AI 都学会看论文了，科研工作者会被淘汰么？ 第1页

我没看到文章原文之前还想，这不就是Ceder风格的文章吗？一看作者，他果然在里面，还是通讯作者之一…

不过这篇文章完全靠AI扫摘要、“学习”关键词（化合物）的“知识”来“预测”热电材料，这还是和Ceder组借助物理/化学/材料学相关理论进行计算预测的传统路线差得比较远。（换句话说，就是更low一些。注意到本文的第一作者加通讯作者已经从LBN了去了Google）

本文其实是用更纯粹的“裸AI”来扫文献，号称不提前输入化学知识，希望AI能无监督“自主学会”一些化学理论，从而“预测”热电材料。作者的逻辑是即使摘要没有提到“thermoelectric”，但通过让化合物名称与摘要中其他关键词比如的“indirect bangap”、“chalcogenides” 等词汇建立联系，似乎这样AI就“知道”了这些就是热电材料的特点；似乎这样AI就自主“学会”了热电材料的知识（比如具有热电材料具有indirect bandgap，一般是chalcogenides），进而，AI就可以预测新一代热电材料。这其中的逻辑跳跃和漏洞还能再明显一点吗？

试问AI学到的这种“词汇联系” 是真正的“知识”吗？通过这样的关键词“学习”，AI能理解什么是indirect bandgap，什么是chalcogenides吗？更不要说理解为什么热电材料需要indirect bandgap等原理。仅仅机械地建立了一些符号之间的“关系”，就能靠这种所谓的“知识”一下子飞跃到预测新一代热电材料，也真是呵呵。

所以说Ceder教授一直以来基于物理/化学/材料学理论来预测未来材料的方法，还是比这篇“裸AI”文章的水平要高。他这类文章已经发表过很多，尤其是在锂电领域，他们课题组已经把元素周期表，更准确的说是无机晶体数据库翻了个底朝天。他们将几乎所有含锂的无机化合物，包括自然界存在、不存在，实验室里存在、不存在，甚至只是理论上可能存在的锂化合物都挖了个遍。通过计算，预测了不少“下一代最有希望或大有希望”的（正级）锂电材料。这些文章大都发表在IF很高的期刊上，从中也可以看出Ceder组学生巨大的工作量。Ceder现在一个主要项目就是HIGH-THROUGHPUT COMPUTING, DATA MINING, AND THE MATERIALS PROJECT 下面是他们的代表性文章：

所以说，这种“材料数据库挖矿—计算选矿”的科研方式，他们已经轻车熟路。以前没有用AI的时候，那是拼人力，靠学生和科研人员的人工；现在有了AI，也是件好事，最起码节省了一些辛苦。

至于他“挖矿-计算”出的东西到底如何，那就要仔细斟酌一下。首先，不可否认Ceder在计算材料界是高水平大牛，他的计算在理论的深度广度以及自洽方面都有目共睹，否则也不会发那么多高IF文章。读他的文章高山仰止当然可以，但不要入戏太深真得按照他们的“预测”去发掘下一代“革命性的新材料”。据我所知，掉进这个坑的人不少。比如Ceder那篇非常著名的关于磷酸锂盐的挖矿文章，遍历几乎所有存在不存在的含锂磷酸盐化合物，最后预测出几个下一代最有前途、甚至比磷酸铁锂还好的锂电正极材——其中一个就是“磷酸钼钒锂”。他们经过计算，得出结论说这种材料电压高、容量大，很可能比磷酸铁锂还好一点。结果有一些人就真信了，但是费了九牛二虎之力怎么也合成不出想要的“磷酸钼钒锂”。最后他们才知道，这种东西不但自然界不存在，还极有可能非常不稳定，实验室能否合成要打个大大的问号，即使能合成也很大可能得不到想要的价态、结构、化学计量比等。而那篇文章却一点也没有提及这些问题。作为预测者，只预测好的方面来吸引眼球，却忽略可能存在的各种问题和实际操作的困难，这在某种意义上也近似忽悠。

如果对Ceder组的文章有些了解，你就会知道他们这种“放大”自己成果的事情也不是第一次了。最有名的莫过于那篇发表在Nature上的“超级快速充电”文章，被包括锂电鼻祖Goodenough大牛在内很多人联名怼之。虽然这个事件后面变成了一场纠缠于技术细节的疑似口水战，但那个“超级快速充电”的吹牛本质却是跑不了的事实。（关于此事，可见 @土豆泥 此答https://www.zhihu.com/question/23831848/answer/62865051）

其实用AI扫数据库，扫文章，从而得到了什么什么、会预测什么什么之类的文章已经发表了很多。Science和Nature最近也很喜欢收录这样的文章。但这些看看就好，靠AI、算法、神经网络来检索分析数据肯定对科研有所帮助。比如研究人员以后可能就不用花几个月时间手工折腾晶体数据库了；但真要到预测新材料到那一步，AI还是差得很远。因为这毕竟不是下围棋，有固定的规则、棋子数量和棋盘。很多新材料都是先发现、后理论，甚至是发现后突破甚至推翻原理论。比如超导材料，你靠AI能计算/预测出会有这种奇怪事物发生？而且铁基超导的发现也在相当程度上打破了原有的BCS理论。还有准晶，明明基于严格数学证明的晶体学理论不允许5次对称轴存在，但就是存在这种似晶非晶奇葩的材料，人家就有5次轴。如果换作AI，就算你把所有国际晶体学手册都输入AI来“深度学习”，肯定一万年都不会发现准晶。

目前各种理论对于材料的解释不是粗糙牵强，就是基于事实存在的前提下进行反推模拟。不同的课题组、甚至不同的期刊对于各种计算方法、门派都有不同的喜好。而且因为可以调参数，很多计算实质上就是为了符合事实而强行拟合实验结果（调参数）。结果就是对于同一物质，各种理论还会互相矛盾，看上去公说公有理婆说婆有理似乎都能自洽，你相信谁？比如磷酸铁锂的反应机理，Ceder一派就声称是单相固溶体反应；而另一传统派主张还是二相反应。最后没办法了只好互相妥协一下，纳米的固溶体，大尺度的两相…所以在严格完备的理论还没有建立起来之前甚至互相矛盾的前提下，靠AI来“预测”新材料，就是个噱头，附加忽悠一下容易轻信的人。

锂电这么多年了，真正取得突破的正极材料来回就是LCO，LFP，LMO，三元等这么几种。这些可以说大都是Goodenough老爷子的功劳。人家肯定没读过300万篇摘要，但每次都能找准最佳目标。你觉得这种人物AI可以取代吗？想知道Goodenough大师的传奇故事，请见本人此文：

https:// zhuanlan.zhihu.com/p/45 915923

1. AI会看论文不是新闻，这是十几年来许多人一直在做的事情，是自然语言识别(NLP)的重要分支，论文从来没有断过，重要成果也早就融入我们的日常科研生活，比如Scifinder。

2. 为什么要AI能看论文，并提取出数据？因为论文中蕴含了大量有价值的信息和图表，而目前的搜索引擎还只能基于简单的文本匹配，不能充分挖掘出强相关性论文，这对于科研工作者，是非常不友好的。科研论文领域的数据挖掘，任重而道远。

3. 科研论文的语义解析是非常非常困难的，在这个领域的任何突破，都将惠及全体科研工作者，这篇Nature文章也不例外。不过他们非常狡猾，他们发现了一个宝矿，那就是科研论文的摘要！

4. 科研论文摘要言简意赅，信息量极大，用词精准，长度适中，还只包含positive results...简直就是完美的语料库！

5. 这意味着可以考虑用无监督模型，不用人工标数据。

6. 通过经典词嵌入方法Word2vec，用skip-gram方法，得到每个词的权重向量，根据此向量，计算相似度，预测性质。

7. 这将是一个很不错的搜索引擎。之所以能预测(我更想叫“捡漏”)材料热电性，在于模型读了几百万篇文献，发现“热电性”总是和一些x, xx, xxx一起出现。而某个已报道材料恰好具备x, xx, xxx，但是没人测量过热电性能。所以模型可以提醒一句，小子，可以试一试热电性测试哦。

8. 到这里，文章都相当漂亮。可是后面拿模型预测的潜在热电材料和DFT理论计算结果对比那段，简直辣眼睛…

9. 没有可比性好么？您这个模型是捡漏，先得有人合成了对应材料，测了一大堆乱七八糟的性质，还要恰好忘了测热电性才行…基于DFT或者从头算的化学理论方法，才可以本质上指导化学家，应该去试试合成什么新材料…

10. 当然，能指导捡漏也是非常了不起的。毕竟源头上创新的工作也就那么多，为了恰饭，我们也没少干捡漏的活，不过一般美其名曰“超凡的洞察力，敏锐的科研直觉…”

11. 不管怎么样，期待类似工作越来越多，越来越好，这只会是科研好帮手。

看完这篇paper后，我的内心久久不能平复，好久没看到这么烂的paper了！

先来讲讲，这篇paper讲了什么？

首先模仿mikolov的经典算法Word2vec skip-gram，把在上下文中的一个窗口内的材料相关词汇抽取出来，如

(['LiMn2O4', 'and', 'LiCoO2', 'are', 'battery', 'cathode', 'materials', '.']

然后用skip-gram在窗口内用LiMn2O4预测LiCoO2，来获得材料词的词向量。说到底是在统计两个词在一定窗口内的共现关系，这是word2vec的本质，你不用Word2vec用传统的统计方法，计算两个词的互信息，然后矩阵分解一样能得到词向量。

下面吐槽开始

• 作者用t-SNE把词向量投影到二维空间，然后claim词向量学到了chemistry，同一族元素聚到了一起。学到个鬼！同一组元素当然在上下文中容易被同时提及，这就是共现关系而已！
• 作者用词向量预测不用化合物的Formation Energy，然后claim你看我的预测的多准，和DFT(密度泛函理论)计算出来的多接近，平均绝对误差只有56 meV而已！马蛋，能用DFT算出来的东西，你用神经网络拟合有什么意义？完全就是瞎搞
• 作者连神经网络适用的基本场景都弄不清，对于Formation Energy的计算有完善的量子力学理论做支撑，对于这样能够精准建模的问题，用传统的物理学第一性理论来计算更好，更加可靠！

• 作者用余弦相似度计算了和thermoelectric最接近的单词，然后在其中的326位和345位发现了两种材料Li2CuSb和Cu3Nb2O8，然后宣称他们的算法能够预测潜在的新型热电材料。多么令人窒息的操作！

• 作者这个算法能预测个鬼！thermoelectric和两种材料之所以余弦相似度接近，根本原因是有人在文章里同时提到过thermoelectric和Li2CuSb、Cu3Nb2O8，或者是异质图上的second order similarity关联到的，但也仅仅只是共现关系而已！

结论：

• 能够预测潜在的新型热电材料完全是无稽之谈。
• 生化环材小将的生存空间不会被挤压，科研工作者不会被淘汰。
• 这篇论文也没有提出任何能让AI看懂论文的算法

谢邀，能用Embedding这种方式获取知识相关性，并做匹配推理，获取领域知识，只能说明该领域研究停留排列组合上，并不能够说明广大科研工作者会被AI淘汰。

在大部分涉及数理的符号计算和符号推理上，目前的AI是超级弱智。

反过来说，如果我们可以用目前的AI，把某个领域知识学习的七七八八，比如蛋白质结构，大家就要思考一下自己做的实验是真的有内涵吗？

希望大佬多多研究如何通过AI证明某个领域是不是排列组合。