如果不能加深我们对生物学原理的理解，这还能算科学吗？在Kimball看来，这种哲学视角或许并不重要。“我们之所以能赚钱，是因为这的确有效，而不是因为我们理解背后的原理。”

Hoffman表示，Zymergen的机器人实验室已经可以把利用化学过程生成微生物的效率提升10%以上。听起来似乎不多，但由于依靠微生物发酵的化学行业每年产值高达1600亿美元，所以只需轻微的改进，就可以超过美国国家科学基金会70亿美元的年度预算。

而且，机器人发现的先进基因变化的确是实实在在的发现，这是人类科学家很难做到的。

例如，多数能够提升产出的基因都与希望合成的化合物没有直接关系，其中约有半数没有已知的功能。“我在几种不同的微生物中看到过这种情况。”Dean说。要在没有机器学习的情况下找到合适的基因组合，就像要破解带有数千个数字的保险箱一样困难。“我们的直觉很容易被复杂性压倒。”他说。

究竟能将多少科研过程委托给机器学习来执行？这取决于你询问的对象。

“很多。”研究基因组的加州大学戴维斯分校计算机科学家Ilias Tagkopoulos说，“我们没有理由不能让数据来指导实验过程，从而获取尽可能多的信息，最终更加接近我们的目标。”在他那些看似无穷无尽的应用中，包括预测细菌在变化的医院环境中如何进化，以及设计更好的零食。

如果机器真的能够在某些科学任务中取代人类，很多科学家都将主动拥抱它们。

与工厂工人和出租车司机不同，科学家还是很希望自己的工作能够多融入一些自动化流程。对于分子和细胞生物学来说尤其如此，因为这些领域的手工操作（包括注射液体、菌落计数等）过程既单调乏味，又成本高昂。一个研究生的犯一点小错，或者有一点不严谨的缺陷，就会浪费几个星期的时间。更糟糕的是，负责设计实验的博士后的一个草率决定，甚至会导致几个月的努力付诸东流。

然而，有的生物学家在使用人工智能来解读数据和设计实验之后，却感到挫败。“我们发现，目前的机器学习方法还是不太胜任这项任务。”斯坦福大学计算机生物化学家Rhiju Das说，他研究如何通过分子折叠来设计新药。“与获得同等数据的人类相比，它们在RNA设计问题上很失败。”尽管他并不知道具体原因，但涉及到“设计”的任务似乎都需要人类的直觉。或许Zymergen无意中发现了适合用电脑做实验的生物学领域。

加州Tranic公司也是一家探索自动化技术的生物科技公司，其联合创始人Max Hodak似乎看到了这种方法的局限。

他相信机器人会在实验室里从事更多单调的工作。他说，要不了多久，“如果你还在使用双手，那就不算做科研。”

但生物大脑短期不会被取代，原因在于自然界十分复杂。Hodak表示，进化“负责让生物更加丰富，这也是它如此难以理解的原因。它拥有不可思议的复杂性。”他认为，在设计更好的实验的过程中，人工智能可以给生物学家带来有限的帮助。但他也担心把更多的科研流程交给机器人来做，表明“它比我们预想的更加复杂。”

而且，即便人工智能控制的科研过程能够奏效，人类真的能理解电脑的发现吗？背后的计算过程可能仍然是个黑盒子。“一种令人感兴趣的可能是：我们正在接近一个‘可以理解的’科学时代。”与分子生物学家合作的卡内基梅隆大学计算机科学家Adrien Treuille说。研究人员可能不仅依赖计算机做科研，还会利用计算机进行解释：有的生物理论证据可能过于复杂，需要给予计算机足够的信任。

倘若如此，科学家是否应该把电脑作为共同作者写道论文的署名上去？“我不会这么做。”波士顿Nutonian公司CEO Michael Schmidt说，这家公司就利用人工智能来从事科研。但他也补充道，“但如果它们能够读懂论文，那也可以成为作者。”

这一天正在到来。

【完】

一则通知

量子位读者5群开放申请，对人工智能感兴趣的朋友，可以添加量子位小助手的微信qbitbot2，申请入群，一起研讨人工智能。