科学的进步将取决于人类还是AI ？

David C Krakauer

科学事业中正出现分歧。一方面是人类的思维，这是我们物种所珍视的每一个故事、理论和解释的源头。另一方面是机器，这些机器的算法具有惊人的预测能力，但其内部工作方式对于观察者来说却完全不透明。当我们人类努力理解世界的本质时，我们的机器就产生了可测量的、切实可行的预测，这些预测似乎超出了人类思维的范围。 尽管通过了解因果关系的叙述来理解世界可以满足我们的好奇心，但是预测则满足了我们的希望，将预测出机制映射到了现实中。我们现在面临着哪种知识更重要的选择，以及是否人力正在阻碍科学进步的问题。

直到近代，理解和预测还是反对无知的盟友。弗朗西斯·培根（Francis Bacon）是科学革命初期将它们整合在一起的第一批参与者，当时他认为科学家应该在世界范围内进行交流，改进他们使用的仪器。他说，这种方法可以避免因试图掌握现实而造成的痛苦停滞和循环性。在他的《新工具论》（Novum Organum，1620）中，他写道：

培根合理地建议应该使用工具来增强人类的感知和理性，而且通过这些手段人类可以逃避沉思的迷宫。

艾萨克·牛顿（Isaac Newton）热情地采纳了培根的经验哲学。他在他的职业生涯中都致力于开发工具：物理镜头和望远镜，以及心理帮助和数学描述（形式化），所有这些都加快了科学发现的步伐。但是，对工具日益增长的依赖隐藏了令人不安的分歧的种子：哪些是人类的思维可以辨别出的世界的潜在机制，哪些是我们的工具能够进行测量和建模的。

如今，这种分歧可能会威胁到整个科学项目的进步。 我们似乎已经达到了极限，在这种极限下，理解和预测、机制和模型失去了一致性。在培根和牛顿时代，易于理解的世界叙述以及可检验的预测形成了一个良性循环。引人入胜的理论以现实世界的观察为后盾，使人类对从天体力学到电磁学和孟德尔遗传学的一切事物都有了深刻的理解。科学家已经习惯了使用动态规则和规律表达的直观理解——例如查尔斯·达尔文 （Charles Darwin）的自然选择理论和格雷戈尔·孟德尔（Gregor Mendel）的独立分类原理——来描述生物体的基因物质如何通过其父母染色体的分离和重组而传递下去。

但是 在“大数据”时代，理解和预测之间的联系不再成立。现代科学在解释原子、光和力等相对简单的问题上相对取得了惊人的进步。现在，我们试图理解更复杂的世界，从细胞到组织、从大脑到认知偏见、从市场到气候。新颖的算法使研究人员能够预测这些学习和进化的自适应系统的行为的某些特征，同时仪器可以收集有关它们的大量信息。尽管这些统计模型和预测通常可以使事情变得正确，但科学家们几乎不可能重建它们的工作方式。仪器智能 （通常是机器智能）不仅具有抵抗性，而且有时会积极地反对理性。例如，对基因组数据的研究可以捕获数百个参数——如患者、细胞类型、病情、基因、基因位置等——并将疾病的起源与成千上万的潜在重要因素联系起来。但是，这些“高维”数据集及其提供的预测让研究人员无法进行解释。

如果科学界可以用牛顿模型和量子模型预测人类行为，那学者们可进行解释，但是仍不能预测。科学与复杂现实之间的坦率冲突产生了分歧。一些批评家声称，这是人类自己的顽固的人类中心主义（坚持认为我们的工具比不上我们的智力），它阻碍了科学的发展。他们说，如果不再担心机器取代人类的思维，研究人员可以使用机器来加速对事物的掌握。 计算机智能的模拟不需要具有神经系统的结构，就像望远镜不需要具有眼睛的解剖结构一样。的确，射电望远镜提供了一个令人信服的例子，证明了一种新颖的非光学机制可以超越纯粹的光学功能，射电望远镜能够探测到银河系视线以外的其他星系。

文章来源：《系统科学学报》 网址: http://www.xtkxxb.cn/zonghexinwen/2021/1030/719.html