编辑 | 紫罗
上周，Google DeepMind 和加州大学伯克利分校的一组研究人员在《Nature》杂志上发表了一篇备受期待的论文，提出了一个「自主实验室」——A-Lab，旨在利用 AI 和机器人技术加速新材料的发现和合成。
被称为「自动驾驶实验室」的 A-Lab 展示了一个雄心勃勃的愿景，即当配备计算建模、机器学习、自动化和自然语言处理方面的最新技术时，人工智能驱动的系统可以在科学研究中实现什么目标。
然而，论文发表后的几天内，人们对其中提出的一些关键主张和结果开始产生怀疑
罗伯特·帕尔格雷夫是伦敦大学学院（University College London，UCL）的无机化学和材料科学教授。他在X射线晶体学领域拥有多年的经验。帕尔格雷夫在X（前身为Twitter）上提出了一系列技术上的担忧，因为他注意到A-Lab所谓的成功证据中存在数据和分析的不一致之处
这篇令人兴奋的论文展示了材料的人工智能设计、机器人合成。17 天内产生了 10 多种新化合物。但他们做到了吗？这篇论文在材料表征方面存在非常严重的问题。在我看来，它根本就不应该出版。
Twitter 链接：https://twitter.com/Robert_Palgrave/status/1730358675523424344?s=20
Palgrave 特别指出，A-Lab 的人工智能通过粉末 X 射线衍射 (XRD) 进行的合成材料相鉴定在一些情况下似乎存在严重缺陷。
并且一些之前就已经发现的新合成材料
比如，Mg6MnO8 和 Ni6MnO8 都是已知的化合物，并且都是立方体。事实上，这两种化合物的固溶体（可能写作 Mg3MnNi3O8）于 1995 年被报道过。
相关论文链接：https://www.sciencedirect.com/science/article/abs/pii/S0022459685713187
在2021年，还有一种被报道过的物质叫做MnAgO2
论文链接如下：https://journals.aps.org/prmaterials/abstract/10.1103/PhysRevMaterials.5.105003
有些化合物在90年前就已经存在了
除此以外，还有......
AI 的有前途的尝试及其陷阱
Palgrave 在接受 VentureBeat 采访和写给 Nature 的一封直言不讳的信中表达了他的担忧，这些担忧围绕着人工智能对 XRD 数据的解释——这种技术类似于获取材料的分子指纹来了解其结构。 重新写为： 在接受 VentureBeat 采访和写给 Nature 的一封直言不讳的信中，Palgrave 表达了他对人工智能在解释 XRD 数据方面的担忧。这项技术类似于通过获取材料的分子指纹来了解其结构
将XRD想象成一台高科技的相机，能够拍摄材料中原子的照片。当X射线撞击原子时，原子会发生散射，形成图案，科学家可以读取这些图案，就像利用墙上的阴影来确定物体的形状一样
与儿童利用手影模仿动物形状的方式类似，科学家们制作材料模型，然后观察这些模型是否产生与他们测量的相似的 X 射线图案。
Palgrave 指出，人工智能的模型与实际模式不符，这表明人工智能的解释可能有点过于创造性。
Palgrave 认为，这代表着从根本上未能满足识别新材料的基本证据标准，以至于该论文的中心论点——已经生产出 41 种新型合成无机固体——无法得到支持。
在写给《Nature》杂志的一封信中，Palgrave 详细介绍了一系列例子，其中数据根本不支持所得出的结论。在某些情况下，为匹配 XRD 测量而提供的计算模型与实际模式存在巨大差异，以至于「对本文的中心主张（即新材料的产生）存在严重怀疑」。
尽管 Palgrave 仍然是人工智能在科学领域应用的支持者，但他质疑这样的任务是否可以用当前的技术完全自主地完成。「仍然需要一定程度的人工验证，」他认为。
帕尔格雷夫直言不讳地说：“在某些情况下，他们制作的模型与实际数据完全不同，甚至毫不接近，完全不同。”这则消息传达了什么？人工智能的自主努力可能没有达到预期目标，而人类的指导可能会引导它朝着正确的方向发展
AI 崛起中的人情味
为了回应质疑浪潮，加州大学伯克利分校Ceder Group负责人Gerbrand Ceder在LinkedIn上发布了一篇帖子，加入了这场争论
LinkedIn 链接：https://www.linkedin.com/pulse/regarding-our-recent-a-lab-article-gerbrand-ceder-0sz6c/
Ceder 承认存在差距，并表示：「我们感谢他对我们共享的数据提供的反馈，并旨在解决（Palgrave）在此回应中的具体问题。」 Ceder 承认，虽然 A-Lab 奠定了基础，但它仍然需要人类科学家敏锐的眼光。 重新写成： Ceder 承认存在差距，并表示：“我们感谢他对我们共享的数据提供的反馈，并旨在解决（Palgrave）在此回应中的具体问题。” Ceder 承认，尽管 A-Lab 奠定了基础，但它仍然需要人类科学家敏锐的眼光
Ceder 的更新包含了新的证据，证明人工智能可以成功地利用正确的成分创造化合物。然而，他也承认，人类可以对这些样本进行更高质量的 [XRD] 细化，并意识到目前人工智能的局限性
Ceder 还重申，该论文的目标是「展示自主实验室可以实现的目标」，而不是声称完美。仍需要更全面的分析方法。
谈话又蔓延到了社交媒体上，Palgrave 和普林斯顿大学教授 Leslie Schoop 对 Ceder Group 的回应发表了看法。他们的反复强调了一个关键要点：人工智能是材料科学未来的一个有前途的工具，但它还没有准备好单打独斗。
Palgrave和他的团队计划对XRD结果进行重新分析，意在更全面地描述实际合成的化合物
AI与人类在科学领域的合作伙伴关系是一个正在被探索的话题
对于担任高管和企业领导角色的人来说，这个实验是关于人工智能在科学研究中潜力和局限性的案例研究。它展示了结合人工智能的速度和人类专家的细致监督的重要性
主要的教训很明显：人工智能可以通过处理繁重的工作来彻底改变研究，但它还无法复制经验丰富的科学家的细致入微的判断。该实验还强调了同行评审和研究透明度的价值，Palgrave 和 Schoop 的专家批评强调了需要改进的领域。
展望未来，人工智能和人类智能的协同融合将成为重要议题。尽管Ceder小组的实验存在一些缺陷，但其引发了一场关于人工智能在推动科学发展中作用的重要讨论。这提醒我们，虽然技术可以突破界限，但人类经验的智慧才能确保我们朝着正确的方向前进
重新写的内容：这个实验不仅展示了人工智能在材料科学领域的潜能，也提醒我们要保持警惕。这是研究人员和技术创新者改进人工智能工具的口号，确保它们成为可靠的知识合作伙伴。人工智能在科学领域的未来确实很光明，但只有在那些对世界复杂性有深刻理解的人的指引下，它才能发挥最大的作用
参考内容：https://venturebeat.com/ai/ai-meets-materials-science-the-promise-and-pitfalls-of-automated-discovery/a
本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。