原創(chuàng) | 文 BFT機器人

2023年，隨著GPT在各行各業(yè)的爆發(fā)，“是否能將GPT用于科研場景”成為了一個水到渠成的問題。當(dāng)ChatGPT超越大部分人類在高考、SAT、美國法考、醫(yī)考等領(lǐng)域取得令人咋舌的高分后，人們對于GPT驅(qū)動科研的興趣愈發(fā)高漲。截止本報告發(fā)布時間（2023年8月）LLM在科研領(lǐng)域的實踐已出具端倪，應(yīng)用生態(tài)愈發(fā)豐富。

在人類的歷史長河中，科學(xué)以其神秘的魅力吸引著我們，不斷引領(lǐng)著我們探索未知的世界，解答生命的奧秘，推動社會的進(jìn)步與文明的發(fā)展。

而如今，當(dāng)人工智能技術(shù)正在改變?nèi)藗內(nèi)粘Ｉ畹耐瑫r，它也開始影響人類對科學(xué)邊緣的探索。我們正處在這樣一個交匯點——人工智能與科學(xué)探索開始相互碰撞并融合。在這個交匯點的中心，大語言模型（LargeLanguageModels，LLMs）正作為全新的媒介，重塑我們與知識本身的互動方式。在本篇中，我們將系統(tǒng)地探討LLMs在科學(xué)研究中的變革潛力和挑戰(zhàn)。

首先，我們將闡述LLMs作為人類與知識雙向接口的觀點；然后，我們將深入探討LLM處理科學(xué)內(nèi)容的能力邊界和改善方法；最后，我們將開放式的討論當(dāng)下LLM的最強潛力——思維鏈（Chain of Thoughts），以及其革新人類科研方法的可能性。

AI作為人與知識交互接口的可能性

印刷術(shù)躋身人類的四大發(fā)明，實至名歸。每一個人的生命有限，然而，將每個人在有限的生命中創(chuàng)造的知識蒸餾沉淀并以文字的形式記錄在文本上代代相傳、迭代更新，這一范式可以說是人類文明存續(xù)的基礎(chǔ)。

從原始人刻蝕甲骨、到今天人們在指尖就能調(diào)用復(fù)雜的數(shù)字?jǐn)?shù)據(jù)庫，人類永遠(yuǎn)在追求更高效的知識獲取、存儲和傳播方法。正是由于人類以語言作為知識的“溶劑”，像GPT-4這樣的大型語言模型（LLMs）才有潛力徹底改變我們與科學(xué)知識的互動方式。這場革命的核心在于將LLM 視為雙向接口的概念，LLM是一種動態(tài)媒介，人們可以通過它提取和貢獻(xiàn)知識。

這種雙重功能重新定義了人類與無邊無際的科學(xué)文獻(xiàn)之間的關(guān)系。這在學(xué)科不斷交叉，知識不斷交匯的今天尤為重要?？茖W(xué)的進(jìn)步和發(fā)展無疑在推動我們的社會向前發(fā)展，但在這個過程中，一個主要矛盾越來越顯著：即愈發(fā)浩繁的知識量與有限人腦容量之間的矛盾?？茖W(xué)的各個領(lǐng)域正以前所未有的速度相互交織和交叉。如同浩瀚的宇宙中的星系碰撞和融合，這些交叉和碰撞產(chǎn)生了全新的領(lǐng)域和深遠(yuǎn)的影響。

最為明顯的例子莫過于2022 年諾貝爾獎的“生物正交反應(yīng)”，它結(jié)合了化學(xué)反應(yīng)的設(shè)計和優(yōu)化與生物體系的復(fù)雜性和特殊性，發(fā)出具有選擇性、效率和生物相容性的反應(yīng)體系，以滿足生物研究、醫(yī)學(xué)診斷和治療等領(lǐng)域的需求。又如，生物信息學(xué)，這一新興領(lǐng)域就是計算機科學(xué)與生物學(xué)的結(jié)合，正是通過對生物學(xué)數(shù)據(jù)的計算和分析，使得我們能更深入地理解基因，細(xì)胞和生態(tài)系統(tǒng)。亦如改變微尺度科研的“從頭算分子動力學(xué)”，正是電子結(jié)構(gòu)研究與分子動力仿真的融合；再比如量子計算，這一領(lǐng)域?qū)⒘孔游锢韺W(xué)和計算機科學(xué)完美結(jié)合，有可能徹底改變我們對計算的理解和應(yīng)用。

這種趨勢的背后也帶來了一個挑戰(zhàn)：科研人員需要了解的知識面越來越廣，而要獲取、理解并應(yīng)用這些跨領(lǐng)域的知識，無疑是一項艱巨的任務(wù)。正是在這樣的背景下，大語言模型（LLM）的出現(xiàn)給我們帶來了希望。

一方面，LLMs使得知識的提取和綜合變得高效、便捷。通過解密和呈現(xiàn)復(fù)雜的科學(xué)信息，它們大大降低了進(jìn)入新領(lǐng)域的門檻。這確保了即使是新手，也能夠?qū)Ш胶屠斫饪茖W(xué)話語，即使他們可能會被專業(yè)文獻(xiàn)的復(fù)雜性所嚇倒。例如，ChatPDF允許用戶上傳PDF文件（通常是一篇科學(xué)論文），然后向AI代理提問有關(guān)這篇論文的問題，而AI則可以基于其本身的知識理解用戶PDF的內(nèi)容并做出回答 —— 就像教授向?qū)W生的傳道、授業(yè)、解惑一樣。這樣的能力對于科研人員來說無疑是一種解放。他們無需再浪費大量時間去處理無關(guān)的信息，而可以直接專注于自己的研究領(lǐng)域，或者探索新的研究領(lǐng)域。這使得科研人員能夠更快地接觸并進(jìn)入新的領(lǐng)域，更好地實現(xiàn)跨領(lǐng)域的研究。

在未來，當(dāng)進(jìn)入科學(xué)的門檻被大幅降低后，不僅是剛進(jìn)入科學(xué)殿堂的年輕人會大幅受益；已在專業(yè)領(lǐng)域深耕數(shù)十年的科學(xué)家也將得以輕松跨越越來越細(xì)分的學(xué)科壁壘，在他山找到可以攻玉之石。在世界領(lǐng)先的大學(xué)中，常舉行跨學(xué)科的非正式交流活動，以促使不同領(lǐng)域知識與智慧的碰撞。LLM的出現(xiàn)，可以使得這樣的機制在全球范圍打破時空限制異步進(jìn)行，推倒學(xué)科之墻，讓知識再次自由流淌。

另一方面，LLMs可以加速并改進(jìn)知識貢獻(xiàn)的過程。例如，利用LLMs進(jìn)行多步推理和決策的能力，研究人員可以在科學(xué)文獻(xiàn)的迷宮般的廣度中找到最相關(guān)的論文。這不僅加快了文獻(xiàn)回顧的過程，還通過確保對現(xiàn)有知識的全面和相關(guān)審查，提高了科學(xué)論文的質(zhì)量。這個過程并非簡單的信息檢索，而是一個深度學(xué)習(xí)、多步驟的推理過程，正是這樣的推理能力，才能幫助研究人員在繁雜的信息中尋找到最有價值的知識。

此外，LLMs在撰寫科學(xué)論文中也可以起到關(guān)鍵的作用。通過協(xié)助語言生成，它們可以為學(xué)者，尤其是英語為第二語言的學(xué)者提供必不可少的幫助。LLMs不僅能提供語言方面的幫助，還能幫助構(gòu)建邏輯敘述并確保連貫性，這在科學(xué)話語中是至關(guān)重要的，因為復(fù)雜的觀點和發(fā)現(xiàn)必須被精心組織和呈現(xiàn)。

然而，LLM的意義遠(yuǎn)不止于此。在更大的范圍內(nèi)，LLM讓更多人有了貢獻(xiàn)知識的機會。知識不再是高墻之內(nèi)的象牙塔，不再是少數(shù)人的專利。任何人，無論他們的語言、背景或地位，都可以通過LLM參與到知識的探索和創(chuàng)新中來。這無疑是一種巨大的進(jìn)步，是人類文明進(jìn)入下一個階段的必要工具。如果沒有這樣的工具，知識的發(fā)展可能只會被少數(shù)的傳統(tǒng)機構(gòu)所壟斷，導(dǎo)致創(chuàng)新的停滯。

在科技迅猛發(fā)展的今天，舊有的知識獲取和創(chuàng)新方式已經(jīng)無法滿足我們對進(jìn)步的渴望。深度學(xué)習(xí)和人工智能的出現(xiàn)，以及DeepMind和OpenAI等機構(gòu)的巨大成功，都向我們證明，新的科研方法能夠更高效、更有創(chuàng)新性地推動知識的發(fā)展。為什么AlphaFold、ChatGPT（以及其背后的Transformer）這些震撼世界的成果沒有誕生在大學(xué)？這一靈魂拷問也許值得大學(xué)管理者們思考。這些新的科研方法并非要取代大學(xué)，而是希望通過更開放、更公平的方式，讓更多的人參與到知識的探索和創(chuàng)新中來。

AI不會取代大學(xué)，但是擁抱AI的大學(xué)會超越抵觸AI的大學(xué)。

人類對知識的渴求是無盡的。LLM的出現(xiàn)不僅為我們解決了獲取和處理跨領(lǐng)域知識的難題，也使得科學(xué)的交叉和碰撞變得更為自由和流暢。我們有理由期待，這種變革將為我們帶來更多的科學(xué)突破和創(chuàng)新，這一點，確實令人充滿期待和激動。

作者?| 春花

排版 | 春花

審核 | 貓

若您對該文章內(nèi)容有任何疑問，請與我們聯(lián)系，將及時回應(yīng)。想要了解更多資訊，請關(guān)注BFT智能機器人系統(tǒng)~