被高薪吸引却遭愚弄！科学家怒曝AI科研黑幕：多为个人“捞金”，DeepMind百万成果是“垃圾”

325 0 0

文章摘要

Nick McGreivy 是一位专注于物理领域的科学家，他分享了自己在应用 AI 进行科学研究时的经历，并表达了对 AI 在科学领域潜力的怀疑。McGreivy 的研究涵盖机器学习、科学计算、等离子体物理学、核聚变能和核政策等领域，曾在多个知名期刊上发表过论文。他最初对 AI 加速物理学研究持乐观态度，但在实际应用中发现，AI 的表现远不如预期，甚至在某些情况下，AI 的成果被过度夸大。

McGreivy 的研究经历表明，AI 在科学领域的应用存在诸多问题。他尝试使用物理信息神经网络（PINN）来解决偏微分方程，但发现其效果并不理想。尽管许多论文声称 AI 方法比标准数值方法更快，但这些比较往往不公平。当 AI 方法与最先进的数值方法在同等条件下进行比较时，AI 的优势几乎消失。这一发现让他对 AI 在科学中的潜力产生了怀疑。

AI 在科学领域的应用存在幸存者偏差和报告偏差。研究人员通常只发表成功的结果，而忽略了失败案例。这种现象导致 AI 在科学中的潜力被过度乐观地评估。例如，DeepMind 曾声称发现了 220 万种晶体结构，但材料科学家发现其中大多数都是“垃圾”。类似的问题在其他领域也存在，AI 在科学中的应用正面临“可重复性危机”。

尽管 AI 在科学研究中的应用呈爆炸式增长，但 McGreivy 认为，这种增长更多是因为 AI 对科学家自身有利，而不是因为它对科学有利。科学家使用 AI 的动机可能包括更高的薪水、更好的就业前景和学术声望。然而，AI 在科学中的实际贡献可能被高估，许多研究只是“拿着锤子找钉子”，处理那些虽然适合用 AI 解决，但无法产生新科学知识的问题。

McGreivy 总结了几点教训：首先，AI 在科学家群体中的应用呈爆炸式增长，但这并不意味着它对科学有利；其次，AI 研究人员几乎从不发表负面结果，导致 AI 在科学中的应用存在幸存者偏差；最后，那些发表出来的积极结果往往对 AI 的潜力过于乐观。因此，McGreivy 认为，AI 在科学领域并没有它看起来那么成功和具有革命性。

McGreivy 的结论是，AI 可能成为科学领域的一个普通工具，推动科学渐进式、不均衡地进步，而不是一个具有革命性的工具。他呼吁科学家和资助机构更加谨慎地评估 AI 在科学中的潜力，并激励科学家为 AI 创建更具挑战性的问题。尽管 AI 在某些领域取得了进展，如天气预报和药物发现，但其在科学中的总体潜力可能被夸大了。

McGreivy 的经历提醒我们，AI 在科学中的应用需要更加谨慎和批判性的态度。科学家和研究人员应避免过度依赖 AI，并确保其研究方法和结果的透明性和可重复性。只有这样，AI 才能真正为科学进步做出实质性贡献。