一个新的研究探讨了人工智能不仅可以更好地预测科学发现，还可以有效地扩展这些发现。研究人员在《自然人类行为》杂志上发表了他们的研究成果，他们建立了能够预测人类推论的模型，以及作出这些推论的科学家。



作者还建立了避免人类推理的模型，以产生科学上有希望的“外星”假设，这些假设直到遥远的未来才可能被考虑，如果有的话。 他们认为，这两次演示—第一个允许加速人类的发现，而第二个识别并越过其盲点—意味着具有人类意识的人工智能将允许超越当代科学前沿。

“如果你意识到人们在做什么，你就可以提高预测的准确性，并超越他们来加速科学的发现，”合著者、社会学系教授兼知识实验室主任James A. Evans解释道。“你还可以弄清楚人们当前不能做的事情，或者几十年甚至更久的将来不能做的事情。通过提供这种互补的智能，来增强他们的能力。”

根据已发表的科学发现训练的人工智能模型已被用于发明有价值的材料和靶向疗法，但它们通常忽略了所涉及的人类科学家的贡献。研究人员考虑到了人类在历史上进行研究时的竞争与合作方式，因此他们想知道如果人工智能程序明确知道到人类的专业知识，我们是否能够通过追求和探索人类尚未探索的领域来更好地补充集体的人类能力？

预测发现的未来

为了测试这个问题，团队首先通过在研究文献中建立随机漫步来模拟推理过程。他们从一个属性开始，比如COVID疫苗，然后跳到一篇具有相同属性的论文，再跳到同一作者的另一篇论文，或者引用了那篇论文的材料。

他们运行了数百万次这样的随机漫步，他们的模型对未来发现的预测比那些只关注研究内容的预测提高了400%，特别是在相关文献稀少的情况下。他们还可以以超过40%的准确率预测将会做出这些发现的实际人员，因为该程序知道被预测的人是少数几个其经历或关系与所讨论的属性和材料相关联的人之一。

Evans将这个模型称为科学系统的“数字替身”，它可以模拟系统中可能发生的情况，并对替代可能性进行实验。他解释说，这突显了科学家们与他们所拥有的方法、属性和人员密切相关的方式。

他说：“它还让我们了解到关于该系统及其限制的一些信息。例如，大体上，研究表明我们当前的科学系统中的一些方面，如研究生教育，并没有为发现而调整。它们是为了给人们一个帮助他们找工作的标签而设立的—为了填补劳动力市场的需求。它们并没有最大程度地优化新的、与技术相关的发现。要做到这一点，每个学生都可以成为一个实验—跨越专业知识领域中的新空白。”

在论文的第二个演示中，他们要求人工智能模型不要做出最有可能被人工发现的预测，而是找出科学上可行但最不可能被人类发现的预测。

研究人员将这些视为"外星"或"互补"推论，指科学上可行但不太可能被人类在近期内发现的预测或假设。这些推论具有以下三个特点：它们很少被人类发现，即使被发现，科学系统也需要很多年的时间重新组织自身才能承认它们，而且这些外星推论通常比人类的推论更好。这些推论探索了全新的领域，避免了人类科学活动的连接和配置，为科学探索开辟了新的可能性。

彻底增强的智能

Evans解释说，将人工智能视为试图复制人类能力的尝试—以艾伦·图灵（Alan Turing）的模仿游戏为基础，人类是智能的标准—并不能帮助科学家加速解决问题的能力。与其人工复制，我们更有可能受益于集体智慧的彻底增强，他说。

Evans说：“在科学、技术、文化等这些领域，人们都在努力保持领先地位。当别人使用你的想法或技术时，你就能通过影响力生存下来。而最大化这种影响力的方法就是紧跟大部队。我们的模型通过创建算法来补充这种偏差，这些算法遵循科学可信性的信号，但完全避开与主流思维相符的情况。”

与其反映近期人类科学家的思考，不如利用人工智能超越现有的方法和合作，扩大人类的能力，支持更好的探索。

Evans说：“这是关于将人工智能的框架从人工智能改变为彻底增强的智能，这需要对个体和集体的认知能力进行更多而不是更少的研究。当我们对人类理解的了解更多时，我们可以明确地设计出弥补其局限性并促使我们共同获得更多知识的系统。”

 

来源：https://techxplore.com/news/2023-07-human-aware-ai-scientific-discoveries.html