人工智能早已超越了仅仅是自动化日常工作或生成文本的工具。如今，它正积极地融入基础科学研究：从设计蛋白质结构以开发新药，到预测气候异常。机器学习技术已经迫使科学界重新思考一系列看似不容置疑的真理。
以下是得益于人工智能应用而被证伪或显著修正的五个关键科学刻板印象。
1. 计算机视觉：不仅仅是生物的专利
长期以来，科学界普遍认为，不仅“看见”而且识别图像的能力，只存在于生物体中。2012年，随着AlexNet神经网络在NeurIPS会议上亮相，这一局面发生了改变。它在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，证明机器能够以高精度对视觉数据进行分类。这项工作为如今的面部解锁智能手机等技术奠定了基础，并表明视觉感知并非生物特有的功能。
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历来被视为衡量非凡人类能力的标准，是筛选年轻数学人才的“过滤器”。然而，在2024年1月，谷歌的研究团队推出AlphaGeometry系统，该系统在标准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，之前的算法只能处理10道题，而人类国际数学奥林匹克金牌获得者的平均得分约为25.9分。这项发表在权威期刊《自然》上的成就，证明了人工智能能够进行深入的逻辑推理。
3. 植物学：气候并不总是决定叶片大小
在生物学中，存在一个普遍的规则，即潮湿气候（如丛林）中的植物比干旱地区同类植物拥有更大的叶片。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。通过分析来自新南威尔士州国家植物标本馆的数千份数字化样本，专家们发现，挪威枫的叶片大小更多地取决于与其他种群的基因交流，而非温度或降雨量。这一发现改变了在气候变化背景下保护稀有植物物种的方法。
4. 进化生物学：灭绝不一定带来繁荣
人们普遍认为，在经历了大规模灭绝（如恐龙时代）之后，被释放出来的生态位会迅速被新物种填补，从而必然导致生物大爆发。2020年，英国和美国的研究人员运用机器学习分析了超过100万份包含17万个物种的化石描述。结果表明，大规模灭绝与随后的生物多样性爆炸式增长之间没有直接的因果关系，这要求对一项关键的进化理论进行重大修正。
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（甚至同一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。通过在一组包含6万个真实指纹和50万个合成指纹的数据库上训练人工智能模型，他们发现，同一个人不同手指的指纹具有显著的相似性。与关注纹线分叉的法医不同，神经网络识别出了新的、以前未被考虑的标记：卷曲的曲率和倾斜度。这一发现有可能将法医鉴定的准确性提高近两个数量级，并简化未来设备中的生物识别认证。
结论：科学探索的未来
人工智能并非取代科学家，而是成为他们强大的盟友。它能够处理对人类感知而言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凡假设。尽管目前的模型仍然受到训练数据中存在的偏见的困扰，但技术发展的轨迹表明，在未来的几十年里，最重要的科学发现将诞生于人类与人工智能的协同作用之中。
