阿里达摩院印卧涛：数学家如何与AI合作？

编者按：

最新发布的《达摩院2022十大科技趋势》将AI for Science列为重要趋势，认为“人工智能成为科学家的新生产工具，催生科研新范式”，引起学界热议。AI究竟对传统科研意味着什么？我们做好迎接准备了吗？以下为阿里达摩院城市大脑实验室负责人华先胜的观点。

DeepMind与合作者最近在Nature发表论文，AI帮助解决了数学难题，引起很多人的关注。大家关心得不是结果，而是AI在数学研究中如何发挥作用。

先介绍下背景，这篇文章是关于低维拓扑，里面有十几个数学量，其中关键量是通过神经网络拟合在做分析得到。作者猜测低位拓扑中存在未知的非线性关系，作者产生了很多数据并用神经网络拟合了近似函数，发现其中三个量在拟合过程中起到了很重要的作用，并且只用这三个量也拟合得非常好。通过反正做拟合实验，产生新的数据，得到新的观察模型，最终数学家利用智慧猜出了一个不等式结构，并进一步给了严格的证明。

大家关心的是人机互动的过程，大量神经网络实验和两个数学家之间多轮的互动，Nature描述了互动过程。自古以来，比如开普勒和其他应用科学家反复地做实验观察，从中寻找规律，现在AI算法和AI专家扮演了这个角色。这次创新主要用了神经网络的技术，包括多元非线性函数进行递进的技术和黑盒解释的技术。

总结来说，这个成功案例会激发纯数学家和AI合作证明一些新的猜想或者发现新结构。

延伸到AI for Science，我的看法是，AI的确可以加速科学实验。除了做计算机模拟之外，AI还可以告诉大家实验的方向。在最近的天体物理中，AI优化太空望远镜的指向，同时搜集更多更有趣的数据，有点像自动驾驶，用AI做自动驾驶望远镜，加快规律的发现速度。

其次，AI推动人机结合。当然说起来简单，具体操作要复杂得多，科学家和AI专家必须紧密互动，比如数据生成、作图、构建神经网络和训练、利用神经网络进行结果验证等解决问题高度相关。

最后非常重要的一点是发展可解释的AI工具。AI产生的结论需要易于理解、能够溯源，这样才能建立与科学之间的桥梁，获得科学家的信任。

（作者系阿里达摩院决策智能实验室负责人）