人工智能是有史以来最具变革性和最有价值的科学工具之一。通过利用大量数据和计算能力，人工智能系统可以发现模式，产生见解，并做出以前无法实现的预测。
当我们发现正处于人工智能革命的风口浪尖时，科学家们开始质疑如何才能最好地将这项技术用于他们的研究工作。美国能源部(DoE)正在研究如何最好地利用其庞大的计算资源，使人工智能成为科学研究的核心工具。
这一努力最终促成了科学、安全和技术前沿人工智能(FASST：Frontier AI for Science, Security and Technology)计划的创建。FASST将作为一项研究和基础设施开发计划运作，目标是为科学开发和部署高价值的人工智能系统。
计算，环境和生命科学(CELS)的副实验室主任和阿贡杰出研究员Rick Stevens在ISC2024会议的演讲中讨论了这一推动。在这次讨论中，他阐述了人工智能在科学领域的未来，以及将在此过程中面临的一些挑战。
灵活的人工智能将加速科学发展
Stevens首先指出，美国能源部有能力在人工智能科学领域发挥领导作用。该部门拥有进行人工智能工作所需的大量机器设备，以及保持这些系统正常运行所需的人力资源。
接着描述了美国能源部在2022年夏天组织的一系列研讨会，讨论该部门及其研究人员应该如何看待人工智能革命。研讨会最终确定了六个领域，代表了巩固人工智能发展的重要科学努力：
- 用于高级属性推断和逆向设计的人工智能：能量存储，蛋白质，聚合物，库存现代化;
- 用于自主发现的人工智能和机器人：材料、化学、生物、光源、中子;
- 基于人工智能的HPC应用：气候集成，具有百亿亿级应用程序;
- 软件工程和编程中的人工智能：代码翻译、优化、量子编译;
- 用于预测和控制复杂工程系统的人工智能：加速器、建筑、城市、反应堆、电网、网络
- 科学知识的基础、可靠人工智能：假设形成、数学理论和综合建模
Stevens指出，科学界需要开始考虑创建能够执行多种功能的灵活模型。他说:“你可以把这六个领域中的每一个都看作是前沿基础模型的概念目标。”“不是很多模型，不是很小的模型，不是每个数据集都有一个模型。高级属性推断和逆向设计是一个模型，它涵盖了所有其他领域，就像ChatGPT一样。”
这与美国能源部在华盛顿举行的国家竞争力人工智能博览会上宣布创建FASST时的一些观点相呼应。具体来说，美国能源部希望创建灵活的基础模型，可以解决类似科学领域的各种功能。
能源部副部长David Turk在宣布该计划时表示:“想象一下，我们有一个像ChatGPT这样的基础科学人工智能基础模型，它会讲物理和化学。”
Stevens谈到，考虑到人工智能模型参数的爆炸式增长，这种灵活性是绝对必要的。阿贡国家实验室已经在为万亿参数模型做准备，这需要巨大的计算能力。如果一位科学家想用一台10亿次浮点运算的混合精度机器，在20万亿个令牌的数据上训练一个万亿个参数模型，需要几个月的时间才能完成。这是大多数组织无法克服的巨大障碍，因此科学家们已经在努力提高效率。Stevens提到了一个解决方案，那就是用高质量的数据推动更小的模型，同时降低复杂性。
然而，他在演讲中提到的一个真正有趣的创新是人工智能助手的出现。
人工智能助手的潜力
Stevens和美国能源部的其他科学家正在努力开发人工智能助手，以最大限度地利用人工智能工具进行科学研究。这个想法是，研究人员将为他们正在进行的特定科学研究量身定制这些助手。
Stevens说:“它全天候为你服务。”“你可以给它发电子邮件，发短信，录视频，对它大喊大叫。它需要高层次的指导，朝着具体的目标努力，凭直觉判断你想要什么。它在需要时介入，但只是继续工作。我们正试图找出如何工作的方法。”
有了这样一个令人兴奋和革命性的想法，问题仍然是这项技术离成为现实还有多远。虽然Stevens提到了一个名为Astral的项目，该项目正在研究这个问题，但他提到了开发人工智能助手时的可信度问题。
Stevens举了一个例子，他让Chat-GPT4写一个Python程序来解一些漂移扩散方程，这些方程是模拟电荷和半导体的，这对设计未来的计算机是至关重要的。Chat-GPT4接受了这些指令，并生成了一个运行并给出答案的Python代码。但Stevens问了一个非常重要的问题——谁能核实呢?我们需要多少人来验证Chat-GPT给出了正确的答案?
Stevens在演讲中描述的人工智能助手将彻底改变科学界的游戏规则。然而，如果我们不能信任从他们那里得到的信息，这些工具就是绝对无用的。像FASST这样的项目正在努力解决人工智能信任问题，并有望使人工智能助手成为现实。