[[431348]]

人工智能是新時代的煉金術?

根據著名的人工智能研究員阿里·拉希米和其他人的說法，今天時髦的神經網絡和深度學習技術是基于一些技巧的集合，再加上一絲樂觀主義，而不是系統的理論。這種思想認為，現代算法工程師處理程序和算法的思路與古代煉金術士一廂情愿地拼湊哲人石配方時差不了多少。

誠然，我們對AI算法的內部運作或其應用的局限性沒有什么基本的了解。這些新形式的人工智能與傳統的計算機代碼非常不同，后者可以逐行理解。但前者相反，它們是黑盒子，人類甚至機器本身似乎都不知道它們會輸出什么結果。

人工智能界的這種討論對所有科學都有影響。隨著深度學習進入到當前科學的許多領域--從藥物研發到智能材料的設計，再到粒子碰撞的分析--科學本身可能面臨著被概念性黑盒子吞噬的風險。讓一個計算機程序來教化學或物理課是很難的。由于如此依賴機器，我們是否正在拋棄已經證明非常成功的科學方法，而重新回到煉金術的野蠻實踐中去?

因其在神經網絡方面的開創性工作而獲得2018年圖靈獎的聯合獲獎者揚·勒庫恩說，還不至于。他認為，人工智能研究的現狀在科學史上并不新鮮。它只是許多領域都經歷過的一個必要的青春期階段，其特點是試驗和犯錯、混亂、過度自信和缺乏整體理解。我們沒有什么可擔心的，而且從接受這種方法中可以得到很多。只要我們意識到它們的局限。

畢竟，我們很容易想象知識的流向，從一個抽象概念的源頭，經過實驗的曲折，到實際應用的廣泛三角洲。這就是著名的 "無用知識的有用性"，由亞伯拉罕·弗萊克斯納在其1939年的開創性文章中提出(本身就是對啟蒙運動期間出現的 "有用知識" 這一美國概念的發揮)。

阿爾伯特·愛因斯坦的廣義相對論是這一流程的典型說明。這一切都始于一個基本的想法，即物理學定律應該對所有觀察者都適用，與他們的運動系無關。然后他將這一概念轉化為彎曲時空的數學語言，并將其應用于引力和宇宙的演變。如果沒有愛因斯坦的理論，我們智能手機中的GPS每天會偏離約7英里。

但是，也許這種關于無用知識的有用性的范式就是丹麥物理學家尼爾斯·玻爾喜歡稱之為 "偉大的真理"--一個真理的反面也是一個偉大的真理。也許，正如人工智能所展示的那樣，知識也可以向上流動。

正如勒庫恩所建議的，在廣泛的科學史上，我們可以發現這種效應的許多例子，這也許可以被稱為 "有用知識的無用性"。一個總體性的、根本性的重要思想可以從一長串的逐步改進和游戲性的實驗中產生。

也許最好的說明是熱力學定律的發現，它是所有科學分支的基石。這些描述能量守恒和熵增的優雅方程是最基本的自然法則，物理現象都需要服從。但是，這些普遍的概念只是在經過長期的、混亂的實驗之后才變得明顯，從18世紀第一臺蒸汽機的建造和對其設計的逐步改進開始。從實踐考慮的濃霧中，數學定律慢慢出現了。

對于另一個例子，我們可以轉到流體力學的歷史。一個直接的問題呈現在早期人類面前--在各種水路上的運輸--他們盡其所能來克服它，而不擔心甚至不關心對流體力學的基本理解。在隨后的幾千年里，人們建造和航行船只，完全根據經驗知識和經驗來設計更有效的形狀。

直到19世紀，我們才偶然發現了著名的納維-斯托克斯方程，該方程以數學的精度刻畫了流體的運動。即使在那時，由于機械發動機的出現和更高的速度推動了對理論考慮的需求，知識也一直在向上流動。

人們甚至可以說，科學本身也遵循同一路徑。在17世紀現代研究的方法和實踐誕生之前，科學研究主要包括非系統的實驗和理論研究。長期以來，這些古老的實踐被認為是學術上的死胡同，但近年來卻被重新評價。煉金術現在被認為是現代化學的有用甚至是必要的先驅--與其說是胡鬧，不如說是元科學。

拼湊和修補，是通向宏偉理論和見解的一條富有成效的道路，對于目前以新穎方式結合先進工程和基礎科學的研究來說尤其重要。在突破性技術的推動下，納米物理學家正在進行修補，在分子水平上建造相當于蒸汽機的現代設備，操縱單個原子、電子和光子。諸如CRISPR這樣的基因編輯工具使我們能夠剪切和粘貼生命本身的代碼。憑借難以想象的復雜結構，我們正在將大自然推向現實的新角落。有了這么多探索物質和信息的機會，我們會邁進現代煉金術的黃金時代，在這個詞最正面的意義上。

然而，我們永遠不應忘記歷史上來之不易的教訓。煉金術不僅是一門原生科學，也是一門 "超科學"，它給出的承諾過高，卻又交付不足。就像占星術曾被如此重視，以至于社會文化不得不適應去屈就理論，而非反過來。不幸的是，現代社會并沒有擺脫這種神奇的思維，對無所不能的算法給予過多的信任，而沒有批判性地質疑其邏輯或道德基礎。

科學總是遵循一種自然的節奏，即擴張和集中階段的交替。無序探索的時期之后是鞏固期，將新知識建立在基本概念之上。我們只能希望，目前在人工智能、量子設備和基因編輯方面的創造性修補時期，以及其豐富的有益應用，最終將導致對世界的更深入的理解。