AI在科学突破中的作用：机器可以创造性地思考吗？

从医疗保健到娱乐，人工智能（AI）正在各个部门挥手，但其对科学研究的影响尤其令人兴奋。 AI的诀窍用于处理巨大的数据集，发现复杂的模式以及预测结果正在加快科学突破。这导致我们思考：AI可以真正创新并提出像人类科学家这样的新想法吗？为了深入研究这一点，让我们看一下AI当前如何用于科学发现，以及它是否可以真正产生原创思想。

AI在科学发现中的作用不断增长

AI一直是药物发现，基因组学，材料科学，气候研究和天文学等领域的游戏规则改变者。通过筛选大量的数据，会使人类不堪重负，AI帮助指出了潜在的候选药物，建模气候变化，甚至提出了有关宇宙的新理论。

例如，MIT的研究人员使用AI在短短几天内找到一种新的抗生素，以靶向抗现有药物的细菌。在生物学中，DeepMind的Alphafold破裂了蛋白质折叠难题，预测3D蛋白质结构对药物发育至关重要。在材料科学中，像GNOME这样的AI模型预测了数百万个新晶体，这些晶体可能会彻底改变电池和太阳能电池等技术。 AI还通过提出新的方法来建模物理现象和天文学，通过发现系外行星和重力镜头来对物理进行贡献。在气候科学中，AI改善了气候预测，并帮助建模了极端天气事件。

人工智能可以在盒子外面思考吗？

尽管AI对科学发现的贡献是不可否认的，但最大的问题是：它可以真正思考开箱即用吗？人类的科学进步通常取决于直觉，创造力和挑战现有范式的大胆。这些突破通常来自敢于超越传统智慧的科学家。

另一方面，AI是由数据驱动的。它根据给出的信息来分析模式并预测结果，但它没有人类具有富有想象力的，抽象的思想。从这个意义上讲，AI的创造力与人类的创造力不同。 AI在其数据和算法的约束中运行，这限制了其执行真正创造性，开箱即用的思维的能力。

但是，情况更加细微。 AI表明它可以产生新的假设，提出创新解决方案，甚至挑战某些领域的知识。例如，机器学习模型已用于创建人类以前从未考虑过的新型化合物和设计材料。在某些情况下，这些发现导致了突破，这对于人类研究人员而言很难单独实现。

支持AI创造力的论点

支持者认为，AI通过产生对人类研究人员并不明显的思想来展示创造力。例如，Alphafold使用一种新颖的深度学习架构来解决蛋白质折叠挑战，该蛋白质折叠挑战使科学家陷入了数十年的困扰。同样，Google的双子座2.0驱动的AI也被用来创建原始的假设和研究建议，帮助科学家弥合了不同科学领域之间的差距。芝加哥大学的一项研究表明，AI可以产生“外星人”假设 - 人类可能不会想到的创新思想，从而扩大了科学探索的界限。这些例子表明，AI有可能通过提出新思想来思考框框思考。

反对AI的创造力的争论

批评者认为，AI在根本上受到限制，因为它依赖于现有知识和数据集。它的工作更像是填补数据中的空白，而不是质疑现有的假设。根据评论家的说法，AI的创造力受到训练的数据的限制，以阻止其真正开创性的发现。

著名的AI专家托马斯·沃尔夫（Thomas Wolf）断言，像爱因斯坦（Einstein）的思想一样，真正的创新需要提出全新的问题和具有挑战性的传统智慧。大型语言模型（LLM）和其他AI系统尽管进行了广泛的培训，但并未证明能够产生真正的新颖见解。因此，AI更被视为学习的有效工具，而不是能够破坏既定科学范式的真正思想家。

此外，AI缺乏直觉，情感和偶然性的人类品质，这些品质通常会推动创造性的突破。 AI依靠逻辑和系统过程中的预定算法工作。根据企业家的说法，这种算法方法与人类创造力的不可预测的自发性质大不相同。 ScienceDirect的一项研究论文还认为，AI生成的创造力可能看起来是创新的，但没有提供与人类创造力相同的见解。

综合和含义

尽管AI肯定可以在某些方面进行思考（尤其是在识别模式并提出新解决方案时），但它与人类的创造力有所不同，因为它依赖于数据驱动的分析而不是直觉或生活经验。 AI在科学发现中的作用被更好地理解为人类科学家的合作伙伴，而不是替代。

帝国大学商学院的研究表明，AI补充了传统的科学方法，有助于发现新原则并解决研究生产力下降。同样，凯洛格（Kellogg）的研究人员发现，AI可以在科学领域产生积极的影响，但强调培训和跨学科的合作对于充分利用AI的潜力至关重要。

科学方面最大的进步可能来自将人类创造力与AI的分析能力相结合。他们可以一起加速突破，并导致发现超出我们目前可以想象的发现。

底线

AI通过加速发现并引入新的思维方式来改变科学研究。尽管AI已经证明了产生假设并识别新型模式的能力，但它并不能够像人类一样在框外思考。截至2025年，持续的发展表明，其对科学的影响将继续增长。但是，至关重要的是要确保AI支持人类的努力而不是替代他们，并仔细地关注透明度，验证和道德融合。通过与人类创造力一起工作，AI可以增强科学进步并开放新的探索途径。