科學(xué)研究范式轉(zhuǎn)變：從數(shù)據(jù)密集型科學(xué)到機(jī)器人科學(xué)家

大數(shù)據(jù)和人工智能（AI）的突破性進(jìn)展正在深刻改變科學(xué)研究的范式?！跋嚓P(guān)性取代因果關(guān)系”的范式備受爭(zhēng)議，而“數(shù)據(jù)密集型科學(xué)發(fā)現(xiàn)”范式逐漸成為主流。隨著AI技術(shù)的持續(xù)成熟，“機(jī)器人科學(xué)家”范式正在逐步成為現(xiàn)實(shí)。該范式意味著AI能夠自主完成科學(xué)研究的每一個(gè)步驟。

目前新一代通用人工智能（AGI）算法則有望實(shí)現(xiàn)整個(gè)科學(xué)研究周期的自動(dòng)化，使數(shù)據(jù)密集型科學(xué)邁入機(jī)器人科學(xué)家的時(shí)代。已有研究表明，機(jī)器人科學(xué)家在需要高通量和高精度實(shí)驗(yàn)的領(lǐng)域中展現(xiàn)出了卓越的自主研究能力。例如，Adam能夠分析酵母代謝中基因與酶的關(guān)系，Eve則專注于自動(dòng)化早期藥物開(kāi)發(fā)，AI化學(xué)家能夠自動(dòng)閱讀科學(xué)文獻(xiàn)，提出實(shí)驗(yàn)計(jì)劃并執(zhí)行完整的化學(xué)實(shí)驗(yàn)流程。

近日，中國(guó)科學(xué)院青藏高原研究所李新研究員團(tuán)隊(duì)在Science Bulletin雜志發(fā)文，系統(tǒng)總結(jié)并展望了大數(shù)據(jù)和AI時(shí)代科學(xué)研究范式的變化。文章回顧了科學(xué)研究的傳統(tǒng)范式，批判了“相關(guān)性取代因果關(guān)系”范式，檢視了“數(shù)據(jù)密集型科學(xué)發(fā)現(xiàn)”范式，并深入分析了正在出現(xiàn)中的“機(jī)器人科學(xué)家”范式。

文章詳細(xì)闡述了科學(xué)研究在“數(shù)據(jù)密集型科學(xué)發(fā)現(xiàn)”范式向“機(jī)器人科學(xué)家”范式轉(zhuǎn)變過(guò)程中的每個(gè)環(huán)節(jié)，包括觀測(cè)、數(shù)據(jù)分析、提出假設(shè)、模擬預(yù)測(cè)、假設(shè)檢驗(yàn)和理論化（圖1）。同時(shí)指出，這場(chǎng)由大數(shù)據(jù)和AI推動(dòng)的范式轉(zhuǎn)變，不僅加快了知識(shí)發(fā)現(xiàn)的速度，還為科學(xué)研究提供了全新的框架。大數(shù)據(jù)的引入實(shí)現(xiàn)了假設(shè)驅(qū)動(dòng)與數(shù)據(jù)驅(qū)動(dòng)方法的融合，溯因推理將成為機(jī)器人科學(xué)家范式中的核心邏輯推理工具。此外，AI的可追溯性與可解釋性大幅提升，使其形成的假說(shuō)和理論將更具穩(wěn)健性和普適性。機(jī)器人科學(xué)家仍遵循科學(xué)方法從觀測(cè)到理論化的整體流程，但大數(shù)據(jù)和AI極大提升了科研效率和自動(dòng)化水平。未來(lái)，機(jī)器人科學(xué)家將憑借其廣泛的知識(shí)儲(chǔ)備、強(qiáng)大的計(jì)算和推理能力、自主實(shí)驗(yàn)設(shè)計(jì)以及執(zhí)行的能力實(shí)現(xiàn)真正的科學(xué)理解與創(chuàng)造性思維，從而具有自主發(fā)現(xiàn)科學(xué)問(wèn)題并完成整個(gè)科學(xué)研究過(guò)程的能力（圖2）。它們將人工智能的角色從單純的輔助工具提升為主動(dòng)且富有創(chuàng)造性的研究者，積極探索超越現(xiàn)有知識(shí)前沿的領(lǐng)域，提升科學(xué)發(fā)現(xiàn)效率、深化科學(xué)理解。

圖1 科學(xué)研究中的范式轉(zhuǎn)變。(a) 傳統(tǒng)范式。(b) “相關(guān)性取代因果關(guān)系”范式。(c) “數(shù)據(jù)密集型科學(xué)發(fā)現(xiàn)”范式。(d) 機(jī)器人科學(xué)家范式。

圖2 機(jī)器人科學(xué)家范式。（a） 無(wú)限的知識(shí)范圍。（b） 自動(dòng)化分析過(guò)程。（c） 科學(xué)理解。（d） 創(chuàng)造性思維。

了解詳情，請(qǐng)閱讀原文

Li Xin, Guo Yanlong. Paradigm shifts from data-intensive science to robot scientists. Science Bulletin, 2024, 69, doi：10.1016/j.scib.2024.09.029