来源：https://officechai.com/ai/understanding-how-ai-systems-work-will-be-a-whole-new-branch-of-science-google-deepmind-ceo-demis-hassabis/
人工智能系统不仅有助于加速科学进步，而且还可能催生一个全新的科学分支。
谷歌DeepMind首席执行官、诺贝尔奖得主德米斯·哈萨比斯(Demis Hassabis)长期以来一直认为，人工智能最深远的影响不仅体现在现有领域，它还可能催生全新的领域。在一次内容广泛的对话中，哈萨比斯提出了两个截然不同但同样雄心勃勃的观点：一是理解人工智能系统本身将成为一门严谨的科学学科；二是人工智能驱动的模拟最终可以将硬科学的严谨性引入经济学等长期以来抵制硬科学的领域。
“这件事一定会发生，”哈萨比斯说。“我认为，对人工智能系统本身的理解和分析将会发展成为一门完整的科学——一种工程科学。我们正在构建的这些都是极其有趣的产物，它们也极其复杂。最终，它们的复杂程度将与人类的思维和大脑不相上下。因此，我们需要对它们进行研究，以便我们能够全面地、远远超越今天的认知，了解这些系统是如何运作的。”
他指出机制可解释性是这一新兴领域的一个早期例证，同时也明确表示这仅仅是个开始。“机制可解释性是其中的一部分，但我认为我们还可以做更多的事情来分析这些系统。这将会是一门科学。”
但哈萨比斯更进一步，认为人工智能不仅会成为新科学的研究对象，还将成为解锁新科学的工具。
“我认为人工智能本身或许会开启新的科学领域。我尤其兴奋的是人工智能在模拟领域的应用。我热爱模拟。我编写的所有游戏不仅运用了人工智能，而且都是模拟技术。我认为模拟是我们解决一些我们通常认为属于社会科学范畴的问题——比如经济学和其他更偏人文学科——的一种途径。”
为什么经济学或社会学在预测方面没有达到物理学的严谨性？哈萨比斯认为答案在于结构性因素。“在这个领域进行对照研究非常困难。为什么它们如今不能像物理学一样成为一门科学？因为问题在于它们是涌现系统——实际上就像生物学一样——很难进行重复的对照实验。如果你将利率提高0.5%，你必须在现实世界中进行尝试，然后观察会发生什么。你可以提出理论，但你不可能进行成千上万次的重复实验。”
他认为，人工智能模拟彻底改变了这种计算方式。“但如果能够非常精确地模拟事物，那么或许就能开创一种新的科学，即通过对非常精确的模拟器进行严格的采样。我认为这将使我们能够在如今充满不确定性的领域做出更好的决策。”
这意义重大。在可解释性方面，人工智能系统的复杂程度已经达到了一个极高的水平，其内部运作机制变得极其不透明——不仅对公众而言如此，对构建这些系统的研究人员来说也是如此。研究这些系统可以构成一门独立的科学学科，这种想法并非牵强附会：事实上，这种情况可能已经出现。例如，Anthropic 已将机制可解释性作为一项核心研究重点，试图逆向工程神经网络实际学习的内容以及它们内部如何表示知识。
在模拟领域，哈萨比斯的愿景与更广泛的趋势相契合。他在DeepMind的工作已经证明了人工智能在生物学领域的潜力——AlphaFold破解了一个困扰人们50年的蛋白质折叠难题，并为他赢得了诺贝尔化学奖。他的论点本质上是，同样的逻辑——利用人工智能以数字速度运行模拟——可以扩展到社会和经济系统，而大规模的受控实验在这些领域一直难以实现。一家名为Simile的初创公司正致力于创建哈萨比斯所描述的这类模拟。
如果哈萨比斯的预测正确，那么未来十年不仅人工智能将变革现有的科学学科，还将催生一套全新的科学词汇——这套词汇将人工智能系统视为独立的复杂研究对象，并将模拟视为一种合法的科学探究方法。而这两项技术所需的基础设施都已在建设之中。
阅读最新前沿科技趋势报告，请访问21世纪关键技术研究院的“未来知识库”
未来知识库是 “21世纪关键技术研究院”建 立的在线知识库平台，收藏的资料范围包括人工智能、脑科学、互联网、超级智能，数智大脑、能源、军事、经济、人类风险等等领域的前沿进展与未来趋势。目前拥有超过8000篇重要资料。每周更新不少于100篇世界范围最新研究资料。 欢迎扫描二维码或访问https://wx.zsxq.com/group/454854145828进入。
截止到2月28日 ”未来知识库”精选的百部前沿科技趋势报告
（加入未来知识库，全部资料免费阅读和下载）
热门跟贴