人工智能，超越如今新闻标题中的夸大和夸张，正在日常生活和商业中扮演着越来越重要的角色——其应用范围从预测文本到Netflix推荐，再到银行欺诈的检测。

许多这种进展要归功于正在进行复杂科学探索的前沿研究人员们。

还有更多即将到来。

在加州大学河滨分校，一支由四位科学家组成的团队为应用机器学习来维护、改进和设计地球上一些最复杂的科学设备展示了他们的愿景。

加州大学河滨分校计算机科学与工程学副教授Vagelis Papalexakis表示：“利用人工智能应对重大科学挑战不仅有助于推动科学进步，还有潜力渗透至解决日常生活中的问题。”他指出：“全球定位系统(GPS)就是一个很好的例子。”

《人工智能科学：深度学习革命》一书于2023年4月由世界科学出版社发表了一篇关于UCR团队愿景的章节。

第七章，“机器学习用于复杂仪器设计和优化”，探索了人工智能如何可以精炼、改进甚至是革新大规模科学实验。其思路是通过机器学习在计算上模拟广泛的操作和设计可能性，从而不仅通过提高效率和全面改进节约时间、金钱和资源，还可以探索违反直觉的设计和理念。

“这听起来很 futurist（未来主义），而这也正是我们的希望，”Papalexakis说。“我们正在询问，‘AI 的承诺是什么？’”

他的合著者是贝利 C. 巴里什（Barry C. Barish），诺贝尔奖获得者，加州理工学院的退休物理学教授，也是加州大学河滨分校（UCR）物理学和天文学系杰出教授；乔纳森·理查德森（Jonathan Richardson），UCR物理学和天文学系助理教授；以及Rutuja Gurav，一位就读于UCR计算机科学专业的博士候选人。

他们的方法可以增强复杂工程的设计和运作，包括激光干涉引力波探测器。LIGO是由加州理工学院管理的，它由两套两条长度为2.5英里的激光束组成，在华盛顿州和路易斯安那州，用于探测来自宇宙现象的引力波，例如黑洞合并所产生的引力波，因为黑洞合并不会发出光，所以无法通过目视观测。

引力波有助于科学家理解太空的奥秘、宇宙的起源和物理学的基本定律。LIGO本身已经开辟了天文学的一个新领域，其成果如此划时代，以至于前LIGO主任巴里什与2017年度诺贝尔物理学奖分享了荣誉。

“在实验物理学方面的进展依赖于我们开发高度复杂的先进仪器的能力。”巴里什说道。“机器学习在这些先进实验设施的构思、设计和实施中发挥着越来越重要的作用。可以说，人工智能正在成为物理学领域中新发现的完全伙伴。”

设想的新研究将例如帮助科学家们学习如何改进甚至设计端到端仪器，以提高其对真实世界误差源（如环境噪音）的敏感性和韧性。

帕帕莱哈克斯表示，“AI将不再需要在实验室中进行此项工作，而是将承担测试潜在设计和寻找最佳工作方案的重任，为LIGO的大规模基础设施提供帮助。这是一种计算模拟的方式，能够显著促进大规模实验的设计。”

这样的方法会调动并借用ChatGPT和Bing AI等新兴公共平台所采用的技术，对科学发现和日常创新产生重大影响。

科学家们指出，利用人工智能来测试、建模和改进大型科学系统不会取代研究人员或工程师们。

"像LIGO这样的前沿实验是极其复杂的仪器，拥有数十个相互依赖的控制系统和成千上万个数据通道，" Richardson说道。"我们希望人工智能的进步，比如在UCR所追求的，能够识别出这个数据海洋中隐藏的联系，从而诊断出操作问题。随之而来的，我们作为人类物理学家的新举措将能改善探测器的性能，从而提供新的方法。"

这项研究源自一位学生的着迷和一次偶然的相遇。

古拉夫是帕帕利克西斯计算机科学实验室的研究生，对于将引力波从其他噪音中分离出来充满着着迷。然后，四年前，在加州大学河滨分校举办的一次由引力波专家巴里什公开讲座中，这个团队有幸相聚、交流并展开合作。

谷拉夫赞扬了她在加州大学河滨分校的导师，并表示：“能够看到我们的工作被纳入这么一本涵盖了关于应用人工智能于自然科学的各种多样想法的精彩合集中，实在是令人难以置信。这对我来说具有特殊意义，因为作为一个志在探索机器学习应用于推动科学发现前沿的计算机科学家，我的博士之路可谓是与众不同。”

如今这一章已经发表了，Papalexakis说道：“我感到自豪，也有些害怕。”公开阐述复杂科学研究的方向带来了“一种责任感，我们对此并不掉以轻心。但我很兴奋，因为人们相信这些事情值得探索。”