DeepMind首席執行官哈薩比斯：了解人工智能系統的工作原理將是一個全新的科學分支。

來源：https://officechai.com/ai/understanding-how-ai-systems-work-will-be-a-whole-new-branch-of-science-google-deepmind-ceo-demis-hassabis/

人工智能系統不僅有助于加速科學進步，而且還可能催生一個全新的科學分支。

谷歌DeepMind首席執行官、諾貝爾獎得主德米斯·哈薩比斯(Demis Hassabis)長期以來一直認為，人工智能最深遠的影響不僅體現在現有領域，它還可能催生全新的領域。在一次內容廣泛的對話中，哈薩比斯提出了兩個截然不同但同樣雄心勃勃的觀點：一是理解人工智能系統本身將成為一門嚴謹的科學學科；二是人工智能驅動的模擬最終可以將硬科學的嚴謹性引入經濟學等長期以來抵制硬科學的領域。

“這件事一定會發生，”哈薩比斯說。“我認為，對人工智能系統本身的理解和分析將會發展成為一門完整的科學——一種工程科學。我們正在構建的這些都是極其有趣的產物，它們也極其復雜。最終，它們的復雜程度將與人類的思維和大腦不相上下。因此，我們需要對它們進行研究，以便我們能夠全面地、遠遠超越今天的認知，了解這些系統是如何運作的。”

他指出機制可解釋性是這一新興領域的一個早期例證，同時也明確表示這僅僅是個開始。“機制可解釋性是其中的一部分，但我認為我們還可以做更多的事情來分析這些系統。這將會是一門科學。”

但哈薩比斯更進一步，認為人工智能不僅會成為新科學的研究對象，還將成為解鎖新科學的工具。

“我認為人工智能本身或許會開啟新的科學領域。我尤其興奮的是人工智能在模擬領域的應用。我熱愛模擬。我編寫的所有游戲不僅運用了人工智能，而且都是模擬技術。我認為模擬是我們解決一些我們通常認為屬于社會科學范疇的問題——比如經濟學和其他更偏人文學科——的一種途徑。”

為什么經濟學或社會學在預測方面沒有達到物理學的嚴謹性？哈薩比斯認為答案在于結構性因素。“在這個領域進行對照研究非常困難。為什么它們如今不能像物理學一樣成為一門科學？因為問題在于它們是涌現系統——實際上就像生物學一樣——很難進行重復的對照實驗。如果你將利率提高0.5%，你必須在現實世界中進行嘗試，然后觀察會發生什么。你可以提出理論，但你不可能進行成千上萬次的重復實驗。”

他認為，人工智能模擬徹底改變了這種計算方式。“但如果能夠非常精確地模擬事物，那么或許就能開創一種新的科學，即通過對非常精確的模擬器進行嚴格的采樣。我認為這將使我們能夠在如今充滿不確定性的領域做出更好的決策。”

這意義重大。在可解釋性方面，人工智能系統的復雜程度已經達到了一個極高的水平，其內部運作機制變得極其不透明——不僅對公眾而言如此，對構建這些系統的研究人員來說也是如此。研究這些系統可以構成一門獨立的科學學科，這種想法并非牽強附會：事實上，這種情況可能已經出現。例如，Anthropic 已將機制可解釋性作為一項核心研究重點，試圖逆向工程神經網絡實際學習的內容以及它們內部如何表示知識。

在模擬領域，哈薩比斯的愿景與更廣泛的趨勢相契合。他在DeepMind的工作已經證明了人工智能在生物學領域的潛力——AlphaFold破解了一個困擾人們50年的蛋白質折疊難題，并為他贏得了諾貝爾化學獎。他的論點本質上是，同樣的邏輯——利用人工智能以數字速度運行模擬——可以擴展到社會和經濟系統，而大規模的受控實驗在這些領域一直難以實現。一家名為Simile的初創公司正致力于創建哈薩比斯所描述的這類模擬。

如果哈薩比斯的預測正確，那么未來十年不僅人工智能將變革現有的科學學科，還將催生一套全新的科學詞匯——這套詞匯將人工智能系統視為獨立的復雜研究對象，并將模擬視為一種合法的科學探究方法。而這兩項技術所需的基礎設施都已在建設之中。

閱讀最新前沿科技趨勢報告，請訪問21世紀關鍵技術研究院的“未來知識庫”

未來知識庫是 “21世紀關鍵技術研究院”建 立的在線知識庫平臺，收藏的資料范圍包括人工智能、腦科學、互聯網、超級智能，數智大腦、能源、軍事、經濟、人類風險等等領域的前沿進展與未來趨勢。目前擁有超過8000篇重要資料。每周更新不少于100篇世界范圍最新研究資料。 歡迎掃描二維碼或訪問https://wx.zsxq.com/group/454854145828進入。

截止到2月28日 ”未來知識庫”精選的百部前沿科技趨勢報告

（加入未來知識庫，全部資料免費閱讀和下載）