人工智能或将以人类专业知识重塑物理世界

4小时前7 min read1 comments

认为人工智能将简单地自动化人类工作并使其过时的说法，是一种普遍存在但根本上有缺陷的叙事。一个更为微妙且具有变革性的现实正在浮现，特别是在物理科学和工程领域，人工智能正演变为一个协作伙伴，它学习并增强人类的专业知识。这种从替代到增强的范式转变，或许是当今应用人工智能领域最重要的发展，正在重塑从自主出行到先进显微镜和材料科学的各个领域。在约翰斯·霍普金斯大学，小阿朗佐·G·德克尔教授兼人工智能高级顾问 K. T. Ramesh 将此框架设定为并非走向完全自动化，而是自主研究系统的兴起。正如 Ramesh 在最近的世界变革思想峰会上强调的那样，关键的洞见在于，虽然实验室可以变得越来越自动化运行，但根本性问题——科学探究的“是什么”和“为什么”——仍然深刻地属于人类。人工智能可以处理海量数据以提出新的合金成分建议，但正是研究人员在社会需求和伦理考量的指导下，去追问这种材料是应优先考虑航空航天所需的抗拉强度，还是医疗植入物所需的生物降解性。这种共生关系在像 Cephla 这样的生物技术企业中得到了生动体现，其首席执行官 Hongquan Li 部署了人工智能驱动的显微镜用于疟疾检测等任务。在这里，人类的作用是多层次且不可或缺的：临床医生收集并标注初始训练数据，建立真实标签，从而教会算法识别疟原虫。一旦部署，这些系统并非在真空中运行；它们由技术人员操作，其输出结果由医疗专业人员解读，他们将人工智能的发现与患者病史及其他临床指标相结合，做出最终影响生命的决策。人工智能擅长在数千张载玻片中进行模式识别（这项任务容易导致人类疲劳），但它缺乏患者护理所需的整体判断力和同理心。同样，在自动驾驶汽车领域，像 Waymo 这样的公司（其工程高级总监 Smitha Shyam 将其描述为物理世界人工智能的成熟体现）明确为这种共存而设计。他们的安全框架证明了算法精度与人类监督之间的平衡。在一辆完全自动驾驶汽车获准进入一个新的复杂城市环境之前，它会经过严格的测试，由人类安全操作员监控其性能，并在边缘情况（如突发的施工区域、行为异常的行人）下进行干预，这些情况对人工智能的训练语料库构成了挑战。这种分阶段的方法，即人工智能为就绪评估提供信息，但由人类专家对公共道路部署做出最终决定，形成了一个反馈循环。每一次干预都成为一个数据点，完善人工智能的模型，使整个系统更安全、更稳健。这种协作模式延伸到了新材料设计等前沿研究。人工智能算法现在可以以人类无法企及的速度模拟分子相互作用，探索广阔的元素组合空间，以提出具有特定性质的候选材料。然而，将一个计算上有前景的材料转化为可制造、经济可行且环境可持续的产品，需要工程师、化学家和供应链专家的参与。人工智能提出建议；人类进行决策，在现实世界纷繁复杂的约束条件下对发现进行情境化处理。这种转变背后的哲学基础让人回想起早期技术革命的教训。20 世纪的工业自动化并没有消除对人类工人的需求；它将他们的角色从体力劳动者转变为机器操作员、程序员和维护专家。如今的人工智能副驾驶代表了知识和专家工作的类似演变。当然，风险在于设计不良的系统仅仅自动化了任务而没有保留人类的主观能动性，或者训练数据集未能捕捉人类专业知识和伦理细微差别的全貌。因此，前进的道路需要关注人在回路（HITL）架构、可解释人工智能（XAI）（它让专家能够理解和信任算法建议），以及计算机科学家与领域专家并肩工作的跨学科团队。由约翰斯·霍普金斯大学等机构的研究人员和一线公司正在构建的未来，不是过时的未来，而是能力增强的未来——在这个世界里，人类的直觉、创造力和伦理推理引导着强大的人工智能工具，去解决以前棘手的问题。.

#AI in the physical world

#human expertise

#autonomous research

#Waymo

#Cephla

#robotics

#collaboration

#editorial picks news

Stay Informed. Act Smarter.

Get weekly highlights, major headlines, and expert insights — then put your knowledge to work in our live prediction markets.