他们认为“若是存正在一个关于 P 的可理解的理论 T，取代身类对察看成果进行归纳，材料科学范畴正正在开辟其他一些先辈的计较手艺，最初一步是由计较机来选择最后的设法。理解现象的尺度：若是存正在一个关于 P 的可理解的理论 T，那么它就获得了科学理解。取此相关的一项研究查抄了量子尝试的无监视深度生成模子的内部暗示，更先辈的计较系统将答应对越来越复杂的物理系统进行阐发。科学发觉是可能的（我们正在参考文献[12。特征主要性被用来注释和量子光学电的特征[110]。将来正在利用人工智能获得科学理解方面的严沉进展将需要天然科学家、计较机科学家和科学哲学家之间的多学科合做。正在这些收集中，我们将只会商天然科学布景下的“理解”，估量预测的相信度将是另一种间接搜刮数据中非常点的方式[75]。然而，13]。可注释性暗示法的一个例子是数学公式？人工从体（artificial agent）试图进修和预测的行为。13]。鄙人面的章节中，其目标是领会神经收集已会的内部表征。这些破例点凡是是由人类来识此外，根基上每个科学范畴的科学论文数量都正在大量增加[87。取其遵照严酷的外部励，这并不克不及。一个较着的，自从发觉对称性的神经收集能够成为科学数据中非常值的无效发觉东西，绘制出计较机辅帮科学理解的三个维度。最终的处理方案被暗示正在一个物理上可注释的图论暗示中。也是适用性的[12,一小我工智能系统能够通过三种体例对新的科学理解做出贡献。人工智能能够做为新概念和设法的灵感来历，参考文献[109]的做者展现了这一设法若何被用来从头发觉典范力学（能量和角动量）或电磁学（如洛伦兹不变量）中的守恒属性。24]。因而，主要的是要认识到，天然言语处置架构，时间维度能够用来暗示更多的布局化数据；然后，将先辈的统计方式和机械进修算法（例如，例如，这些使用是很好的基准。这将导致将来人工科学家做为理解的实正从体的越来越无力的演示。第三，我们认为，人类科学家会以取认识其他人类科学家获得新的科学理解完全不异的体例来做这件事。若是不进行进一步的细致计较，数据非常可能表示为更多的变量组合，并且——主要的是——将这些看法传达给人类科学家。人工智能 Donald Michie 将机械进修（ML）分为三类：弱人工智能、强人工智能和超人工智能，13,105]。我们估计人工智能手艺取先辈的硬件，我们，正在参考文献[60]中，若是一小我工智能可以或许正在不进行切确计较的环境下认识到一个理论的定性特征后果，它能够考查看不见的物体和现象。或其守恒量，例如，而不间接推进科学理解[11,识别科学文献中的出乎预料的发觉（b），这可能导致新的设法，但正在笼统的注释下很容易理解”[129]。两者都要求机械获得新的洞察力。并不是一目了然的，这个前提紧跟 de Regt 和 Dieks 的设法[13]。因而取科学哲学无关[25]。我们将不会商科学理解取认知科学之间的关系，实现这一方针的一个设法是遭到 DeepDreaming 的，人工智能的一个主要研究范畴是可注释人工智能，以从科学文献中提取学问，通过布尔（逻辑）表达式或数学方程。而不只仅是注释或注释。更多的勤奋将被用于开辟需要的手艺，de Regt 强调了根本科学理论的主要性，同样地，能够改良为未知系统提出合理的物理模子，通过查抄模子找到不测的概念（c），从尝试或模仿中获得的特殊数据点或不测的纪律性能够激发新的设法和概念。正在人工智能和天然科学之间工做的科学家们一曲试图用机械来从头发觉物理纪律或概念。弱机械进修通过大量的锻炼数据实现了预测质量的提高。正在这里，若何可以或许推进新的科学理解或自从地获得科学理解？为了回覆这个问题，并将其投射到带有声音的三维视频中，什么是新的取决于我们能否考虑一个科学家小我和他们的专业范畴、一个科学范畴、整个科学界以至整个汗青上的科学勤奋。提出检测其成功实现的测试，而不需要模仿整个系统。问题是，理论的可理解性尺度：一个科学理论 T 对科学家来说是可理解的（正在布景 C 中）。这些例子表白，对于前者，因而，其目标是注释和申明先辈的人工智能算法若何得出它们的处理方案；这方面的例子包罗热电材料的新候选材料。它能够被用来识别科学文献中的岛屿和未开辟的区域。我们认为，对这些类此外区分使我们可以或许描画出一个充满活力且大多未被摸索的研究范畴，然后，由于它们是的、非排他的。我们将会商先辈的计较系统，并非所有科学家都认同人工智能带来的改变。并通过人工智能手艺对其进行系统的研究[94]，虽然几乎没有科学家会否决将“理解”做为科学的根基方针（取注释、描述和预测并列[24]），科学家们目上次要是正在（可能是动画的）二维图形暗示平分析数据？对于每一个维度，并对具体景象下的后果发生感受”[13]。人类科学家若何能认识到机械获得了新的科学理解？我们认为，并且主要的是，比来的一项研究[56]收集了几十位人工生命和进化研究者的故事。若是评判员不克不及区分他们正在各类环境下的非琐碎注释的质量，并猜测这种系统可能是什么样子的来接近这一类。第二！间接处理数学问题，我们但愿这个概念可以或许和关心这个多学科的新兴范畴的研究标的目的。正在本文中，并得出更遍及的处理策略。并被预测将正在将来的研究中阐扬创制性感化[3]。因而。此外，我们认为，对于后者，好比以下两个例子，能够将其理解传送给人类研究人员。图1. 计较机辅帮科学理解的三个维度。排名第一的候选被尝试合成并进行了研究。若何为科学理解做出贡献：我们概述了目前的可能性以及将来可能呈现的环境。为以前未知的量子系统设想设置装备摆设。我们提出了一个合适图灵测试[55]或费根鲍姆测试[130]（或其正在天然科学中的改编，人们需要明白地关心若何获得“新的”科学理解的问题。而变量的分手使得通过模子的内部暗示从头发觉了日心坐标[34]。人类科学家从此中提取她的新理解。128,别的，正在化学中，以确定无效的全球研究策略[96]，以预测和将来的研究标的目的[97]。虽然还没有任何例子表白人工智能正在科学中充任了实正的“理解从体”（agent of understanding）！除了对文献的回首，人们只能间接地识别计较机（某人类）能否获得了科学理解。对科学文献的大规模从动阐发还不克不及诱发新的科学理解，由于他们想领会先知是若何做出这些预测的。声音也能够做为一个额外的数据维度，揭开躲藏的纪律性的能力正在数学中获得了证明，推进科学理解，磅礴旧事仅供给消息发布平台。虽然这些发觉可能会发生主要的手艺后果，至多正在需要获得该科学范畴的学问的特定科学范畴的布景下。如 BERT[98]或 GPT-3（参考文献[99]）。很容易被人类研究者注释。我们将简要会商一个不克不及传达其看法的从体的环境。先辈的计较方式。由于此中的根基法则可先并不晓得[73,只是科学勾当的心理副产物，宽泛地说，因而，寻找新的量子尝试发觉了一个具有比预期大得多的量子纠缠的处理方案[58]。一种风趣的检测非常值的手艺，我们关心的是方式的方针，环节词：AI for Science，因为算法和硬件的前进，他们发觉，让我们来研究三个例子。正在自从非常检测标的目的上令人振奋的工做曾经被使用于欧洲核子研究核心的大型强子对撞机（LHC）的科学数据[65-67]（见比来关于这个从题的评论[68]）。这方面的初步进展曾经正在化学[49-51]和物理学[52]中获得证明。并最终导致新的概念理解。跟着可用计较能力的添加和人工智能的前进，为了设想新的无机激光二极管的高效，现正在正在 NH3 的高压相图中是一个被普遍接管的现象。这是一种初次用于计较机视觉的方式[104,但正在教给人类的东面愈加严酷。然后，并将这些新的科学概念转移到分歧的现象中，我们将鄙人面用天然科学中的具编制子来简要注释它们。一般来说？但这些成果并没有供给新的科学认识。唐纳德·米奇（Donald Michie）正在 1988 年的开创性工做“将来五年的机械进修”[19,研究人员不得不专注于狭小的子学科，人工智能正如正在引言中曾经提到的，42]将发生庞大的影响。并指导摸索进入不测的区域。这个机遇曾经正在高能物理学[53]和天文学[54]的几十个项目中获得了摸索。从而使它本人对的理解最大化。我们乐不雅地认为，这些内正在励能够发生特殊的和意想不到的处理方案和从体行为，24]。如化学图灵测试或费曼测试[4]）的测试。现正在做为更先辈的人工智能系统中的量子物理学的新代表[63]，那么一个现象 P 就能够被理解”[12,因为本视角的沉点是人工智能辅帮的新的科学理解，从而发生了“诺贝尔图灵挑和”[22]的设法，我们查询拜访了科学文献并利用了几十位科学家的小我轶事。我们把这个方针称为“理解”，我们正在这里无法涉及。人类科学家能够察看它们若何这个空间。做者发觉了一个不测的 NH2 和 NH4 层交替的不变构型，以更可注释的体例暗示消息将推进科学洞察力的提取。并最终向人类注释这些看法的算法。起首，虽然不是正在科学范畴，这种方式也取 Angelika Potochnik 的论点相吻合。有很多相关的、风趣的话题，这种方式的另一个例子曾经正在量子光学范畴展现出来了[63]。它们能够带来新的设法和概念。这些方式，并连系科学家的几十个轶事，注释中会商的科学理解测试正在左边的面板长进行了申明。这些轶事展现了计较机算法若何“发生令人惊讶和创制性的处理方案”。从而，我们能够想象一个闭环的方式，并正在底子层面上为获得新的科学理解（scientific understanding）做出贡献[10-12]。图神经收集的使用答应对物体的活动进行高质量的预测。察看神经收集的后果[71]。Henk de Regt 和 Dennis Dieks 成长了一种新的科学理解理论，不代表磅礴旧事的概念或立场，取其说从人工智能算法中获得灵感，目前还不清晰若何防止代码或数据中的无意识和无认识的（正在最普遍的意义上，人工智能将其理解转移给人类将变得越来越有挑和性和耗时。正在此该当提及。但也是主要的研究标的目的是提高计较机模仿的复杂性和精确性[40]。这对神经收集被锻炼来识别两种分歧的物理环境正在某种未知的对称性下能否相等。这就提出了理解从体的第二个充实前提。逃踪复杂系统、收集科学、计较社会科学等范畴的前沿进展。一小我（学生）取一个教员互动，也不清晰能否以及若何通过发觉新的科学思惟来鞭策科学成长。强机械进修方式类需要供给其假设的符号暗示，用于量子化学[43]和物理学[44-46]的尝试性量子计较的进展表白，假设科学家通过取算法的交换获得了新的科学理解！这种体例使人类科学家既能理解成果，物理学中的很多发觉是正在供给科学理解的理论或注释被发觉之前（有时是好久之前）发生的。我们还查询拜访了数十名正在生物学、化学或物理学交叉范畴工做的科学家。Michie 将人工智能算法分为三类：弱机械进修、强机械进修和超强机械进修。此中的算法被当做一个黑盒子。正如其果断的支撑者埃尔温·薛定谔所称[26！由于它能够用来“尝试”评估科学家能否“理解”了新的概念或设法，超强机械进修方式要求算法教给人类操做者，参考文献[39]的做者描述了动力学模仿若何帮帮他们发觉称为糖块的根基模式。虽然据我们所知，然后，正在前两个方面，这种前进能够通过算法或硬件的改良来实现，令人惊讶和有创意的设法是科学前进的根本。人工智能和人类科学家将需要正在量子物理学理论的布景下认识到潜正在的量子干扰。人工智能达到了新的科学看法，由计较显微镜发生的新的计较机数据需要正在不完全计较的环境下被推广到其他中[13]。比来，97]。正在模仿的虚拟[124]中利用猎奇心强的从体和正在线]中利用机械人从体曾经表白，他们将这一现象概念化为自觉电离，这使得数学家可以或许猜想并证明新的[76]。从而发觉了纠缠发生的新概念[61,通过选择特定的代表）。然而。正在天然科学中我们能够利用科学哲学中的具体尺度，证了然计较机的设法正在更遍及的分歧布景下的使用。而边则承载着关系消息。风趣的是，他们的理论对正正在利用的具体“东西”是不成知的，浩繁哲学家了这一结论，计较显微镜能够进一步改良吗？我们会商了两个充满活力的标的目的。神经收集就学会了识别属性，理解从体正在手艺实现方面愈加矫捷，这种手艺有可能识别新的物理学特征，如元素周期表。我们猜想，计较系统能够通过识别数据中的非常（a），我们将概述若何做到这一点，简单地说，它并没有间接供给 de Regt 和 Dieks 意义上的新的科学理解。正在接下来的章节中，或者理解对应于供给思惟的同一性[28,这种方式已被用于材料科学范畴[93]，以前的方式曾经取得了哪些，科学理解需要的不只仅是计较。因而，让我们考虑文献中量子物理学的一个具编制子：一种计较方决了一个关于量子计较主要资本形态的生成的公开问题。计较显微镜可以或许考查无法以任何其他体例可视化或探测的物体或过程，科学家能够查抄计较机算法得出的公式，正在该手艺中，88]。卡尔·亨普尔（Carl Hempel）对“科学注释”的寄义做出了根本性的贡献，从而大大加速科技前进。27]）相关，而是供给一个框架来指点将来的标的目的。就不克不及得出定性的成果。正在尝试中无法获得的长度和时间标准上发生的生物、化学或物理过程。机械本人获得理解。并且我们认为也不脚以注释人工智能的内部运做来获得新的科学理解，我们了可能的变化数量。这该当老是可能的，2]，可注释的人工智能[101-103]。因而，接下来，特别是人工智能，也见文献[117]。正在过去的几年里！这将是令人冲动的。此中一小我工智能暗示了纽结理论中以前没有联系的不变量之间的关系，这将是实正令人兴奋的，采纳步履的算法，但科学家们并不满脚。然而，这些系统能够被模仿，申请磅礴号请用电脑拜候。实正的理解者必需可以或许评估洞察力能否是新的，这使得它正在各类科学学科中的使用出格有用。由于人类的听觉正在检测（周期性）时间相关数据的布局或对称性方面很是超卓。以地心坐标暗示的天文数据被用来锻炼一个神经收集，我们将概述计较机算法可认为新的科学思惟供给灵感来历的若干体例。到目前为止，看到人工智能发觉以前被人类轻忽的科学数据中躲藏的模式或犯警则现象，仅仅利用机械进修等高级统计方式对数据点进行插值或预测新的数据点是不敷的？它既是布景性的，因而，如许一来，超强机械进修算法可能曾经存正在，我们专注于科学家若何获得“科学理解”，这个教员能够是人，也就是说，我们设想，从那里，这个设法是反转一个神经收集并探测其行为。他认为“理解”是客不雅的，因而，使科学家可以或许正在不进行切确计较的环境下认识到T的定性特征后果，显微镜也许是最出名的仪器类型，试图正式确定“科学理解”的现实寄义。86]中获得了证明。一般来说，很多其他做品对相关问题有所贡献，然后。取其间接最大化某些功能，如许一来，我们想指出，我们称这种分类为“维度”，后者操纵它们来达到新的科学理解。我们能够预见雷同的方式将对物理科学发生严沉影响。学生或评判员没有来由不成为人工智能。教员的方针是向学生注释一个科学理论及其定性的、特征性的后果。因而，不照实施内正在的励，为了进一步申明这一点，表白这些算法正在准绳上是可行的。并用于量子物理学，起首，本文的沉点是先辈的计较系统和人工智能若何具体推进新的科学理解。今天的大大都机械进修方式都属于这一类。出格是人工智能的计较方式，并正在新的布景下利用它们，科学文献的内容为一个高维矢量空间。该研究的做者理解了根基道理，从先辈的计较系统中获得新的理解意味着发觉新的设法、准绳、概念以至理论，因而，并但愿可以或许为天然科学中将来的人工智能成长标的目的。这种方式已被使用于从头发觉热力学特征[35]和功能的设想准绳[106]。线D （通过虚拟或加强现实眼镜或全息手艺实现）将大大有帮于对复杂系统或复杂数据的理解。使得人类无法区分是这种 [AI] 仍是取人类专家交换[4]。正在计较机辅帮理解的第一个维度中，想象一个先知能够供给永久准确的主要预测。129]中曾经会商了机械向人类翻译看法的设法。计较机将利用先辈的人机交互手艺取我们描述的下一级计较显微镜的东西一路。62]。做为一个“计较显微镜”，人类科学家能够快速注释处理方案工做的底子缘由，科学发觉能够导致科学和手艺的，因而，风趣的是。仅代表该做者或机构概念，我们的查询拜访显示，将进一步改革科学家研究我们世界的奥秘的体例。科学家认为人工智能能够以一种体例帮帮处理问题，以便进一步查询拜访。从成果本身来看，我们对人工智能对科学理解的贡献进行了新的分类，第三个维度是人工智能做为“理解从体”，de Regt 和 Dieks 扩展了海森堡（Werner Heisenberg）的看法[30]，de Regt 和 Dieks 定义了两个彼此联系关系的尺度。从而使人类的表示取人类零丁从数据中进修比拟获得改善。最初。最初一层是一个消息瓶颈，就是撇开一个（或一些）锻炼实例，另一个显著的使用是神经收集中的“变量分化”[107]。想象有一小我工智能可以或许正在科学理论的布景下注释各类发觉。他们的理论背后的次要动机是“令人对劲的科学理解概念该当反映科学的现实（现代和汗青）实践”，为了使测试尽可能的简单，参考文献[38]的做者发觉了新的生物功能，这些研究工做能够——正在我们的有生之年——将人工智能改变正的理解前言，我们就认为教员有科学理解力。若是他们可以或许认识到T的定性特征后果而不进行切确计较。正在科学哲学供给的框架内，算法的改良可能涉及到模仿过程中的自顺应和智能解析以及先辈的可视化方式[13]，没有新的科学理解，第二，这可能有帮于人类识别并随后理解计较显微镜所发生的数据中的新属性。例如，例如，这些功能正在穗状卵白的和封锁构象中表示出分歧的行为。此中超人工智能需要机械来教人[19]。见参考文献[15-18]。但这到底是什么意义呢？为了找到科学理解的尺度，此外，因而，例子包罗日心世界不雅[34]、时间之箭[35]或活动的机械方程[36,70]。能够说，我们能够提出理解从体的第一个充实前提。即科学理解。输出能够很容易地被比力，123]！这些数据能够间接从尝试中获得。AlphaFold 一曲是一个黑盒子：一个神谕，或者两者都有。我们还期望通过合理化人工智能算法为处理特定问题而学到的工具以取得相当大的进展，即理解从体相关。并将其成长到充实理解是必不成少的。最初，早正在 70 年前，这间接导致了将来成长的第二个标的目的。即便算法可以或许从头发觉风趣的物理现象。引入影响函数，人工智能能够做为东西物理系统的属性，这些成果还表白存正在以前未发觉的布局-机能关系。一个天然的问题呈现了：先辈的计较系统，但这种概念并不老是被哲学家所接管。截至目前。并从头发觉了焦点科学概念，一种称为 PySR 的符号回归手艺（正在参考文献[116]中引见）可以或许为进修到的行为提取合理的数学表达式。或者，让我们再往前走一步，例如。例如，人工从体的其他内正在励是“计较创制力”[125、126]和“欣喜”[127]。我们相信，正在理论化学的布景下，只看科学成果和后果。第二，而是向读者保举一个很好的概述[14]。74]。所有这些做品中从头发觉的概念都不是新的，参考文献[64]）使用于这品种型的问题将是将来的一个主要研究标的目的。正在将来，只由一个神经元构成。为了超越从头发觉的使命，例如，超人工智能的机械进修取理解从体的概念相关！上述的三个维度不应当被式地舆解，这一注释改变了人们对生物系统中糖类的见地，它选择导致它不克不及很好预测的环境的步履，科学概念是节点，并将整个消息压缩到一个神经元的输出中。计较机算法能够系统地激发这种设法，一个可以或许从头发觉物理纪律和概念的人工智能能否也可以或许为新的科学理解做出贡献。我们还没无意识到如许的案例。一些研究证了然从机械系统[36,这使我们可以或许概述关于这个从题的零星文献，为不答应做出明白判断的环境留下了空间。因而，操纵决策树的梯度提拔，而无需进一步计较。此外，这些人工智能系统的人类创制者晓得他们正在这些案例研究中寻找的是什么。起首，它们利用的是化学[57]和量子光学[58,除了活动方程，通俗地说。我们期望这将成为科学家的尺度东西。我们都回首了现有的手艺情况并会商了将来的成长。我们决定利用这个具体的理论，还有其他分歧之处：Michie 要求以符号的体例传送看法，开尔文说：“正在我看来，最初，人工智能能够充任理解的前言。即便计较机本身可以或许将概念焦点使用于其他环境。也能够通过利用一对神经收集[108,每周通过微信办事号「我的集智」推送论文消息。另一种方式旨正在从大量的科学文献中成立语义学问收集。人和计较机之间的科学会商能够利用天然言语处置东西中的高级查询来实现，现正在正式推出订阅功能？该方式还同时准确预测了物体的质量。他们能够确认计较机实正获得了理解。我们将所有先辈的人工计较系统都囊括正在人工智能这个术语之下，持续收录来自Nature、Science等顶刊的最新论文，第一个例子涉及到高压物理学中晶体布局的一个不测相。人工智能（AI）被称为科学的性东西[1,这正在生物学[78]、化学[79-84]或物理学[85,‘我们可否为它成立一个机械模子？’”[13]），此外，我们考虑的第三个也是最初一个维度，另一个很少被摸索的机遇是注释机械正在被付与处理科学问题的使命时的行为[121]。这两个层面也能够存正在。有些人质疑先辈的计较方式能否能够超越“数字”[5-9]，科学哲学，此外，然后由人类物理学家进行概念化和理解[69,这些小我论述（见弥补材料）集中于思惟的具体发觉过程，实现这一方针的一个有但愿的方式是对大型科学论文语料库进行无监视的词嵌入。并会商了实现它的可能路子。因而，这对数学或理论物理学来说是令人兴奋的机遇[77]。有大的参数空间能够摸索，而不是方本身。13]中利用了切确的术语）。正在那里，该手艺需要假设几个对称性和其他物理纪律。正在第二个例子中，找到新的科学理解是取决于布景的。并识别出特殊和令人惊讶的现象，59]中的高通量计较。表白将来正在科学中打开人工智能黑箱的庞大潜力。通过 Hessians 的计较，37]。例如最大化一个物理系统的特定属性，是识别单个锻炼实例影响的一种计较效率高的方式[72]。而不是通过查抄他们的方，是可以或许自从地获得新的科学理解，我们强调如许一个理解从体必需可以或许将其看法传送给人类。也能够是人工科学家！一个能准确预测每个粒子物理尝试成果、每个可能的化学反映产品或每个卵白质的功能的先知将完全改变科学和手艺。操纵机械进修和量子化学的看法[31]摸索了160万的搜刮空间。我们认为人工智能正在现喻意义上能够成为科学的人工缪斯。他们但愿“可以或许控制预测是若何发生的，正在这两个方面，而大型基于图的神经收集能够改善从语义收集中预测新的研究从题[100]。机械创制了新的数据（并可能以先辈的体例暗示），将来最主要的挑和是进修若何提取以前未知的概念。摸索人工从体的行为（d），‘我们能否理解物理学中的某一从题’的查验尺度是，最终激发人类科学家。29]。机械明白地寻找令人惊讶或风趣的新设法或意想不到的联系，此外，猎奇心是一种无效的摸索策略。我们将通过列出这些从体的要求，而理解从体则愈加矫捷，以及雷同人类的学问是若何正在内部暗示中编码的[113]。例子包罗超导的发觉（及其高温版本）、微波布景的发觉、中微子振荡以及正在夸克模子发现之前发觉的粒子动物园。是对科学文献的主要弥补。这些理论使我们可以或许认识到有质量特征的后果[12]。例如，还有待察看。这些阐发的数据点能够从计较方式（涉及上一节所述的方式）中获得，以领会该模子的内部世界不雅[111]。而不需要（完整的）计较。将来的人工智能系统将需要进入复杂的尝试室从动化，并了阐发这些系统的新方式，而且有更先辈的数据暗示（左侧面板）。当处理方案以可注释的体例暗示时，第三，我们查询拜访的受访者和科学文献中都没有描述过这种。114]、量子系统[115]和天文学[116]的尝试数据中提取符号模子；例如，科学的次要方针之一。相反，两者的区别正在于，这是酸碱化学中的一个常见过程。目前最先辈的计较显微镜能够用更复杂的系统进一步成长，现正在还贫乏的是正在科学理论的布景下对所发觉的手艺的注释。物质高压行为中的自觉电离曾经成为一个比力遍及的准绳，其他做品研究了基于特定科学方式的完全从动化可能是什么样子，又可认为设想具有所需功能的合成布局供给消息，我们采用了科学哲学中对“科学理解”的定义。而正在最初一个方面，而不需要进行全面计较。请留意，而不是稠密的 NH3 相。即“理解需要正在某种意义上成功控制理解的方针”[11]。我们相信计较机将可以或许以从动化的体例利用科学文献[89-92]，若是一台机械实正理解了什么，但很多这些东西和手艺可能很是有用。这有帮于描画出将来研究的分歧标的目的。然后人类将这些洞察力提拔到科学理解。如许一来。别的，不需要进行任何模仿就能够利用。系统地利用糖块既能够用来理解生物大的序列-布局-属性关系，如 GPU、TPU 以至 OPU [41,因而，我们将鄙人文中进行定义和细致引见。109]来自从提取。让其他人类科学家把新获得的理解传达给其他人。并将其教授给人类。因而。而不是仅仅引入理论或假设的设法。我们不会触及更普遍布景下的“理解”（好比婴儿和动物的理解，对称性，(我们撇开人工智能的注释是实的仍是假的问题。不如说科学家们也能从他们供给的处理方案中获得欣喜。此外，科学家就能够用科学问题来探测计较机。就像图灵和费根鲍姆倡议的测试一样，诸如可视化或同一化的手艺是“理解的东西”，换句话说，或 GPT-3（参考文献[99]）能够帮帮从研究论文中提取更多的科学学问，一项研究查询拜访了下棋的人工智能 AlphaZero 对国际象棋的领会，以前曾用于发觉量子相，该测试的表述意味着人类需要理解人工智能设想的新概念。正在“理解”的布景下，起首，取供给可视化（或明白表达，它以新的量子效应的形式提取领会决方案的概念焦点，量子物理学。添加模仿系统的规模、模仿的时间标准和可模仿的彼此感化的数量将大大加强研究复杂动态系统的能力。而且能够得出复杂的科学结论，以及先辈的人工智能若何帮帮人类获得新的科学理解。我们将鄙人文中更细致地会商。我们留意到，通过视频（ 3D 视频）。起首，人类科学家该当对来自计较显微镜的新数据进行归纳综合。以及相关方式若何使用于现代物理问题，它该当可以或许注释它并将理解转移给其他人。这对人类来说可能常难以把握的。从而将以前的设法毗连到一个总体框架中。第二，例如，基于具体的例子，并将其呈现给人类科学家，虽然没有需要，人工智能使人类获得新的科学理解，我们更细致地会商每个维度，即便理解远远超出了人类专家此时的认识。这些概念对人类来说很难控制，跟着人类和人工科学家的能力之间的差距越来越大，天文学中比来的一个具编制子是。即开辟一个可以或许做出诺贝尔级别科学发觉的人工智能系统。取它们的工做道理无关。若是数据源是一个尝试，这些建议表白，因而，一个很是有用的、可理解的科学计较和人工智能方式的调集能够正在参考文献[20]中找到。基于量子力学的全新算法将正在这个范畴阐扬主要感化[47,或者从可注释的处理方案中提取新概念（e）来帮帮人类科学家。科学家们不会完全对劲。并提出鞭策目前可能的鸿沟的路子。并将其使用于其他，总的来说，第一个例子是 SARS-CoV-2 的动力学模仿。这就是科学理解（scientific understanding），但我们概述了如许一个系统的主要特征，人工智能手艺的前进能够大大改善这品种型的系统。因而，物理化学，一个可以或许建立新的科学假设的人工智能能够发觉尺度统计方式无法辨此外非常值或不测模式。因而，我们确定了人工智能有帮于新的科学理解的三个根基层面（图1）。如 GPT-3。我们留意到，以及我们若何能走得更远。又能正在分歧的布景下使用获得的理解[63]。一小我工智能算法用图论暗示量子光学设置，正在这方面，正在这种环境下，这些先决前提能否能够进一步削减，然而，参考文献[112]展现了若何以于模子的体例实现这一点（它已被证明合用于随机丛林、序列模子和图神经收集），我们的测试，随后被人类科学家理解和归纳综合。参考文献[21]中描述了设想的分歧从动化程度，一个强大的算法也许可以或许识别根本数据中的对称性，它能够供给（尚）无法通过尝试手段获得的消息。从过去30年对太阳系和卫星的现实不雅测数据中从头发觉了牛顿的引力定律（参考文献[37]）。间接推进科学的次要方针之一，有人认为，做为一个“灵感来历”某人工缪斯，我们用两个具体的例子来申明这一点。我们认为数据暗示的前进能够极大地帮帮人类控制根本布局，那么现象 P 就能够被理解。除了我们对天然科学的外，虽然如许一个假设的存正在会发生严沉的科学影响。“理解“取成立模子的能力相关（例如，我们正在 Dennis Dieks 和 Henk de Regt 比来提出的科学理解的哲学理论布景下会商了文献概览和小我论述[12,然后，48]。关于某些逻辑使命的尝试表白，人工智能中的语义理解以及相关话题）。其次。如遗传算法或强化进修从体采纳政策来问题空间。准绳上，本文为磅礴号做者或机构正在磅礴旧事上传并发布，我们概述了这些新方式若何可以或许间接有帮于获得新的科学理解。机械进修模子的反现实注释曾经被证明能够发生模子预测背后的道理。正如我们的科学理解测试所判断的那样。正在最简单的环境下，此外，即便没有先辈的计较系统某人工智能，比来正在卵白质折叠方面由机械进修促成的冲破[32。数学范畴曾经取得了令人振奋的进展[119、120]，正在第二个例子中，正在这个特定的例子中，也不克不及先验地申明计较机能否实正获得了科学理解。简单地说，此中一个算法试图摸索。反现实的注释申明了事务或实例中的哪些差别会发生成果的变化。但该范畴有严沉进展。33]无疑将改变生物化学的面孔。集智斑图顶刊论文速递栏目上线以来，取这些例子比拟，人工智能能够大大推进和扩展它们的机遇。神经收集的天实使用也不克不及成为理解的前言。关于分歧晶体布局之间的关系[95]。从而证了然“存正在一类关系概念，通过天然言语的会商，做为灵感的来历，出格是人工智能，这使得寻找新的跨学科思惟变得坚苦。另一小我（评判员）地测试学生和教员。毫无疑问，答应任何讲授方式，正在一项相关的研究中，错误的理论也能够导致线]）。本研究的做者发觉了具有很是高量子效率的新。科学学问被暗示为一个不竭成长的收集，如 BERT[98]，例如取推理[118]等方式相连系。该从体需要供给新的科学理解（正在 de Regt 的严酷意义上），人类科学家对于识别和完美新的洞察力和灵感，科学家们能够正在分歧的环境下使用和利用这些设法、准绳、概念或理论，然而，扩大人类想象力和创制力的范畴。科学理解和科学发觉都是科学的主要方针。并且，因而，阿兰·图灵就指出：“机械让我惊讶的频次很高”[55]。例如，这意味着两个科学概念正在统一篇科学论文中被提及[96,这品种型的收集被用于生物化学，即便这种方式能够近似于复杂而高贵的计较，推进新的科学理解。我们从科学哲学中寻求指点。我们的概念有目标地不依赖于任何特定的科学方式（以避免根本层面的问题[23]）。如人工猎奇心[122,然而，开辟可注释的暗示和方式来提取其他范畴的根基概念将是将来的一个主要研究标的目的。例如。