“后理论科学”时代来临了吗？

在各种人工智能、机器学习系统快速发展的今天，学者把它们称为“后理论科学”（post-theory science）。有的人疑惑，传统科研方法会被时代所淘汰吗?

科学专栏作家劳拉·斯宾尼（Laura Spinney）1月9日发表在《卫报》的一篇文章提出了一些有意思的观点。这要先从什么是传统科学和“后理论科学”说起。

传统科学典型的例子就是牛顿发现万有引力定律的过程——通过对生活中的事情、周围的世界所发生的事情提出问题，总结出一套理论能扩展解释更多问题，这是人们熟悉的科研方法。

可是现代科学的发展趋势看起来有些怪异。比如脸书的机器学习工具预测用户的偏好，达到了比心理学家更准确的地步，甚至有些让人不寒而栗。有些人工智能工具是研究人员的好帮手，像谷歌公司开发的预测蛋白质折叠的人工智能软件AlphaFold，研究人员需要几年才能完成的工作它在十分钟内即可完成。

这些基于人工智能和机器学习的科研方法的奇怪之处在于，研究人员设计好系统后，无法追踪它们怎样得出结果。这些系统也无法提供它们的运算或推理过程，有点类似“黑箱”操作。而传统科学总有一个明确的公式或是清晰的推理过程，这就是传统科学和“后理论科学”之间一个显而易见的区别。

由于人工智能在飞速发展，一些学者认为可能以后传统科研方法就会消失了，使用人工智能系统来分析大量的数据，找到事物的关系比用人脑研究更快、更准确。美国《连线》（Wired）杂志前主编克里斯·安德森（Chris Anderson）在2008年就提出了这样的看法，他认为传统科学总结出来的定律把世界简单化了，而人工智能有能力处理更多的数据，能更有效地发现事物的规律。

斯宾尼则认为情况不是这样，传统科学将一直有它的地位，她提出了至少三个原因。

第一个原因是，人工智能系统带有设计者无法解决的缺陷，比如得出的结果带有偏见，像谷歌的搜索引擎、亚马逊的招聘软件，都是知名的例子。有的人说，人类社会也存在偏见，是这样，但是人类社会可以展开对话、可以沟通，这些软件既然无法提供计算过程，就意味着它们和设计者之间都无法沟通，更不要说和人类沟通。

第二个原因是，很多人对于这些系统的“黑箱操作”很不满。正像上面提到的，这些软件无法提供推理过程，而人类很需要知道“为什么”。

第三个原因是，人类的“灵感”推动了很多科研的进展，并不是任何事情都依靠海量的数据。数学家克里斯汀·斯坦普（Christian Stump）上个月（12月）发表在《自然》（Nature）上的文章说，“灵感是创造力的核心”。也就是说，还有很多理论是人类可以探索和做出解释的，等待人类靠“灵感”去发现。

斯宾尼说，当然，“后理论科学”研究方法给科研领域注入了新的活力。在2022年的今天，已经找不到哪个领域没有人工智能的足迹。人类要做的就是学会驾驭它们，它们会帮助人类找到很多问题的答案，人类将如虎添翼。