超越波兰尼悖论：具备人类意识的人工智能如何释放创造力并实现突破性发现

人工智能（AI）已彻底改变了科学研究与创新，但正如先前讨论的那样，波兰尼悖论仍是利用AI产生创造性解决方案或突破性发现的重要障碍。根据波兰尼悖论，仅从显性知识中学习的AI模型将缺乏人类的隐性或直觉知识，可能产生显而易见的结论。因此，任何利用AI模型寻求新发现的人，都应关注解决波兰尼悖论的方法。 

据《自然·人类行为》期刊报道，Sourati与Evans提出的具备人类意识的人工智能模型，为开发更高效的创新解决方案与科学发现——甚至突破性成果——提供了新途径。该团队研发的具备人类意识的人工智能模型，使人工智能对新材料科学发现的预测能力提升了400%。 

该具备人类感知能力的人工智能模型被输入科学数据与作者信息，从而能够测量"候选发现涉及的每个主题中人类科学家的分布情况"。通过运用这些元信息，具备人类感知能力的人工智能模型能够"模拟"科学家的直觉或隐性知识，通过预测并规避"人类群体"来实现。换言之，这类人工智能模型无需完全依赖结构化数据，而是能够：

1. 模拟科学家探索发现的过程，而非仅仅预测结果。
2. 运用科学启发式方法优化人工智能驱动的实验。
3. 生成互补的"异域"假说。与主要在已知研究领域内运作的传统人工智能模型不同，具备人类意识的人工智能模型旨在识别看似无关领域之间的联系，并弥合科学家可能需要数年才能发现的认知鸿沟。
4. 优先考虑高价值实验而非琐碎优化，平衡探索与利用，以确保突破性发现。

因此，具备人类意识的人工智能模型具有诸多优势，不仅能生成可预测且显而易见的解决方案，还能提出互补性的异质假说——这些假说可能催生突破性发现与更具创造性的解决方案。虽然此方法无法解决波兰尼悖论，但至少有助于构建未来的人工智能模型，使其因缺乏人类的隐性知识而减少生成显而易见解决方案的倾向。 

我们的分析强调，将人类与社会因素融入人工智能开发，能够创造出与人类专业知识互补而非替代的智能系统。这类系统不仅能体现人类专业能力，更能完整承载科学经验与认知积累的分布特征，从而实现与科学界协同发展而非对抗，进而拓展人类想象与探索的疆界。