参考消息网2月15日报道 《日本经济新闻》2月12日刊登题为《AI的目标是取得超越诺贝尔奖的科学发现》的文章，内容编译如下：

人工智能（AI）技术正在飞速进步。能画出内行级别的插图，能撰写大学的课题报告。甚至科研人员已经开始挑战制造可用于研发活动的AI。就像由苹果掉落发现万有引力的牛顿，通过在加拉帕戈斯群岛等地的旅行提出进化论学说的达尔文一样，AI的目标是成为划时代的科学巨人。

目前的主流AI能够进行以脑神经回路为模型的“深层学习”。按照日本理化学研究所创新智能综合研究中心主任杉山将对现状的解读：“以往的AI如果学习到的数据较少或是质量不高，就不会具备良好的性能。不过近来已经来到能够突破这一壁垒的阶段了。”

英国深层思维公司曾因推出战胜过顶尖围棋选手的“阿尔法围棋”一战成名，在科研用AI的研究领域该公司也走在了前面。比如瞄准数学应用推出的“Alpha Tensor”将一直以来需要相乘80次的矩阵计算降至76次，找到了更优的相乘次数，相关成果也已经发表在2022年出版的英国《自然》周刊上。

2021年，深层思维公司在“结绳理论”领域取得的研究成果也刊载在了《自然》周刊上。与大学中的数学家合作，该公司使用AI成功找到了被人类遗漏的关系式。中部大学教授荒井迅表示：“以与计算机的适配度作为对象，巧妙地利用了AI，这种研究今后可能会越来越多。”

如果想要进一步加快科研速度，仅靠深层学习是不够的。日本科学技术振兴机构负责调研AI发展动向的福岛俊一研究员指出：“能够自主推理的功能将成为下一步AI研发的关键。”

“巧克力消费量越多的国家，每1000万人口获得诺贝尔奖的人数就越多。”2012年某医学期刊刊登的一篇文章曾经引发热议。把数据制成图表后就会发现二者之间存在相关性。但是为什么会形成这种相关性，道理还不甚明了。

由AI找到隐藏的因果关系，也就是“因果推理”是目前最热门的研究课题。杉山主任说：“目前正处在热烈讨论哪种方法更好的阶段，我想总有一天会想出好办法的。”

科学飞跃式发展之时出现的推理被称为“溯因推理”。美国哲学家查尔斯·桑德斯·皮尔斯举出的代表性例子有根据海岸线的形状提出的魏格纳的大陆漂移学说、沃森和克里克的DNA双螺旋模型。至于AI能否做出这样的推理，目前研究者的意见还存在分歧。

中部大学教授津田一郎属于谨慎的一派。他认为：“人类不停地思考，总在意想不到的时刻灵光乍现。无意识情况下工作的大脑其不可思议的机制依然迷雾重重，如何通过AI呈现现在还毫无头绪。”

众多AI研究者认为，即便AI与人脑的机制不同，只要能够找到类似手法，人工智能就能掌握与溯因、或者说反推类似的能力。虽然不是用于科学研究，但用于学习语言、声音、静止画面、动画等大量数据的最新型AI的“基础模型”能够在语音指导下熟练作画。

但是失败也在所难免。美国元宇宙平台公司2022年发布了能够帮助撰写科学论文的Galactica语言模型，随即因为“写出错误的文章”而受到批评，仅运行3天就遭下架。具体原因虽然不清楚，但有分析认为，可能是因为“学习的数据质量低劣”或是“用来生成答案时使用的算法有误”。

用于科研活动的AI也将在其研发过程中带动广泛领域的发展。索尼计算机科学研究所社长北野宏明在2016年就提出了“2050年前研发出能够超越诺贝尔级别科学发现的AI”的目标，英国艾伦·图灵研究所等机构也对此表示认同。

虽然无法预测目标何时能够实现，但随着AI的进步，科学研究的面貌极有可能发生重大变化。