了什么样的新化合物。通过质谱仪，核磁共振仪和红外光谱仪实时监测反应，系统最终学会预测哪种组合最具反应性。 LeeCronin说，即使不能进一步发现，机器人系统也可以让化学家将研究速度提高90％左右。

去年，苏黎世联邦理工学院的另一组科学家利用神经网络从一组数据中推导出物理定律。他们的系统类似于机器人开普勒(kepler) ，通过记录从地球上看到的太阳和火星在天空中的位置，重新发现了太阳系的日心模型，并通过观察碰撞的球体，得出了动量守恒定律。

由于物理定律通常可以用不止一种方式表达，研究人员想知道这个系统是否会提供新的方法(也许是更简单的方法)来思考已知的定律。

这些都是AI启动科学发现过程的例子，尽管在每种情况下，我们都可以辩论新方法的革命性。

也许最有争议的问题是，从数据中可以收集多少信息。在这个庞大的（并且不断增长的）成堆的时代，这是一个迫切的问题。

在“TheWhyofWhy”（2018年）一书中，计算机科学家JudeaPearl和科学作家DanaMackenzie声称数据“非常愚蠢。 ”他们写道：

关于因果关系的问题“永远无法从数据中回答。无论何时，当你看到一篇论文或一项研究以一种非模型的方式分析数据时，你都可以肯定，这项研究的输出只会进行总结，或许还会进行转换，但不会解释数据。

Schawinski同情Pearl的立场，但他把“单独处理数据”的想法形容为“有点像稻草人” 。他说，他从来没有声称自己能以这种方式推断因果关系。 “我只是说，我们可以用数据做比通常更多的事情。 ”