索尼AI研究负责人想打造能获得诺贝尔奖的机器人
近年来，人工智能和机器学习系统已成为各学术领域科学研究的助力。它们帮助科学家识别可用于先进治疗方法的基因组标记，加速发现有效的新药和治疗手段，并助力发表自己的研究成果。
然而在此期间，这类系统往往只能处理海量数据集并进行暴力计算，而非主导研究。不过，索尼AI首席执行官北野宏明计划打造一种«将系统生物学及其他学科提升到新水平的混合科学形态»，即创造一种与当今顶尖科学头脑同样能干的人工智能。
为此，北野宏明致力于开发足够聪明的人工智能，目标是在2050年前获得诺贝尔奖。
“这项任务的独特之处在于让系统进入开放领域，去探索重要发现，而不是重复已知的东西，也不是模仿所谓的人类思维过程。其愿景是重新定义科学发现本身，并创造一种全新的科学发现形式。其价值在于开发能够持续、自主做出发现的机器。AI科学家将生成并验证尽可能多的假设，期望其中一些本身就能带来重大发现，或成为重大发现的基础。全面生成假设并高效验证的能力，正是该系统的核心。”
当今的人工智能本身就是数十年科学研究和实验的成果，可追溯至1950年艾伦·图灵发表奠基性著作《计算机器与智能》之时。多年来，这些系统已从实验室里的奇珍异宝，发展成为数据处理与分析的重要工具，但北野宏明希望再迈进一步，有效地构建一个«由软硬件模块组成的星座，它们动态互动以完成任务»。
北野宏明对Engadget表示：«最初，这将是一套实用工具，用于自动化研究过程中的部分环节，包括实验和数据分析。例如，实现闭环系统层面的实验室自动化，而非孤立的自动化，就是第一步之一。罗斯·金教授开发的机器人科学家亚当-夏娃就是一个绝佳范例，它能自动生成关于萌芽酵母遗传学的假设，规划实验以证实或反驳这些假设，并进行实验。随着时间推移，自主程度可能逐步提高，以生成更广泛的假设并进行验证。尽管如此，至少在可预见的未来，它仍将是人类科学家的工具或助手。»
他表示，如果AI科学家承担起提出研究假设这项繁重的智力工作，人类同事就能有更多空闲时间，专注于研究策略，并决定究竟应当探究哪些假设。
一如既往，防止黑箱效应和隐性偏见（无论是在软件设计中，还是在其训练数据集中）对于建立和维持对系统的信任至关重要。北野宏明表示：«要让科学发现获得科学界认可，它们必须有令人信服的证据和论证支持。AI科学家将具备能够解释其发现背后机制的组件。缺乏这种解释能力的AI科学家将不受青睐。»
历史上一些最伟大的科学发现——从辐射、微波到特氟龙和心脏起搏器——都源于实验中的错误。但当超级智能AI开始发明其自身难以理解的语言时，研究人员会«急忙拔掉插头»。那么，如果AI科学家做出了一项发现，或设计了一个实验，即便附有解释，人类也无法立即理解，又会发生什么呢？
“当AI科学家变得足够成熟，能够应对复杂现象时，就有可能发现人类科学家一时难以理解的事物。从理论上讲，有人可能会在不加限制、也不在意其发现是否易懂的情况下，指导高度自主的AI科学家。然而，这可能代价高昂，且必须加以论证。当人们认可此类AI科学家已经在做出重要科学发现时，我相信会出现一个用于保障安全、防止误用的图形界面”
能够与人类研究人员合作的AI科学家的出现，也可能引发一些棘手问题：这些发现应归功于提出假设并开展实验的AI、主持这些工作的人类，还是拥有该运营机构的学术单位或法人实体？北野宏明以澳大利亚法院近期的一项裁决为例，该法院承认DABUS（«人工神经系统»）为专利申请的发明人。
反过来看，这位科学家还提到中本聪及其发明区块链和比特币的案例：«曾有一次，一项关键贡献仅以博客文章的形式发布，却被认真对待，但从未有人与他见面，他的身份至今仍是一个谜。»
“如果AI科学家的开发者决心为展示技术成就、推广产品或出于其他动机，创建一个拥有ORCID iD的虚拟科学家身份，那么几乎不可能区分AI与人类科学家”
但如果这一问题真正带来了医学上的革命性突破——比如一种癌症药物或纳米机器人外科医生——那么实验究竟是由人还是机器完成，还重要吗？
