“AI科學(xué)家”登場 科研自動化時代來了

？

，該“AI科學(xué)家”只能開展機(jī)器學(xué)習(xí)領(lǐng)域的研究，且缺乏科研過程的關(guān)鍵部分：動手進(jìn)行實驗的能力。

艾倫人工智能研究所計算機(jī)科學(xué)家湯姆·霍普表示

，目前該大語言模型“仍無法提出并制定新穎有用的科學(xué)方向”。勞倫斯伯克利國家實驗室材料科學(xué)家赫布蘭德·希德則認(rèn)為，即使該系統(tǒng)在短期內(nèi)無法完成更具創(chuàng)造性的工作，仍可將科研過程中一些重復(fù)性內(nèi)容自動化。

Sakana AI也強(qiáng)調(diào)，此類系統(tǒng)能否提出真正的變革型想法仍未有定論

。未來的“AI科學(xué)家”能否發(fā)明出像人工神經(jīng)網(wǎng)絡(luò)或信息論一樣的概念也還是個未知數(shù)。

能力越強(qiáng)越需慎用

研究人員表示，為擴(kuò)大該“AI科學(xué)家”的能力

，讓其能夠研究更抽象的領(lǐng)域，如純數(shù)學(xué)領(lǐng)域，可能需要調(diào)遣語言模型之外的其他技術(shù)。

例如

，解決數(shù)學(xué)問題需要邏輯推理，而目前大多數(shù)AI模型都不擅長邏輯推理。鑒于此，谷歌深度思維公司開發(fā)出AlphaGeometr，將語言模型與符號引擎(使用符號和邏輯規(guī)則進(jìn)行推理)相結(jié)合，構(gòu)建出一種神經(jīng)—符號混合系統(tǒng)。在今年的奧林匹克數(shù)學(xué)競賽中，升級后的AlphaGeometry2在19秒內(nèi)就解答出一道題，令人類選手望塵莫及