（文章來源：教育新聞網(wǎng)）

一位以鈍器評估而聞名的理論物理學家說，物理學家避免使用“人工智能”一詞：不僅因為它有點夸大其詞，而且因為對自然情報的類比充其量只是表面上的，而在最壞的情況下會引起誤解。沒錯，目前的模型大致是基于人腦的結構。

這種類型的迭代學習當然是智能的一個方面，但是卻有很多不足。當前的算法嚴重依賴人類來提供合適的輸入數(shù)據(jù)。他們沒有制定自己的目標。他們沒有提出模型。就物理學家而言，它們是精確的數(shù)據(jù)擬合和外推方法。她很快補充說，新的AI技術并沒有像2008年所預言的那樣預示著理論的終結，它可以為物理學家?guī)砭薮蟮膸椭骸翱傊?u>機器學習突然可以使物理學家解決許多問題以前是棘手的，僅僅是因為計算量很大?！?/p>

薩賓·霍森菲爾德(Sabine Hossenfelder)(左上)的一個例子是對來自外層空間的大量圖像進行分析，以便發(fā)現(xiàn)黑洞?？梢詸z測到它們的原因是它們繞著它們周圍的時空移動，但很少有像2017年這樣的發(fā)現(xiàn)如此巨大的，它比太陽大8億倍。許多黑洞很小，并且信號通常很微弱。找到它們只是一臺機器的工作。

科學家的角色會改變嗎?費米實驗室的天體物理學家布萊恩·諾德(Brian Nord)沒有任何強烈的懷舊之情，回想起他在博士后時代的經(jīng)歷，當時“我們的團隊每人要花費數(shù)十個小時在廣闊的天空中搜尋，通常是通過眼睛來識別鏡片”。對于人工智能帶來的未來變化，他建議，

就像我們剛開始使用計算機時一樣。那件事發(fā)生在我的時間之前，但是當科學家習慣于獲取論文時，他們將不得不弄清楚如何從地塊中獲取數(shù)據(jù)。現(xiàn)在我們可以將圖形下載到我們的計算機上并以數(shù)字方式提取數(shù)據(jù)。

人工智能將做類似的事情?？茖W家仍然有工作要做，但這是不同的工作。分類圖像等任務將被抽象掉。也許我們更多的時間會花在假設的產(chǎn)生上，因為這對于AI來說很難。我們許多人還需要學習這些算法的工作原理，以便我們能夠解釋結果。
? ? ?