江苏龙网

  1. 主页 > 生活百科 > >

AI能为科学研究做什么( 四 )

AI


仍以“四色问题”的证明为例：在历史上，这个著名的问题曾经有过好几个版本的证明 。尽管在每一个版本的证明中，数学家都用到了计算机作为辅助，但最初的证明都是以人工的推导为主，计算机的工作主要局限在提供计算的支持 。2005年，英国剑桥研究院的高级研究员贡蒂埃（GeorgesGonthier）给出了“四色问题”的新一代证明 。和前几代的证明不同，贡蒂埃首先将这个问题转化成了一系列形式化的命题，再用一个名叫Coq的交互式辅助软件对它们进行了证明 。由于在证明的过程中，Coq完成了大量最复杂的证明，因此在某种意义上讲，这个过程可以算是一个机器证明 。
需要指出的是，尽管包括Coq在内的辅助证明软件已经可以帮助人们完成很多证明工作，但它的自动化是非常低的 。在多数时候，人类研究者还需要充当引导员的角色，帮它们把自然命题转化为形式化命题 。
随着AI的发展，人们开始尝试让AI来解决这个问题 。比如，2022年，由谷歌、斯坦福大学等单位的研究人员组成的一个团队就发表了一篇论文，介绍了使用OpenAICodex的神经网络进行自动形式化的工作，显示了用大型语言模型将非形式化语句自动翻译成形式化语句的可行性 。今年，这个团队又在此基础之上提出了一整套名为“草图、草稿、证明”（Draft,Sketch,andProve，简称DSP）的AI辅助证明方法 。这套方法建议利用大型语言模型先将自然语言命题转化为由一系列逻辑推理步骤组成的形式化命题，然后用交互式定理证明器来对这些命题进行证明 。当然，在这些步骤之间，还存在着一系列的中间猜想 。因此在证明的最后，还需要通过自动验证器来对这些中间猜想进行证明 。这样，上述的工作就可以合起来构成一个完整的形式化证明 。
（5）辅助写作
对于科研工作来说，AI还有一个重要的贡献：辅助写作 。在很多人看来，在完成了研究、得到了相关的结论之后，把它们写成论文就是一件非常轻松的事了 。但事实上，情况未必如此 。在现实中，有很多研究人员对做实验、跑数据非常热衷，但对写论文则相当抵触，甚至认为花时间在遣词造句上完全是浪费时间 。而在以ChatGPT为代表的生成式AI兴起之后，这类研究人员就得到了拯救 。现在，他们在完成研究后，直接把相关的结论丢给ChatGPT，就可以得到非常规范的论文 。很显然，这会极大减轻他们的工作负担，提升他们的工作效率 。
另一个容易被忽视的贡献
需要指出的是，除了上述的这些直接贡献之外，AI还有一个非常容易被忽视的影响，即重构产学研关系、促进企业对基础研究的投资热情 。对于面临一些领域被西方“卡脖子”的我国而言，这一点可能是尤其需要重视的 。
根据《中国研发经费报告2022》，2022年我国基础研究经费支出为1951亿元，基础研究投入强度为6.3% 。虽然与历史相比，我国对基础研究投入的强度不断上升，但如果与国外相比，就可以看到目前我国的基础研究投入强度依然很低 。
如果我们把基础研究投入分执行机构进行分析，就会发现以高校作为执行机构的比例是最高的，在总投入中占到了49.4% 。其次是研究和开发机构，占39.1%，而企业作为执行机构的，仅占6.5% 。相比之下，美国基础研究经费由企业执行比例为32.4%，日本基础研究经费由企业执行比例为47.07% 。众所周知，高校和科研机构的经费主要来自于国家拨款，而企业的研究经费则主要是由其自行投入的 。因此，这组数字就说明了，我国的企业在基础研究上进行投入的意愿要远低于美、日等国 。
为什么会出现以上这样的情况呢？一个重要的原因是，基础研究的周期太长、风险较大、转化率又低，导致以利润最大化为目标的企业认为从事基础研究是无利可图的 。在发达国家，由于建立了比较完善的产学研共生生态，类似风险可以比较好地在企业、政府、科研机构等众多主体之间分担，所以企业对基础研究的投资积极性就相对较高 。而我国，产、学、研彼此之间的孤立性还较高，因而就很难有类似的风险分担机制 。
显然，要破解上述问题，根本的出路还是要培育健康的创新生态，推进产学研的一体化 。但这是一个长期的过程，不是一朝一夕可以实现的 。不过，即使在创新生态未能有效改善的条件下，AI的应用也可以在很大程度上提升企业投资基础研究的积极性 。通过前面的分析可以看到，借助AI的辅助，基础研究的周期可以大幅缩短，效率可以大幅提升 。从经济角度看，这其实就增加了基础科研的预期收益，同时降低了其失败风险 。因此，原本无力可图的基础研究就可能成为一项合算的生意，企业对其投资的积极性也将提升 。这样一来，基础研究投入不足的问题就可以得到有效的缓解 。


推荐阅读


上一篇：为什么哈希函数转换后不可逆

下一篇：石油裂解的目的是获得什么