在匹茲堡卡內基梅隆大學的實驗室內，*個機器人手臂舉起*個裝滿化學試劑的瓶子，并將其攜帶到*排試管上，在試管中分配*定數量的液滴。手臂旋轉，取代瓶子，再次旋轉，并拿起另*個容器。機器毫不吝嗇地不知疲倦地旋轉，在測試之后進行測試。實驗是正在進行的項目的*部分，以確定高容量電動汽車電池的理想化學組成。很快，機器人不會只是運行實驗 - 他們也會設計它們。

　　

 

　　在接下來的幾個月中，人工智能算法將逐漸接管基于電池測試運行的實驗計劃。*旦完全運作，這位機器人研究生將決定如何修改其測試成分的濃度。

　　

　　“它不僅自動執行實驗的手冊部分，還包括規劃部分”豐田研究院科學**導該項目的Brian Storey說。

　　

　　科學長期以來*直被認為是*不可能被機器人開發的人類活動之*。隨著傳感器，音序器和衛星在TB*傳輸數字信息，情況正在發生變化。

　　

　　“我們無法處理大量的數據，”負責卡內基梅隆機器學習部門的Manuela Veloso說。對于生物技術公司和其他各種企業而言，這是日益令人擔憂的，這些企業正在努力理解前所未有的原始信息。

　　

　　用于識別和分類模式的AI軟件已經在海洋生物學（識別水聽器記錄中的野生海豚發聲）到天文學（檢測行星數千顆恒星的亮度微妙波動的存在）等大范圍科學中部署。為了發現希格斯玻色子，即所謂的上帝粒子，算法篩選了瑞士大型強子對撞機內產生的數十億粒子軌道。人工智能正迅速成為大學科學課程的重要組成部分。

　　

　　使發現過程自動化不僅能釋放研究人員的時間。它可能會改變發現的種類。

　　

　　“我很容易想象AI會推薦哪些實驗來嘗試合成*種你認為不可能的化學分子，但人工智能將能夠做到這*點，”卡內基梅隆機器學習教授BarnabásPóczos說道。豐田項目。

　　

　　不幸的是，生成新穎的預測本身并不是那么有用。科學*所追求的不是什么而不是為什么 - 讓他們理解宇宙如何運作的優雅理論公式，比如牛頓的**定律或E =mc?。到目前為止，人工智能軟件的神經網絡無法真正解釋他們是如何得出答案的。

　　

　　相比之下，人類相當擅長這*點。所以在近期內，*有希望的方法將是人類和人工智能*起工作。今年2月，荷蘭出版商Elsevier宣布與軟件制造商Euretos進行試驗性合作，利用AI評估數百萬篇經同行評審的科學文章，提出生物化學*域的假設。學者們將在網上剔除這些假設，并以*令人鼓舞的實驗為基礎進行實驗。“這個愿景是，討論成為*個更加自動化的過程，”Euretos聯合創始人阿里巴克說。

　　

　　在那之后？“人們*直在想，如果你能讓計算機自動找出物理原理的基礎，”豐田公司的Storey說。“我不認為我們現在要走得太遠。”