AI是新时代的炼金术吗？根据著名人工智能研究人员AliRahimi等人的说法，当今流行的神经网络和深度学习技术是基于技巧的集合，带有一丝乐观主义，而不是系统的理论。这个想法是，现代算法工程师处理程序和算法的方式与古代炼金术士一厢情愿地拼凑出魔法石的公式时所做的方式非常相似。诚然，我们对AI算法的内部工作原理或它们的应用限制知之甚少。这些新形式的人工智能与传统的计算机代码有很大不同，可以一行一行地理解。但前者恰恰相反。它们是黑盒子，人类甚至机器本身似乎都不知道它们会输出什么结果。AI社区的这场讨论对所有科学都有影响。随着深度学习进入当前科学的许多领域——从药物发现到智能材料设计再到粒子碰撞分析——科学本身就有被概念黑匣子吞没的风险。获得一个计算机程序来教授化学或物理课是很困难的。在如此依赖机器的情况下，我们是否正在抛弃已被证明如此成功的科学方法，并恢复到炼金术的野蛮实践？因其在神经网络方面的开创性工作而获得2018年图灵奖还没有，JanLeCoon说。他认为人工智能研究的现状在科学史上并不新鲜。这只是在许多领域经历过的一个必要的青春期阶段，以试错、困惑、过度自信和缺乏整体理解为标志。我们没有什么可担心的，并且可以从采用这种方法中获益良多。只要我们意识到它们的局限性。毕竟，很容易想象知识的流动，从一个抽象概念的源头，通过实验的曲折，到实际应用的广泛三角洲。这被称为“无用知识的有用性”，由亚伯拉罕·弗莱克斯纳(AbrahamFlexner)在他1939年的开创性论文中提出（本身是对启蒙运动期间出现的美国“有用知识”概念的一种演绎）。爱因斯坦的广义相对论是这一过程的经典例证。这一切都始于一个基本思想，即物理定律应该适用于所有观察者，而不管他们的运动系统如何。然后，他将这一概念转化为弯曲时空的数学语言，并将其应用于引力和宇宙演化。如果没有爱因斯坦的理论，我们智能手机中的GPS每天会偏离大约7英里。但也许这种无用知识有用的范式就是丹麦物理学家尼尔斯·玻尔喜欢称之为“伟大的真理”——一个真理的反面也是一个伟大的真理。或许，正如人工智能所展示的那样，知识也可以向上流动。在广泛的科学史上，我们可以找到许多这种效应的例子，正如勒昆所言，这可以称为“有用知识的无用”。一个总体的、根本上重要的想法可以从一长串渐进的改进和有趣的实验中产生。也许最能说明问题的是热力学定律的发现，它是所有科学分支的基石。这些描述能量守恒和熵增的优雅方程是所有物理现象都遵循的最基本的自然法则。但这些一般概念只是在经过漫长而混乱的实验后才变得清晰起来，从18世纪第一台蒸汽机的建造和设计的逐步完善开始。从实际考虑的浓雾中，数学定律慢慢浮出水面。再举个例子，我们可以翻开流体力学的历史。早期人类面临一个紧迫的问题——在不同的水道上运输——他们竭尽全力克服它，而不用担心甚至不关心对流体力学的基本了解。在随后的几千年里，人们建造和航行船只，完全根据经验知识和经验设计更高效的形状。直到19世纪，我们才偶然发现了著名的Navier-Stokes方程，它以数学精度描述了流体的运动。即使在那个时候，随着机械马达的出现和更高的速度推动了对理论考虑的需求，知识也在向上流动。甚至可以说科学本身也遵循着同样的道路。在17世纪现代研究方法和实践诞生之前，科学研究主要由非系统实验和理论研究组成。长期以来被认为是学术死胡同，这些古老的做法近年来被重新评估。炼金术现在被认为是现代化学的有用甚至必要的先驱——与其说是骗局，不如说是元科学。拼凑和修补是获得宏大理论和见解的富有成果的途径，特别是对于以新颖方式结合先进工程和基础科学的当前研究。在突破性技术的推动下，纳米物理学家正在修补，在分子水平上建造现代蒸汽机，操纵单个原子、电子和光子。CRISPR等基因编辑工具使我们能够剪切和粘贴生命本身的代码。凭借难以想象的复杂结构，我们正在将自然推向现实的新角落。有了这么多探索物质和信息的机会，从最积极的意义上讲，我们正在进入现代炼金术的黄金时代。但是，我们不能忘记来之不易的历史教训。炼金术不仅是一门原始科学，而且还是一门承诺过高而兑现不足的“超级科学”。就像占星术曾经被如此认真地对待，以至于社会文化不得不适应扭曲理论，而不是相反。不幸的是，现代社会并没有摆脱这种神奇的思维，对万能的算法过于信任，而没有批判性地质疑它们的逻辑或道德基础。科学总是遵循扩展和集中交替阶段的自然节奏。一段非结构化探索之后是一段巩固期，新知识建立在基本概念之上。我们只能希望当前在人工智能、量子设备和基因编辑方面的创造性修补，以及它们丰富的有益应用，最终将导致对世界有更深入的了解。
