“后理论科学”时代来临了吗?

FacebookPrintFont Size繁体

【新唐人北京时间2022年01月23日讯】在各种人工智能机器学习系统快速发展的今天,学者把它们称为“后理论科学”(post-theory science)。有的人疑惑,传统科研方法会被时代所淘汰吗?

科学专栏作家劳拉·斯宾尼(Laura Spinney)1月9日发表在《卫报》的一篇文章提出了一些有意思的观点。这要先从什么是传统科学和“后理论科学”说起。

传统科学典型的例子就是牛顿发现万有引力定律的过程——通过对生活中的事情、周围的世界所发生的事情提出问题,总结出一套理论能扩展解释更多问题,这是人们熟悉的科研方法。

可是现代科学的发展趋势看起来有些怪异。比如脸书的机器学习工具预测用户的偏好,达到了比心理学家更准确的地步,甚至有些让人不寒而栗。有些人工智能工具是研究人员的好帮手,像谷歌公司开发的预测蛋白质折叠的人工智能软件AlphaFold,研究人员需要几年才能完成的工作它在十分钟内即可完成。

这些基于人工智能和机器学习的科研方法的奇怪之处在于,研究人员设计好系统后,无法追踪它们怎样得出结果。这些系统也无法提供它们的运算或推理过程,有点类似“黑箱”操作。而传统科学总有一个明确的公式或是清晰的推理过程,这就是传统科学和“后理论科学”之间一个显而易见的区别。

由于人工智能在飞速发展,一些学者认为可能以后传统科研方法就会消失了,使用人工智能系统来分析大量的数据,找到事物的关系比用人脑研究更快、更准确。美国《连线》(Wired)杂志前主编克里斯·安德森(Chris Anderson)在2008年就提出了这样的看法,他认为传统科学总结出来的定律把世界简单化了,而人工智能有能力处理更多的数据,能更有效地发现事物的规律。

斯宾尼则认为情况不是这样,传统科学将一直有它的地位,她提出了至少三个原因。

第一个原因是,人工智能系统带有设计者无法解决的缺陷,比如得出的结果带有偏见,像谷歌的搜索引擎、亚马逊的招聘软件,都是知名的例子。有的人说,人类社会也存在偏见,是这样,但是人类社会可以展开对话、可以沟通,这些软件既然无法提供计算过程,就意味着它们和设计者之间都无法沟通,更不要说和人类沟通。

第二个原因是,很多人对于这些系统的“黑箱操作”很不满。正像上面提到的,这些软件无法提供推理过程,而人类很需要知道“为什么”。

第三个原因是,人类的“灵感”推动了很多科研的进展,并不是任何事情都依靠海量的数据。数学家克里斯汀·斯坦普(Christian Stump)上个月(12月)发表在《自然》(Nature)上的文章说,“灵感是创造力的核心”。也就是说,还有很多理论是人类可以探索和做出解释的,等待人类靠“灵感”去发现。

斯宾尼说,当然,“后理论科学”研究方法给科研领域注入了新的活力。在2022年的今天,已经找不到哪个领域没有人工智能的足迹。人类要做的就是学会驾驭它们,它们会帮助人类找到很多问题的答案,人类将如虎添翼。

(转自大纪元/责任编辑:叶萍)

相关文章
评论