人工智慧對科學研究的衝擊
陳力俊 中研院院士、清大特聘研究講座教授人工智慧與科學研究 (ChatGPT 製作)
這項發展引發數學界的震動,其影響遠超數學層面。《經濟學人》認為,這既展現人工智慧的驚人進步,也提出警訊:未來探索宇宙的重大成果,可能出自機器,而人類未必能充分理解其推理過程。問題在於,如何在加速發現的同時深化理解。
人工智慧在數學研究中特別受到矚目,部分原因是數學證明依據明確的公理、定義與推理規則;一旦完成形式化,便可交由電腦檢查。但仍須確認,形式化命題是否忠實對應原來的問題。AI帶來的可能是研究工作的重新分配:它將承擔更多程式撰寫、模擬與計算,也可能協助提出假說;人類則須持續培養選擇研究問題、評估證據、解釋成果與判斷公共價值的能力。
另一方面,人工智慧也正加速實證科學的進展。人工智慧讓天氣預報變得更好。它提出數百萬種候選材料結構,並協助控制核融合實驗。它也能根據胺基酸序列,預測蛋白質的三維結構。當人工智慧能大量產出研究成果,科學的瓶頸可能從「找不到答案」,移向「來不及驗證、理解與判斷答案」。AI 產出的數學證明或科學推論可能龐大而複雜,人類未必能迅速掌握其中的關鍵概念與推理。科學界必須在「追求更高效率的進展」與「保持人類對宇宙的真正理解」之間取得平衡。
人工智慧可望推動更多科學進展,但不同領域確認成果有效的方式,仍有重要差異。例如,材料研究中的計算預測,即使顯示某種結構可能穩定,也不等於已能合成,更不等於具備實用性能。從預測到應用,還須經過合成、結構鑑定、性質量測、重現性與製程評估。AI可以加速其中許多環節,卻不能以候選數量代替實驗證據。使用一項成果與發展一門科學,所需要的理解程度並不相同。
數學界的反應既有期待,也有對學科前景與研究自主的憂慮。人類數學協會強調,數學的價值不只在於獲得答案,也在於探索與證明過程所形成的理解。另一個獨立的數學與AI諮詢團體則強調:研究者必須能自行提出問題、選擇方向,並公平取得工具與算力。這些關切超出了職業利益。
學者沒有壟斷知識生產的權利。追求真理對所有人都有益,不能只限於學者社群。學術階層並非神聖不可侵犯。如果需要,它們必須被重塑,以支持人類與人工智慧共同探索問題,並讓驗證、解釋與深化理解獲得應有肯定。值得追問的是:企業大量產出成果,學界是否被迫承擔驗證成本?如果只有少數公司掌握最強工具,它們是否也會間接決定哪些問題優先被研究?反對知識壟斷,同樣應包括反對企業壟斷研究方向。
對台灣的大學與研究機構而言,值得採取的方向是:擴大研究者取得AI與算力的機會,保留扎實的理論及實驗訓練。未來必須改革評價制度,降低對論文數量與期刊影響係數的過度依賴,讓原創問題、理論突破、實驗發現,以及AI成果的驗證、解讀與重現,都得到相應肯定。當AI深度參與研究,作者署名、責任歸屬、同儕審查與研究方向的決定機制,都需要重新檢視。人類監督必須具備足夠的專業能力、時間與否決權,才不會淪為形式上的背書。










