2023年8月2日，谷歌团队研究人员在《自然》上发表了《人工智能（AI）时代的科学发现》研究报告，总结了AI在科学发现中的应用和进展。

报告指出，AI正越来越多地融入科学发现中，以增强和加速研究，帮助科学家生成假设、设计实验、收集和解释大型数据集，并获取传统科学方法可能无法获得的见解。

（1）AI辅助科学研究数据采集与管理

实验平台收集的数据集规模和复杂程度不断增加，导致科学研究越来越依赖实时处理和高性能计算，以选择性地存储和分析高速生成的数据。AI在这方面的应用包括数据选择、数据标注以及数据生成。

（2）学习科学数据有意义的表示

深度学习可提取不同抽象程度的科学数据的有意义表征，并对其进行优化以指导研究，通常是通过端到端学习。高质量的表征应尽可能多地保留数据信息，同时保持简单易懂。有科学意义的表征应结构紧凑、有鉴别性、能区分潜在的变异因素，并能编码可在多项任务中通用的潜在机制。这方面的解决策略主要有3种：几何先验、自监督学习、语言建模。

（3）基于人工智能的科学假设生成

可检验的假设是科学发现的核心。基于人工智能的科学假设生成可分为：科学假设的黑盒预测器、导航组合假设空间、优化可微分假设空间三类。

（4）AI驱动的实验与模拟

通过实验评估科学假设对于科学发现至关重要。然而，实验室实验的成本可能过于高昂且不切实际。计算机模拟作为一种有前景的替代方案已经出现，对比实验它具有更高效灵活的优势。然而，随着深度学习的出现，通过识别和优化假设以进行高效测试，并赋予计算机模拟联结观察结果与假设的能力，这些挑战正在得到解决。现有的方法有：高效评估科学假设、利用模拟从假设中推导观测量。

可见，AI可为科学理解做出贡献，使我们能够研究那些以其他方式无法可视化或探测的过程和对象，并通过从数据中构建模型并结合模拟和可扩展计算，来激发创新。但在实际应用中，我们必须通过负责任和深思熟虑的技术部署来解决使用AI所带来的安全问题，在科学研究中负责任地使用AI，确定AI系统的不确定性、误差和效用水平。

信息来源：

https://www.nature.com/articles/s41586-023-06221-2

https://mp.weixin.qq.com/s/3VF7M2rujATFVYHqTLCt2w