生成式人工智能领域风起云涌，议论甚多。不少人会发出这样的感慨：照这样下去，自己被 AI 取代只不过是时间问题了。比如有不少青年科研工作者，有做生化环材诸 ” 天坑 ” 的，有做计算机科学研究的，其中也有几位，时不时调侃一句：” 看样子，我这样的科学家大概也免不了被 AI 取代…… “
这样的事情真的会发生嘛？这确实是一个非常有意思的问题。
首先可以肯定的是，在近 10 年里，AI 在科学领域也 ” 成果颇丰 “，并且 AI 的身影频繁出现在看似跟 AI 毫无关联的领域中。从生物化学领域的蛋白质结构预测，到气象领域的天气预测，从医学影像识别领域，到预测绘制化学分子的气味图谱，都能见到 AI 的身影。
要回答 ” AI 是否会取代科学家？”，要先了解目前 AI 在这三方面的具体应用情况。
图库版权图片，转载使用可能引发版权纠纷
AI 辅助提升
科研人员工作效率
2023 年，《自然》杂志（Nature）进行了一项针对 1600 名科学家的调查研究，以了解科研工作者对生成式 AI 的使用状况和想法。
结果显示，有一半的参与者本身就是研究 AI 领域的研究者。如果排除这部分人群，在非 AI 领域的研究者中，也有超过一半的人会在科研工作中使用 AI。
研究人员使用 AI 情况，图片来源：参考文献 [ 1 ]
在科研人员眼中，生成式 AI 的优势可以利用在三个方向：辅助非英语母语的作者撰写论文（包括编辑和翻译）、用 AI 编写代码、用 AI 提炼论文内容以节省阅读时间。
生成式 AI（在科研领域）的优点，图片来源：参考文献 1
辅助非英语母语的作者撰写论文很好理解，生成式 AI 的英语内容生成能力，确实会比不少母语不是英语的人更 ” 地道 “。并且 AI 可以根据需求，将文章的表述调整得更接近科研论文风格。
而 AI 编写代码也可以大大减少研究者的时间，只要给出清晰的要求，诸如 GPT 之类的大模型就可以按照要求生成代码，并且可以对每一段代码的功能进行说明。
AI 编写代码不仅能帮助计算机专业的研究者，非计算机专业的研究者同样有编程需求（比如做生物信息分析），AI 编写代码确实可以大大提高工作效率，让研究者把智力和时间花费在自己更擅长更重要的事情上。
而今天，生成式 AI 提取摘要关键信息的能力已经非常优秀，并且可以根据要求，对论文的特定模块，比如 ” 研究方法 “” 结果与讨论 ” 等部分做更精确的信息提取。因此，用 AI 来 ” 过滤 ” 论文，确实可以节约时间。
但在这些应用中，AI 并没有直接参与科学研究，它更像是一本方便查询的字典或者称手的螺丝刀，能够帮助科研人员提高工作效率，而科学研究的核心工作还是由科学家来完成的。
AI 参与论文撰写和评审
AI 写论文
自 2022 年末 GPT 3.0 发布以来，生成式 AI 的内容撰写能力得到了人们广泛的认可。并且在一些中学和大学中，学生使用生成式 AI 来写作业、写小论文早已不再是什么新鲜话题。
但没有学校会鼓励这样的行为，毕竟，这样的 ” 偷懒 ” 行径不利于学生的思考和成长。
不过，在《自然》杂志的调查中，有些研究者也提到，可以使用 AI 来撰写论文稿件以节约时间，这就涉及到 ” 用 AI 写论文 ” 这件事了。
实际上，对于年轻科学家来说，写论文算是一个 ” 基本功 ” 性质的工作。而对于一些不需要做实验的研究领域，查资料写论文几乎占据了科学研究的绝大部分内容。如果 AI 可以写论文，那这些领域科学家工作会不会受到影响？
需要强调的是，科学界并不认可直接使用 AI 撰写论文。
首先，我们要区分写论文的两种方式：” 先由人类撰写论文初稿，再由 AI 调整语句和表达 ” 和 ” 由 AI 生成论文初稿，再由人类优化 “。这两个写论文的方式看起来只是顺序颠倒了，但本质上却是两件完全不同的事情。
由人类科学家撰写初稿的时候，对于数据的分析，对结果的讨论完全是人类科学家展开的。即便是综述型论文的撰写，对于内容的整合讨论和思考，也是科学家智慧的表达。而后续的 AI 优化，只是对语法、表述方式的优化。AI 只是工具，不是作者。
但如果先由 AI 生成稿件，人类做修改，AI 就成了作者。AI 虽然能够产出 ” 看起来像那么回事 ” 的文字，但 AI 在生成论文内容的时候，并不会带有 ” 科学家的思考 “，只是根据预训练的内容生成文字，得出的结论可能是偏颇的、不合理的。
而更糟糕的是，AI 在撰写的论文会存在一些 ” 莫名其妙 ” 的错误。比如，AI 会凭空捏造文献，遵守学术道德的科研工作者在写论文的时候不会存在这样的问题。而对于一个直接用 GPT 生成论文的人来说，很可能也不会逐篇检查文献。这样的论文投递出去，纯粹是浪费审稿人员的时间。
目前，很多期刊公司已经明确禁止把 AI 作为论文作者。比如《自然》和《科学》（Science）。爱思唯尔（Elsevier）、斯普林格（Springer）等知名的学术期刊出版公司，都发布了声明禁止出现 “AI 作者 “，对于论文中其他使用到 AI 的地方，必须注明使用方式以及 AI 模型版本。
同时，AI 生成的图片一般情况下也是不允许发表的（特殊情况下经过编辑允许可例外）。
因为 AI 绘图时候并不是对现实内容的精准还原。这在艺术创作领域并不是什么严重问题，但科研论文中的图片，必须真实严谨，因此，AI 生成的图片并不被允许。比如前段时间在学术界闹得沸沸扬扬的 “AI 小鼠 ” 图片，就与科学事实严重不符，因而被撤稿。
被撤稿的文献中用 Midjourney 生成的图片
当然了，学术期刊领域并不是绝对排斥 AI 技术。
比如，在爱思唯尔（Elsevier）公司的声明中就提到，AI 技术是可以用于提升论文的可读性和优化语言表达的。而且使用检查拼写、语法和参考文献的基础性 AI 工具的时候，不需要做特别说明。
所以，在撰写科学论文方面，AI 并不会替代人类科学家，但可以提高科学家写论文的效率。
AI 参与论文评审
在科学论文领域，还有一项令科研人员头疼的问题——同行评审。
科研人员在自己的研究工作之外，还需要评审同行的科研论文。随着科研论文的增加，科研人员需要投入在同行评审上的时间也越来越多。
而现在，AI 工具也开始出现在这一领域，帮科学家减轻负担。比如，Penelope.ai 工具，可以检查稿件结构和参考文献格式；StatReviewer 可以用于检验数据和统计方法的可靠性。
另外，一种叫 UNSILO 的工具，可以提取论文的概要，方便人类科学家评审。还有一些研究人员直接使用 Chat-GPT 之类的 AI 生成同行评审内容。
在 AI 参与同行评审问题上，AI 可以参与多少，以及以何种方式参与还有待商榷。但可以确定的是，目前，绝大部分期刊的论文评审工作依然需要人类科学家完成。
美国国立卫生研究院（NIH）和澳大利亚研究委员会（ARC）都发表声明，禁止科研人员使用 AI 生成同行评审内容。因为科研论文的评审会涉及专业的知识，而且论文中可能涉及敏感数据，上传到 Chat-GPT 可能存在数据泄露的风险。
AI 直接介入科学研究相关工作
前面说到的都是 AI 作为辅助工具参与科学研究的情况。而在某些领域，AI 起到的作用可能真的不亚于人类科学家。实际上，早在生成式 AI 兴起之前，AI 就已经在这些领域大放异彩了。
作为预测模型
DeepMind 公司开发的蛋白质三维结构预测程序 AlphaFold 就是一个典型的例子。
长期以来，研究蛋白质的结构是一项重要但又困难的事情。因为蛋白质的三维结构决定了蛋白质的功能。但在过去 60 年的时间里，人类总共观察了 17 万种蛋白质的结构，这还不到自然界中蛋白质总数的 1%。
蛋白质是由氨基酸序列折叠形成的，科学家们也试图找到氨基酸序列和蛋白质结构之间的关系。可这并不容易，因为氨基酸链在折叠的可能性太多了，如果用计算机遍历所有可能的结构，寻找其中最稳定的，需要的时间会是一个天文数字。
这个难题与 AI 下围棋时候要解决的问题很类似。于是，制作大名鼎鼎的围棋机器人 AlphaGo、AlphaZero 的 DeepMind 公司就利用 17 万种已知的蛋白质数据制作了 AlphaFold 模型。
在 2018 年，AlphaFold 在蛋白质结构预测上的准确度就超过了顶尖的人类科研团队。在新冠疫情期间，AlphaFold 2 也参与了新冠病毒突刺蛋白的结构预测，并且共享了结果。
当然了，AI 同样可以用在其他预测模型上。
比如 2023 年，谷歌利用 AI 绘制了 50 万种化学分子的气味图谱，帮助人类理解化学分子和嗅觉之间的关联。并且根据这样的图谱，科学家们可以按照目标气味合成对应的化学物质。
在天气预测领域，AI 模型也有不错的表现。比如天气预测模型 GraphCast 可以在 1 分钟之内预测未来 10 天的全球天气，并且预测准确度比传统的模型准确度更高，成本也更低。
作为重要处理工具
另外，AI 对于数据的分析处理能力，同样可以帮人类科学家更好地进行研究。通过训练，AI 可以在大量的数据中去除噪声数据，让科研人员获得更可靠的信息。
而利用 AI 工具，科学家可以优化地面望远镜拍摄到的图像，消除大气层的干扰。而且应用深度学习的 AI 模型优化效果比传统的方法更高。
地面望远镜拍摄到的照片逐渐去噪（左上为原始图像，右下为处理之后图片），图片来源：参考文献 [ 7 ]
另外，2019 年科学家发布了一张黑洞照片，引起了全世界的关注。当时，大家看到的是下图中左边的样子。2023 年，在 AI 模型 PRIMO 的帮助下，科学家优化了这幅图像，成了下图中右边图像的样子。
2019 年发布的黑洞照片（左）和经过 PRIMO 处理后（右）。图片来源，参考文献 [ 8 ]
这样更高分辨率的图像，对于科学家更准确地估算黑洞的质量、大小以及物质消耗速率能起到帮助。
当然，除了对图像去噪，AI 的数据处理能力同样可以应用在其他类型的数据中。可以说，在 AI 工具的帮助下，科学家们确实能拿到更多更好的结果，这对于科研人员来说是非常有价值的。
从前面的应用中我们可以看出，在科学研究领域，人类科学家依然有着不可替代的作用。从科研思路的提出，到实验方法的设计，再到进行实验、分析数据，都需要人类科学家的智慧。
在生成式 AI 出现之后，人们虽然可以用它辅助优化文字、语法、表述，但论文的撰写以及同行评审依然依赖人类科学家。
而即便是在 AI 预测蛋白质模型这样的案例中，最终的观察验证还是要由人类科学家完成。且在这些模型中，AI 虽然能够做出预测，但 AI 的预测过程是一个 ” 黑箱 “，AI 并不能够解释为什么做出这样的预测。对于蛋白质折叠的机理的探索，依然需要人类科学家完成。
但无可否认的是，在 AI 的帮助下，科学家解决问题的效率确实提高了。科学家们可以把注意力和时间更多地集中到更高维度的思考上。
目前，依然有不少科研领域还没有 AI 参与，但正如哈佛商业学院教授卡里姆 · 拉卡尼说到的，AI 并不会取代人类，但使用 AI 的人类会取代不使用 AI 的人类。
科学研究工作，当然也是如此。
参考文献
[ 1 ] Van Noorden R, Perkel J M. AI and science: what 1,600 researchers think [ J ] . Nature, 2023, 621 ( 7980 ) : 672-675.
[ 2 ] Kacena M A, Plotkin L I, Fehrenbacher J C. The use of artificial intelligence in writing scientific review articles [ J ] . Current Osteoporosis Reports, 2024: 1-7.
[ 3 ] https://www.science.org/content/article/science-funding-agencies-say-no-using-ai-peer-review
[ 4 ] https://www.science.org/content/article/ai-churns-out-lightning-fast-forecasts-good-weather-agencies
[ 5 ] https://www.science.org/content/page/science-journals-editorial-policies?adobe_mc=MCMID%3D79730734082570706754102817179663373464%7CMCORGID%3D242B6472541199F70A4C98A6%2540AdobeOrg%7CTS%3D1675352420#:~:text=In%20addition%2C%20a,s%20scientific%20misconduct
[ 6 ] https://www.science.org/content/article/game-has-changed-ai-triumphs-solving-protein-structures
[ 7 ] https://www.space.com/ai-software-unblurs-images-ground-based-telescopes [ 8 ] https://www.space.com/first-ever-black-hole-image-ai-makeover [ 9 ] https://hbr.org/2023/08/ai-wont-replace-humans-but-humans-with-ai-will-replace-humans-without-ai
策划制作
作者丨田达玮 中科院海洋所 硕士
审核丨于旸 腾讯玄武实验室负责人
策划丨徐来
责编丨林林
相关推荐
本文封面图片及文内图片来自版权图库
转载使用可能引发版权纠纷
原创图文转载请后台回复 ” 转载 “
点亮 ” 在看 “
一起涨知识！
原文链接：http://app.myzaker.com/news/article.php?m=1716623558&pk=665193fcb15ec017206300e9
