新火種
2023-12-06 
某「新化合物」90年前就有了？倫敦大學學院教授對DeepMind參與的「A-Lab」提出質疑
編輯 | 紫羅
上周，Google DeepMind 和加州大學伯克利分校的一組研究人員在《Nature》雜志上發表了一篇備受期待的論文，提出了一個「自主實驗室」——A-Lab，旨在利用 AI 和機器人技術加速新材料的發現和合成。
被稱為「自動駕駛實驗室」的 A-Lab 展示了一個雄心勃勃的愿景，即當配備計算建模、機器學習、自動化和自然語言處理方面的最新技術時，人工智能驅動的系統可以在科學研究中實現什么目標。
然而，在發表后的幾天內，人們開始對論文中提出的一些關鍵主張和結果產生懷疑。
Robert Palgrave 是倫敦大學學院（University College London，UCL）無機化學和材料科學教授。他在 X 射線晶體學領域擁有數十年的經驗。Palgrave 在 X（前身為 Twitter）上提出了一系列技術擔憂，因為他注意到數據和分析中存在不一致之處，而這些數據和分析是 A-Lab 所謂成功的證據。
這篇令人興奮的論文展示了材料的人工智能設計、機器人合成。17 天內產生了 10 多種新化合物。但他們做到了嗎？這篇論文在材料表征方面存在非常嚴重的問題。在我看來，它根本就不應該出版。
Palgrave 特別指出，A-Lab 的人工智能通過粉末 X 射線衍射 (XRD) 進行的合成材料相鑒定在一些情況下似乎存在嚴重缺陷。
并且一些新合成的材料此前早已被發現。
比如，Mg6MnO8和 Ni6MnO8都是已知的化合物，并且都是立方體。事實上，這兩種化合物的固溶體（可能寫作 Mg3MnNi3O8）于 1995 年被報道過。
還有 MnAgO2，這個問題在 2021 年就被報道過。
還有的化合物 90 年前就有了。
除此以外，還有......
AI 的有前途的嘗試及其陷阱
Palgrave 在接受 VentureBeat 采訪和寫給 Nature 的一封直言不諱的信中表達了他的擔憂，這些擔憂圍繞著人工智能對 XRD 數據的解釋——這種技術類似于獲取材料的分子指紋來了解其結構。
將 XRD 想象為一臺高科技相機，可以拍攝材料中原子的照片。當 X 射線撞擊原子時，它們會發生散射，形成科學家可以讀取的圖案，就像利用墻上的陰影來確定源物體的形狀一樣。
與兒童利用手影模仿動物形狀的方式類似，科學家們制作材料模型，然后觀察這些模型是否產生與他們測量的相似的 X 射線圖案。
Palgrave 指出，人工智能的模型與實際模式不符，這表明人工智能的解釋可能有點過于創造性。
Palgrave 認為，這代表著從根本上未能滿足識別新材料的基本證據標準，以至于該論文的中心論點——已經生產出 41 種新型合成無機固體——無法得到支持。
在寫給《Nature》雜志的一封信中，Palgrave 詳細介紹了一系列例子，其中數據根本不支持所得出的結論。在某些情況下，為匹配 XRD 測量而提供的計算模型與實際模式存在巨大差異，以至于「對本文的中心主張（即新材料的產生）存在嚴重懷疑」。
盡管 Palgrave 仍然是人工智能在科學領域應用的支持者，但他質疑這樣的任務是否可以用當前的技術完全自主地完成?！溉匀恍枰欢ǔ潭鹊娜斯を炞C，」他認為。
Palgrave 直言不諱地說：「他們制作的模型在某些情況下與數據完全不同，甚至一點也不接近，完全不同。」他的消息？人工智能的自主努力可能沒有達到目標，而人類的 touch 可能會引導它走向正確的方向。
AI 崛起中的人情味
為了回應質疑浪潮，加州大學伯克利分校Ceder Group 負責人 Gerbrand Ceder 在 LinkedIn 上發布了一篇帖子，加入了這場爭論。
Ceder 承認存在差距，并表示：「我們感謝他對我們共享的數據提供的反饋，并旨在解決（Palgrave）在此回應中的具體問題。」 Ceder 承認，雖然 A-Lab 奠定了基礎，但它仍然需要人類科學家敏銳的眼光。
Ceder 的更新包含了新的證據，支持人工智能成功地用正確的成分創造了化合物。然而，他承認，「人類可以對這些樣本進行更高質量的 [XRD] 細化」，并認識到人工智能目前的局限性。
Ceder 還重申，該論文的目標是「展示自主實驗室可以實現的目標」，而不是聲稱完美。仍需要更全面的分析方法。
談話又蔓延到了社交媒體上，Palgrave 和普林斯頓大學教授 Leslie Schoop 對 Ceder Group 的回應發表了看法。他們的反復強調了一個關鍵要點：人工智能是材料科學未來的一個有前途的工具，但它還沒有準備好單打獨斗。
Palgrave 和他的團隊計劃對 XRD 結果進行重新分析，旨在對實際合成的化合物進行更全面的描述。
探索 AI 與人類在科學領域的合作伙伴關系
對于那些擔任高管和企業領導角色的人來說，這個實驗是 AI 在科學研究中的潛力和局限性的案例研究。它說明了將人工智能的速度與人類專家的細致監督相結合的重要性。
主要的教訓很明顯：人工智能可以通過處理繁重的工作來徹底改變研究，但它還無法復制經驗豐富的科學家的細致入微的判斷。該實驗還強調了同行評審和研究透明度的價值，Palgrave 和 Schoop 的專家批評強調了需要改進的領域。
展望未來，未來涉及人工智能和人類智能的協同融合。盡管存在缺陷，Ceder 小組的實驗還是引發了一場關于人工智能在推動科學發展中的作用的重要對話。這提醒我們，雖然技術可以突破界限，但人類經驗的智慧才能確保我們朝著正確的方向前進。
這個實驗既證明了人工智能在材料科學領域的潛力，同時也是一個警示。這是研究人員和技術創新者改進人工智能工具的戰斗口號，確保他們成為尋求知識的可靠合作伙伴。人工智能在科學領域的未來確實是光明的，但只有在那些對世界復雜性有深刻理解的人的指導下，它才會綻放出最耀眼的光芒。
相關推薦
- 免責聲明
- 本文所包含的觀點僅代表作者個人看法，不代表新火種的觀點。在新火種上獲取的所有信息均不應被視為投資建議。新火種對本文可能提及或鏈接的任何項目不表示認可。 交易和投資涉及高風險，讀者在采取與本文內容相關的任何行動之前，請務必進行充分的盡職調查。最終的決策應該基于您自己的獨立判斷。新火種不對因依賴本文觀點而產生的任何金錢損失負任何責任。
