人工智能在化学创新中的障碍：波兰尼悖论的影响
正如本文所述，2023年人工智能已为生物技术、医疗保健、金融、教育等众多行业带来变革性影响。然而人工智能也面临诸多挑战，下文《自然》杂志的社论探讨了在化学合成领域应用人工智能与自动化系统的进展缓慢问题。这一讨论为人工智能的普遍应用提供了重要启示，并可能表明波兰尼悖论是阻碍人工智能驱动创新的重要障碍。
在开发新型和改进的化学合成工艺时，使用人工智能面临的主要挑战包括以下方面：
- 现有的自动人工智能输出测试系统，其能尝试的化学反应范围与人类化学家相比极为有限。
- 数据不足
- 缺乏关于负面结果的数据，例如未奏效的反应条件
机器人技术未来的发展必将提供能够测试更全面化学反应范围的自动化系统，而用于训练人工智能系统的可用数据量也在持续增长。对于饥渴的人工智能模型而言，对更多数据的普遍需求或许也能通过开发诸如AlphaFold这类专业人工智能系统来解决。
然而，缺乏负面数据的问题可能难以解决，因为科学期刊很少发表负面数据。化学家们正通过"开放反应数据库"等举措来应对这一问题，但这仍然是一个重大障碍。
负面数据问题揭示了人工智能在科学创新领域面临的更深层困境，该困境常被称为波兰尼悖论——以同名科学哲学家命名。波兰尼认为，科学发现依赖于通过经验获得并无意识内化的个人知识。波兰尼悖论可概括为："我们所知远多于所言。"
负面数据点往往是内化且未被表达的经验，这些经验成为个体或科学家群体个人知识的一部分。因此，对创新至关重要的信息、洞见和经验可能永远不会以语言或具体命题形式呈现，而这些正是人工智能模型可学习的内容。 负面数据与波兰尼悖论可能成为特定人工智能应用的关键盲区，无论是用于科学发现还是法律问题解决等人类活动，在使用人工智能模型时都必须对此保持警惕。正如《自然》社论所要求的那样，要超越人类化学家的能力，人工智能模型必须设法克服波兰尼悖论。
化学应用要求计算机模型必须超越顶尖人类科学家的水平。唯有采取措施收集和共享数据，人工智能才能在化学领域满足预期，避免沦为虚有其表的炒作。
查看参考文章
