想象一下，人工智能不僅能回答你的問題,，還能像人類一樣,，停下來“思考”如何解決問題。這樣的人工智能，是不是很讓人期待,？科學(xué)家也很期待,。除了期待，警醒同樣必不可少,。作為人類科技創(chuàng)新的結(jié)果,，人工智能正在改變千行百業(yè)，甚至開始“反哺”科學(xué)本身——改變科研人員從事科學(xué)研究的方式,，幫助他們解決復(fù)雜的科學(xué)問題,。人工智能時代，科學(xué)研究方式會發(fā)生什么變化,？如何推動科研人員找到新發(fā)現(xiàn),、實現(xiàn)新發(fā)明？它只是科研的工具,，還是可能更進(jìn)一步,，取代科研人員？本期邀請來自物理,、數(shù)學(xué),、醫(yī)學(xué)、氣象等領(lǐng)域的科技工作者,，各抒己見,，分享他們的觀察和思考。物理實驗用上了人工智能講述人：中國科學(xué)院大學(xué)物理科學(xué)學(xué)院教授何吉波我在科研過程中經(jīng)常使用人工智能,，如將深度機(jī)器學(xué)習(xí)應(yīng)用于粒子物理實驗中的在線觸發(fā),、離線信號事例選擇，以及空間引力波探測中的噪聲壓制,、信號檢索與引力波波源參數(shù)反演等,。應(yīng)該說,，人工智能是非常強(qiáng)大的工具，尤其是在基于GPU等計算“加速器”的發(fā)展帶來的算力大幅提升之后,，使用人工智能可以大幅度提高物理數(shù)據(jù)分析的效能,。我也曾嘗試問人工智能引擎一些物理問題，它能實時給出相關(guān)文獻(xiàn)的初步總結(jié),，但只能作為參考,，想要準(zhǔn)確深入理解，還是要仔細(xì)閱讀文獻(xiàn),。人工智能“火”了之后,，經(jīng)常討論的一個話題是：人工智能是否會取代物理學(xué)家？我一直是堅定的反方,。物理是一門實驗的學(xué)科,，人類通過觀測自然界，總結(jié)出一些物理規(guī)律來描述自然界,。像牛頓,、愛因斯坦等在已有知識和實驗觀測數(shù)據(jù)的基礎(chǔ)上，提出了描述自然的全新理論方式,，然后給出一些新的預(yù)言,，這些預(yù)言通過實驗的檢驗后，相應(yīng)理論才會被廣泛接受,。這個過程中也發(fā)展了新的數(shù)學(xué)工具,，例如微積分等。人類若不去進(jìn)一步做實驗,，就無法知道這些理論的對錯和局限性,，更無法發(fā)現(xiàn)新的現(xiàn)象和新的規(guī)律。有人認(rèn)為,，將來可以采用計算機(jī)仿真,，包括更進(jìn)一步用“數(shù)字孿生”來代替實驗。如果說仿真是照片,，那么數(shù)字孿生就是電影,，不但能描述狀態(tài)（照片），還能描述狀態(tài)隨時間的演化,。但即使是相對簡單的仿真,，我們必須對其中的組分及其相互作用有非常好的理解，仿真才可能接近真實實驗,。所以,，我很認(rèn)同一種對計算機(jī)仿真的觀點——計算機(jī)的輸出，取決于人類給的輸入,。這也就意味著,，只有人類先理解清楚了物理機(jī)制,，計算機(jī)才可能實現(xiàn)“仿真”。而真正意義上的“數(shù)字孿生”需要更進(jìn)一步理解演化規(guī)律才可能實現(xiàn),，對于超過“三體”的復(fù)雜系統(tǒng)而言難度更大,。在我看來，人工智能只能獲取和利用已有知識,，但是無法創(chuàng)造新的知識,，所以物理學(xué)家不用擔(dān)心有一天會被人工智能取代。人工智能與數(shù)學(xué)互幫互助講述人：西北工業(yè)大學(xué)計算機(jī)學(xué)院計算機(jī)科學(xué)與軟件系主任陳伯林我的本科和碩士教育背景是數(shù)學(xué),，目前主要從事基于人工智能與大數(shù)據(jù)分析技術(shù)的復(fù)雜疾病致病機(jī)理認(rèn)知與精準(zhǔn)診療方法研究,。在日常科研中,，我深切體會到人工智能與數(shù)學(xué)這兩個學(xué)科之間的相互融合,、相互促進(jìn)。最深的感受就是,，人工智能與數(shù)學(xué),，須臾不可分,。許多人工智能算法和模型都建立在數(shù)學(xué)的基礎(chǔ)上,，比如機(jī)器學(xué)習(xí)中的分類、聚類,、回歸等都依賴數(shù)學(xué)中的統(tǒng)計學(xué),、線性代數(shù)與最優(yōu)化理論，而深度學(xué)習(xí)中的神經(jīng)網(wǎng)絡(luò)以及參數(shù)訓(xùn)練方法也依賴代數(shù),、圖論與微積分理論,。這些數(shù)學(xué)中的理論與方法，為人工智能提供了大量的算法工具,。同樣的,，人工智能也可以使用大規(guī)模運(yùn)算和自動推理來求解復(fù)雜的數(shù)學(xué)問題，從而更高效地解決數(shù)學(xué)難題,，推動數(shù)學(xué)領(lǐng)域的發(fā)展,。例如，人工智能可以在超高維空間中進(jìn)行快速搜索,，從而找到人類數(shù)學(xué)家可能忽略的新定理,，也可以通過數(shù)理邏輯，完成復(fù)雜且漫長的數(shù)學(xué)推導(dǎo)與計算,，提高解決問題的效率,。這么看，人工智能正如一個“黑盒子”：一組輸入經(jīng)過一定的處理,，得到一種輸出,，這不就是“函數(shù)”嘛,。人工智能的核心，或許是一種“函數(shù)”關(guān)系,，只是區(qū)別于普通的函數(shù),，大部分深度學(xué)習(xí)模型的函數(shù)關(guān)系都是無法顯性表示的。而由于模型夠深,，其具有足夠的表現(xiàn)能力,，能夠去擬合幾乎任意的函數(shù)關(guān)系，所以人工智能沒有追究這個黑盒子的工作原理到底是什么,，而是用大量的數(shù)據(jù)去擬合它,，就得到了相對較好的結(jié)果，取得了廣泛的應(yīng)用,。人工智能與數(shù)學(xué)的融通共進(jìn),，更不意味著一方可以取代另一方。著名數(shù)學(xué)家丘成桐先生曾指出,，“人工智能對數(shù)學(xué)有很多好處,，可以幫助數(shù)學(xué)發(fā)展，但還不可能改變數(shù)學(xué)”,。人工智能可以通過大量的計算與邏輯推理,，幫助數(shù)學(xué)家產(chǎn)生新的創(chuàng)意與想法，為數(shù)學(xué)家提供更多的創(chuàng)造靈感,，從而加速數(shù)學(xué)的研究,。但數(shù)學(xué)是一門非常廣泛與抽象的學(xué)科，很多概念和問題都已經(jīng)超出了人工智能的能力范疇,，需要人類的創(chuàng)造力,、洞察力與理解能力來解決問題，這些是人工智能尚無法模擬的,。而人工智能的發(fā)展,，也深度依賴基礎(chǔ)算法與理論的提出、算力的提升以及大規(guī)模數(shù)據(jù)的支持,。數(shù)學(xué)在其中也只是起到了基礎(chǔ)性的作用與貢獻(xiàn),。因此，我認(rèn)為,，在當(dāng)前的時代,，人工智能與數(shù)學(xué)，就像兩位互幫互助的朋友,，它們快速發(fā)展,、融通共進(jìn)，共同為人類的進(jìn)步作出自己的貢獻(xiàn),。醫(yī)學(xué)需要人工智能也需要人性化講述人：北京大學(xué)人民醫(yī)院胸外科副主任醫(yī)師周健近年來,，人工智能技術(shù)在生物醫(yī)學(xué)領(lǐng)域取得了顯著進(jìn)展,。比如，傳統(tǒng)的腫瘤研究需要耗費(fèi)大量時間和人力來分析多模態(tài)數(shù)據(jù),，尋找關(guān)鍵突變與潛在治療靶點?，F(xiàn)在，深度學(xué)習(xí)模型能夠快速,、高效地處理海量多模態(tài)數(shù)據(jù),，幫助科學(xué)家從復(fù)雜的數(shù)據(jù)中提取有價值的信息。通過這些數(shù)據(jù)驅(qū)動的模型,，我們不僅可以更快地識別腫瘤相關(guān)的基因突變等重要信息,，還能夠預(yù)測患者對特定治療方案的反應(yīng)。借助深度學(xué)習(xí)算法,，人工智能還可以精準(zhǔn)地檢測早期肺癌,、識別病灶，并提供詳細(xì)的病理信息,。從臨床科研的角度來看,，人工智能的確推動了科研范式的變革。過去,，醫(yī)學(xué)研究依賴于假設(shè)驅(qū)動的實驗設(shè)計,。如今，數(shù)據(jù)驅(qū)動的研究模式逐漸成為主流,。這種模式讓我們能夠從數(shù)據(jù)中發(fā)現(xiàn)新的規(guī)律,，提出新的假設(shè),，甚至挑戰(zhàn)傳統(tǒng)醫(yī)學(xué)理論,。例如，科研人員利用人工智能成功發(fā)現(xiàn)特發(fā)性肺纖維化的新靶點,，并推進(jìn)了相關(guān)藥物的開發(fā),。當(dāng)然，這種新范式也帶來了挑戰(zhàn),。一方面,，數(shù)據(jù)驅(qū)動的研究需要大量高質(zhì)量的數(shù)據(jù)作為支撐，但現(xiàn)實中數(shù)據(jù)往往存在噪聲,、偏差甚至缺失,。這可能導(dǎo)致模型訓(xùn)練出現(xiàn)偏差，影響研究結(jié)果的可靠性,。另一方面,，科研人員需要具備跨學(xué)科的知識背景，包括計算機(jī)科學(xué),、統(tǒng)計學(xué)和生物醫(yī)學(xué),。這對傳統(tǒng)醫(yī)學(xué)教育提出了新的要求,，一定程度上加劇了“數(shù)據(jù)科學(xué)家”與“醫(yī)學(xué)專家”之間的知識鴻溝。此外,，醫(yī)學(xué)數(shù)據(jù)的共享對于人工智能模型的訓(xùn)練至關(guān)重要,，但如何在保護(hù)患者隱私的同時實現(xiàn)數(shù)據(jù)的開放共享，是一個需要深思的問題,。但不管怎么說,，我們都應(yīng)以開放的心態(tài)迎接這一技術(shù)革命，同時保持審慎,，確保其在應(yīng)用過程中造福人類,。期待人工智能技術(shù)能夠進(jìn)一步提升診斷的精準(zhǔn)度，幫助我們更好地理解腫瘤的發(fā)生發(fā)展機(jī)制,，從而開發(fā)出更高效的治療方案,。但與此同時，我們應(yīng)警惕,，不能因過度依賴人工智能而忽視醫(yī)學(xué)的“人性化”,。醫(yī)學(xué)不僅僅是一門科學(xué)，醫(yī)生的臨床經(jīng)驗,、直覺以及與患者的溝通,，都在診療過程中扮演著不可替代的角色。人工智能不應(yīng)替代人性化因素,，而應(yīng)成為醫(yī)生的輔助工具,，與醫(yī)生共同為患者提供最優(yōu)治療方案。天氣預(yù)報迎來新的“革命”講述人：江蘇省氣象臺高級工程師莊瀟然作為一名氣象預(yù)報工作者,，我能感受到人工智能特別是深度學(xué)習(xí)技術(shù),，已逐漸影響到氣象預(yù)報的方方面面。與數(shù)值天氣預(yù)報所帶來的“寂靜的革命”相比,，這次人工智能革命似乎來得更加“喧鬧”,。首先還是要肯定人工智能發(fā)揮的作用。比如,，在強(qiáng)對流等災(zāi)害性天氣的監(jiān)測及短臨預(yù)報中,，過去主要依賴天氣雷達(dá)開展災(zāi)害識別。相較之下,，深度學(xué)習(xí)技術(shù)對于復(fù)雜非線性現(xiàn)象的刻畫能力,，與強(qiáng)對流天氣局地性、突發(fā)性,、并發(fā)性等特質(zhì)不謀而合,，使得預(yù)報對流風(fēng)暴強(qiáng)度演變成為可能。在中短期天氣預(yù)報領(lǐng)域，人工智能大模型不僅在運(yùn)算效率方面遠(yuǎn)超傳統(tǒng)數(shù)值模式,，對于高空環(huán)流形勢和臺風(fēng)路徑預(yù)報也具有明顯優(yōu)勢,。聚焦智能網(wǎng)格定量降水預(yù)報，江蘇省氣象臺利用深度學(xué)習(xí)技術(shù)實現(xiàn)模式偏差演變規(guī)律的有效挖掘,，形成了0至36小時短期模式降水偏差訂正技術(shù),，暴雨預(yù)報準(zhǔn)確率較數(shù)值模式提升超25%。盡管階段性進(jìn)展顯著,，但當(dāng)前人工智能在氣象領(lǐng)域的應(yīng)用仍存在諸多挑戰(zhàn),。就技術(shù)層面而言，強(qiáng)對流天氣發(fā)展演變瞬息萬變,，如何利用更高維度,、更深層次的人工智能模型，挖掘更多的復(fù)雜規(guī)律以實現(xiàn)3至6小時甚至更長時效的強(qiáng)對流預(yù)報,？就物理可解釋性層面來說,，人工智能不可避免的“黑箱”屬性使其仍難以完全得到氣象領(lǐng)域的廣泛認(rèn)可，如何實現(xiàn)氣象物理特征量與人工智能模型的科學(xué)共生,，將是未來相當(dāng)長一段時間內(nèi)氣象從業(yè)者探索的主題,。就預(yù)報業(yè)務(wù)流程而言，如何利用人工智能推動氣象預(yù)警流程的智能化,？除此之外,，如何利用多源氣象觀測構(gòu)建更高質(zhì)量人工智能數(shù)據(jù)集，如何克服深度學(xué)習(xí)普遍存在的“模糊”,，如何建立場景化的人工智能預(yù)報技術(shù)評估方法……很多具體的問題亟待解決,。可見,，無論是預(yù)報技術(shù)的突破還是新型智能化預(yù)報流程的建立,，對于氣象預(yù)報科研人員而言，人工智能帶來的挑戰(zhàn)與機(jī)遇將并存,。我們要做的,，就是積極擁抱人工智能,，做好這場變革的見證者和參與者,。（項目團(tuán)隊：記者崔興毅、張亞雄,、陳海波）(責(zé)編：李昉,、郝孟佳)更多精彩資訊請在應(yīng)用市場下載“央廣網(wǎng)”客戶端。歡迎提供新聞線索,，24小時報料熱線400-800-0088,；消費(fèi)者也可通過央廣網(wǎng)“啄木鳥消費(fèi)者投訴平臺”線上投訴。版權(quán)聲明：本文章版權(quán)歸屬央廣網(wǎng)所有，未經(jīng)授權(quán)不得轉(zhuǎn)載,。轉(zhuǎn)載請聯(lián)系：[email protected],，不尊重原創(chuàng)的行為我們將追究責(zé)任。