在伦敦市中心的一家前手表工厂里，白色的冷冻柜嗡嗡作响。里面装满了数十个带有条形码的玻璃管的小盒子，总共包含一千亿个基因。设施的共同创始人奥利弗·文斯博士说，仅仅两个盒子中所含的信息量可能是互联网所有文本的10倍。他的公司Basecamp Research计划收集尽可能多的DNA，以创建一种可以讲述生物学语言的人工智能，就像美国和中国的科技公司从网上获取书面材料，以创建大型语言模型（LLMs），这是当前人工智能系统的基础。文斯和许多商业和学术研究人员一样，相信人工智能将会极大推动科学研究。然而，争议也日益增多。上个月，ChatGPT的创建者OpenAI表示，它已解决了数学界的一个重大未解难题，与著名的纳维-斯托克斯方程有关。该公司表示，它的人工智能代理在88小时内破解了这一难题。负责这一难题奖项的机构表示，该问题“显然已经得到解决”，但它的审核需要时间。然而，在公告发布的几个小时之前，纽约大学的数学家特里斯坦·巴克马斯特公开表达了担忧。他与 rival 公司Anthropic的数学家利文特·阿尔普尔格组成了一个独立团队。他们在朝着相同的目标努力，并将草稿保存在OpenAI的编码工具Codex中。巴克马斯特表示，他的合作者被告知他们的进展消息已经被“传达到”OpenAI，尽管他没有详细说明如何得知。他询问他存储在Codex中的研究是否可能对OpenAI的工作有所影响，尽管他强调自己“没有指控任何人”。一个威胁是科学期刊，作为科学诚信的守护者，它们被视为未能应对人工智能生成的扭曲的信息潮。报道研究不当行为已有十年的科学记者达尔米特·辛格·查维拉表示：“生成性人工智能基本上破坏了整个科学过程。”他告诉BBC，出版商的诚信工作人员——审核提交材料的准确性和可靠性的人——如果要在这一斗争中参与，必须“在数量和努力上大幅增加”。他说：“现在，看起来他们并没有。” 从表面上看，人工智能似乎正是推动科学研究的合适工具。科学家处理着大量的信息。望远镜和粒子加速器等设备收集数十亿个数据点——这对于人脑来说太庞大而难以理解。人工智能可以从周围的琐事中挑选出科学亮点。科学人工智能的典型代表是总部位于英国的公司Google DeepMind，它在2020年解决了生物学上最大的一个问题：生物体中的蛋白质如何折叠成精确的形状。听起来可能有些无聊，但蛋白质是使生命运作的微小机器，它们折叠成的形状决定了它们能做什么；从构建细胞和抗击感染，到帮助形成身体的组织和器官。在人工智能出现之前，科学家必须在实验室进行耗时的实验。然后，Google DeepMind开发了一种名为AlphaFold的人工智能模型，在短短一年内准确预测了两亿种蛋白质的折叠。相应的实验工作在实验室中可能需要数亿年的时间。该公司将结果免费提供给研究人员。DeepMind的负责人和该项目的首席科学家均获得了诺贝尔化学奖。这是一个热烈的拥抱时刻。领导DeepMind科学工作的Pushmeet Kohli博士告诉我，AlphaFold可以被视为一个“分水岭时刻”。