对于计划举办夏日派对的人来说，天气这个臭名昭着的混乱系统常常令人非常懊恼。在几天内，降雨、温度、湿度、风速、风向等方面的任何微小变化都会衍生出全新的天气状况。这就是为什么在七天及更长时间内，天气预报都不准，而人们也因此需要为野餐安排备选方案。

　　试想，如果我们能很好地理解这个混乱的系统，从而预测其未来的走向，那会如何?

　　今年1月，科学家们做到了。在机器学习的帮助下，他们精准地预测了一项混乱的天气系统，且预测的持久度超乎想象。机器只要观察该系统的动态即可进行预测，无须理解任何化学反应式。

　　惊叹、恐惧和兴奋

　　不久以前，我们刚刚适应了人工智能的神奇能力。去年，一款名为AlphaZero的程序在一天内从零起步自学了国际象棋，紧接着便打败了世界上最好的国际象棋程序。此外，它还自学了围棋，并胜过了上一届硅谷冠军——名为AlphaGo Zero的算法。AlphaGo Zero曾在输入规则后，通过反复试验自学成为围棋大师。

　　很多的算法都是从全然无知的空白状态开始，通过观察某一特定过程或和自己比赛的方式，以每秒几千步的速度进步，从而建立“知识”体系。这种能力在各种方面激起了人们的惊叹、恐惧和兴奋情绪。最近，我们也经常听到关于算法肆意破坏人性的传闻。

　　在此，我关心的问题非常简单：我想知道，人工智能对科学中“理解”的未来意味着什么?

　　完美的预测就是理解吗?

　　大多数科学家可能都认为，预测和理解是两码事。这其中的原因是物理学的起源神话，或者说，是现代科学这一整体。

　　据说，在一千多年的时间里，人们都在用希腊罗马数学家托勒密传承下来的方法预测行星划过天空的方式。

　　有趣的是，托勒密根本不知道重力理论，也不知道太阳其实位于太阳系的中心。不过，他的方法涉及了圆内圆的复杂计算。虽然这种方法能很好地预测行星走向，但没人知道它为何奏效，以及行星为什么会按照如此复杂的规律运动。

　　随后，哥白尼、伽利略、开普勒和牛顿诞生了。牛顿发现了支配行星运动的基本微分方程，该微分方程可以描述太阳系中任一行星的运动轨迹。毫无疑问，这对人类是有利的，毕竟人们可以借此理解行星运行的原因。

　　在预测行星运动轨迹方面，相比于托勒密的算法，解微分方程是一个更高效的方法。更重要的是，有了对该方法的信任后，我们基于一项统一的原理发现了原来未曾见过的行星，该原理便是在火箭、掉落的苹果、月球、宇宙等方面都适用的万有引力定律。

　　在物理学界，这种基本模板多次获得成功，即试着探索出一套描述统一原理的方程。在其帮助下，我们发现了标准模型，并达到了半个世纪以来粒子物理学的顶点——标准模型能精准地描述每一颗原子、原子核或粒子的潜在结构。在其帮助下，我们还试着理解了高温超导性、暗物质和量子计算机。(因为该方法拥有难以理解的高效性，人们不禁怀疑，为什么宇宙看上去那么容易地被数学描述所控制?)

　　毋庸置疑的是，在所有科学中，对某物的理解都需要追溯到这一定律：如果你可以将一个复杂的现象归结为一套简单的原理，那你就算是理解它了。

　　顽固的例外项

　　然而，在这种美丽的描述中，也有令人烦恼的例外项。湍流——导致天气预测困难的原因之一——是一个典型的物理学例外项。生物学中的绝大部分问题，及其错综复杂的结构也都非常顽固，拒绝服从简单的统一原理。

　　虽然原子、化学及简单原则都构成了这些体系的基础，但通用有效的等式描述很难有效地进行预测。

　　同时，显而易见的是，这些问题都终将轻易地受到机器学习的支配。人工智能可以识别出新的药品，以治疗克雷白氏杆菌等抗生素抗性细菌，而这种细菌是美国10%的医院获得性感染的致因。

　　正如古希腊人从神秘的特尔斐神使身上找到答案一样，我们很快也可以通过人工智能神使的帮助，回答科学界内最困难的问题。

　　目前，人工智能正在引导无人驾驶汽车和股市投资的发展。接下来，它还将预测药品的抗菌有效性，以及未来两周内的天气情况。在没有数学模型和方程的情况下，人工智能也将达到史无前例的高度。

　　不难想象，有了大型强子对撞机中数十亿次撞击得来的数据，人工智能甚至可以超越物理学家所钟爱的标准模型，并在预测粒子物理学结果的道路上做得更好。

　　就像特尔斐女祭司的晦涩难懂的语言一样，人工智能特使也很难解释预测的原因，毕竟其产物是基于进行所谓“实验”的很多个微秒。这一切就像是一幅关于农夫的漫画：虽然没上过学，但农夫可以根据经验和直觉精准地预测天气。

　　缺乏理解的科学?

　　对于科学实践和科学哲学来说，机器智能的含义是深刻的。比如，面对越来越完美的预测，既然无法理解其预测方式，那人们还能继续否认机器无法掌握更好的知识吗?

　　如果预测是科学的基本目标，那我们该如何修改科学方法，修改那些数百年来帮助我们发现、改正错误的算法呢?

　　如果我们放弃理解科学，那我们还有必要追求我们所知的科学知识吗?

　　对此，我无法给出答案。除非我们能明确地解释为什么科学不只关乎良好预测的能力，否则科学家们将很快发现：“受过训练的人工智能也可以完成他们的工作。”
第三十五届CIO班招生
国际CIO认证培训
首席数据官（CDO）认证培训

免责声明：本网站（http://www.ciotimes.com/）内容主要来自原创、合作媒体供稿和第三方投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
本网站刊载的所有内容（包括但不仅限文字、图片、LOGO、音频、视频、软件、程序等）版权归原作者所有。任何单位或个人认为本网站中的内容可能涉嫌侵犯其知识产权或存在不实内容时，请及时通知本站，予以删除。