人類意識感知的人工智慧有助加速科學發現
Sarah Steimer, 芝加哥大學，2023 年 7 月 17 日
一項新研究探討了人工智慧不僅能更好地預測科學發現，還能有效地擴充套件這些發現。研究人員在《自然人類行為》雜誌上發表了他們的工作，構建了能夠預測人類推論和作出這些推論的科學家的模型。研究人員還構建了避免人類推論的模型，生成了科學上有潛力的「外星」假設，這些假設在遠將來可能不會被考慮到。他們認為，這兩個示範—第一個示範加速人類發現，第二個確保並超越人類的盲點—意味著人類意識感知的人工智慧將使科學超越當代科學的邊界。
改變人工智慧的框架
該研究考慮了人類在歷史上的競爭和合作研究，並思考了如果人工智慧程式明確地意識到人類專業知識，可以學到什麼。他們研究了人類的研究文獻，並構建了模型，該模型不僅能夠預測未來的發現，而且在相關文獻稀缺時比只關注研究內容的模型提高了 400% 的預測準確率。他們還能夠以超過 40% 的精確度預測實際參與每個發現的人，因為該程式知道預測的人是只有幾個人的經驗或關係將該特性和材料聯絡在一起。
研究的第二個示範是，他們要求人工智慧模型不要做那些最有可能被人類發現的預測，而是要找出科學上合理但最不可能被人類發現的預測。研究人員將這些預測稱為「外星」或補充性推論，這些推論具有三個特點：它們很少被人類發現，即使被發現，也需要在科學系統重新組織自身的多年之後，而且這些補充性推論，平均而言，比人類的推論更好，可能是因為人類在探索新理論或方法之前，通常會專注於從現有理論或方法中挖掘每一份發現。因為這些模型避免了人類科學活動的存取與配置，它們探索了全新的領域。
徹底增強的智慧
該研究的共同作者詹姆斯·埃文斯（James A. Evans）教授表示將人工智慧視為仿效人類能力的嘗試——基於艾倫·圖靈（Alan Turing）提出的人類是智慧的標準的概念——並不會幫助科學家加速解決問題的能力。他表示我們更有可能從對人類集體智慧的徹底增強中受益，而不是進行人工複製。“在這些領域——科學、技術、文化——人們試圖與他人保持接近，”埃文斯說。 “透過使用你的想法或技術，讓他人使用它們時，你才能在他人中具有影響力。而且透過保持接近他人，你可以最大化這種影響力。我們的模型透過建立遵循科學合理性訊號但完全避開群體的算法，補充了這種偏見。”
利用人工智慧來超越現有的方法和合作關係，而不是反映人類科學家在不久的將來可能的思考方式，擴充套件了人類的能力並支援了更好的探索。埃文斯說：“這是將人工智慧的框架從人工智慧轉變為徹底增強的智慧，這需要更多而不是更少地研究個體和集體的認知能力。當我們對人類的理解越來越深入時，我們可以明確地設計出可以彌補其約束並使我們更加共同知識的系統。”
