人工智能早已不再是自动化日常工作或生成文本的工具。如今，它正被积极应用于基础科学研究：从构建蛋白质结构以开发新药，到预测气候异常。机器学习技术已迫使科学界重新思考一系列看似不可动摇的真理。
以下是人工智能的应用所证伪或显著修正的五个关键科学观念。
1. 计算机视觉：不仅仅是生物的特权
长期以来，科学界普遍认为，不仅“看到”而且识别图像的能力，仅限于生物体。2012年，随着AlexNet神经网络在NeurIPS会议上亮相，情况发生了变化。该网络在ImageNet数据库的130万张高分辨率图像上进行训练，在计算机视觉领域取得了突破性进展，证明机器能够高精度地分类视觉数据。这项工作为面部解锁智能手机等现代技术奠定了基础，并表明视觉感知并非人类独有的生物功能。
2. 逻辑与数学：人工智能达到奥林匹克冠军水平
复杂的逻辑推理和定理证明传统上被认为是衡量非凡人类能力的测试，是寻找年轻数学人才的“筛选器”。然而，在2024年1月，谷歌研究团队发布了AlphaGeometry系统，该系统在标准的奥林匹克竞赛时间内解决了30道复杂的几何难题中的25道。相比之下，之前的算法只能解决10道题，而人类国际数学奥林匹克金牌得主的平均得分是25.9分。这项发表在权威期刊《自然》杂志上的成就证明了人工智能能够进行深度逻辑推理。
3. 植物学：气候并非总是决定叶片大小
生物学中存在一个既定法则，即生活在湿润气候（如丛林）中的植物，其叶片比干旱地区同种植物的叶片更大。然而，澳大利亚科学家通过计算机视觉进行的一项研究，在物种层面证伪了这一公理。在分析了新南威尔士州国家植物标本馆的数千份数字化样本后，专家们发现，红枫的叶片大小更多地取决于与其他种群的基因交流，而不是温度或降水量。这一发现正在改变在气候变化背景下保护珍稀植物物种的方法。
4. 进化生物学：灭绝之后并非总是繁盛
人们普遍认为，大规模灭绝事件（如恐龙灭绝）后，空出的生态位会迅速被新物种填补，从而必然导致生物繁荣。2020年，英国和美国的研究人员应用机器学习分析了涵盖17万个物种的100万多份化石描述。结果显示，大规模灭绝与随后生物多样性的爆发式增长之间不存在直接的因果关系，这要求对一项关键的进化理论进行重大重新审视。
5. 法医学：同一个人的指纹可能相似
每个人指纹的绝对独特性（甚至一个人手上不同手指的指纹）的信念，是现代生物识别技术和法医学的基础。然而，在2024年1月，哥伦比亚大学的科学家对此提出了质疑。他们在一个AI模型上训练了6万枚真实指纹和50万枚合成指纹，发现同一个人不同手指的指纹具有显著的相似性。与关注纹线分支的法医不同，神经网络发现了新的、以前未被考虑的标记：旋涡的曲率和倾斜度。这一发现能够将法医鉴定的准确性提高近两个数量级，并简化未来设备的生物识别认证。
结论：科学探索的未来
人工智能并没有取代科学家，而是成为了他们强大的盟友。它能够处理对人类感知来说难以承受的海量数据，并提出关于细胞反应或疫苗有效性的非传统假设。尽管现代模型仍然受到训练样本中存在的偏见的困扰，但技术发展的轨迹表明，在未来几十年里，最重大的科学发现将会在人与人工智能的协同作用下产生。
