金榕|?阿里达摩院金榕：从技术到科学，中国 AI 将何去何从？( 四 ) 法拉第|机器学习|梅隆大学|达

也许有人说，AI发展不必一定向人脑智能的方向发展。我也认为这个观点不无道理，但在 AI 遇到瓶颈，也找不到其他参照物时，参考人脑智能可能会给我们一些启发。比如，拿人脑智能来做对比，今天的深度神经网络是不是最合理的方向？今天的编码方式是不是最合理的？这些都是我们今天AI的基础，但它们是好的基础吗？
应该说，以GPT-3为代表的大模型，可能也是深度学习的一个突破方向，能够在一定程度上实现自学习。大模型有些像之前恶补了所有能看到的东西，碰到一个新场景，就不需要太多新数据。但这是一个最好的解决办法吗？我们目前还不知道。还是以翻译为例，很难想象一个人需要装这么多东西才能掌握一门外语。大模型现在都是百亿、千亿参数规模起步，没有一个人类会带着这么多数据。
所以，也许我们还需要继续探索。

AI的机会：AI for Science
说到这里，也许有些人会失望。既然我们 AI 还未解决上面的三个难题，AI还未成为科学，那AI还有什么价值？
技术本身就拥有巨大价值，像互联网就彻底重塑了我们的工作和生活。AI 作为一门技术，当下一个巨大的机会就是帮助解决科学重点难题（AI for Science）。AlphaFold 已经给了我们一个很好的示范，AI解决了生物学里困扰半个世纪的蛋白质折叠难题。
我们要学习 AlphaFold，但没必要崇拜。AlphaFold的示范意义在于，DeepMind 在选题上真是非常厉害，他们选择了一些今天已经有足够的基础和数据积累、有可能突破的难题，然后建设一个当下最好的团队，下决心去攻克。
我们有可能创造比 AlphaFold 更重要的成果，因为在自然科学领域，有着很多重要的open questions，AI 还有更大的机会，可以去发掘新材料、发现晶体结构，甚至去证明或发现定理… AI可颠覆传统的研究方法，甚至改写历史。
比如现在一些物理学家正在思考，能否用 AI 重新发现物理定律？过去数百年来，物理学定律的发现都是依赖天才，爱因斯坦发现了广义相对论和狭义相对论，海森堡、薛定谔等人开创了量子力学，这些都是个人行为。如果没有这些天才，很多领域的发展会推迟几十年甚至上百年。但今天，随着数据越来越多，科学规律越来越复杂，我们是不是可以依靠AI来推导出物理定律，而不再依赖一两个天才？
以量子力学为例，最核心的是薛定谔方程，它是由天才物理学家推导出来的。但现在，已有物理学家通过收集到的大量数据，用 AI 自动推导出其中规律，甚至还发现了薛定谔方程的另外一个写法。这真的是一件非常了不起、有可能改变物理学甚至人类未来的事情。
我们正在推进的AI EARTH项目，是将AI引入气象领域。天气预报已有上百年历史，是一个非常重大和复杂的科学问题，需要超级计算机才能完成复杂计算，不仅消耗大量资源而且还不是特别准确。我们今天是不是可以用AI来解决这个问题，让天气预报变得既高效又准确？如果能成功，将是一件非常振奋人心的事情。当然，这注定是一个非常艰难的过程，需要时间和决心。

AI 从业者：多一点兴趣，少一点功利
AI 的当下局面，是对我们所有AI研究者的考验。不管是AI的基础理论突破，还是AI 去解决科学问题，都不是一蹴而就的事情，需要研究者们既聪明又坚定。如果不聪明，不可能在不确定的未来抓住机会；如果不坚定，很可能就被吓倒了。
但更关键的是兴趣驱动，而不是利益驱动，不能急功近利，这些年深度学习的繁荣，使得中国大量人才和资金涌入AI领域，快速推动了行业发展，但也催生了一些不切实际的期待。像DeepMind做了AlphaGo之后，中国一些人跟进复制，但对于核心基础创新进步来说意义相对有限。