人工智能能否取代化学专业？ 第1页

这是个很好的问题，也是之前我有意留给每个人让他们自己去思考的问题。

一个行业是否会被AI取代的问题，从根源来说应该归结到该行业中人脑的工作方式是否完全可以被AI代劳的问题。

就原本知识关联错综复杂的基础学科来说，现阶段的AI，这是不可能的。这种不可能并不体现在AI对于既有现象的学习和推断，或者既有知识的学习、收集和print，而是（对于AI来说地）看似毫无关联的“训练集”之间的注意力快速迁移和推断。这种差别不是应该通过无限高的算力去掩盖的，而是对当前AI的结构提出了更严格的要求。

人在有一定知识基础的情况下可以直接学习抽象理论，之后发现现象之后可以想到这种理论，并且直接尝试使用抽象理论去建模和理解——这是AI训练集有限情况下难以做到的：这个过程涉及现象的抽象（AND/OR）建模，抽象后高速编码、知识（理论、物理图像）在抽象层次索引化的检索与匹配等等。理论本身可以穿梭于各种现象之间，或者说各种训练集之间。

对AI发展来说，

多学科综合的，具有高效检索能力、可抽象编码、具有推断能力、可更新编码方式（编码方式可自主迭代）的专家系统，in demand。

一个对象的多套先验（但对于知识学习是后验）编码方式（从上面的专家系统中得到的），in demand。

（从上到下）物理图像的深刻理解（深度编码）与（从下到上）快速实例化、把理论/物理图像作为反编译器进行现象的逆向工程，其重要性不仅体现在学习上，也体现在这或许是唯一的人脑可以战胜AI的希望这件事情上。

所以学习理论知识和理解物理图像很重要，因为这直接决定了所做研究的工作的层次高低，与认识自己研究方向的格局，最后才是，这种工作会不会最后被AI取代。

而问题中描述的“重复性”，大多数人苦“重复性”久矣，正是化学学科的最严重问题（我的意思是如果化学学科让人以为“重复”是基础研究的最大最critical的问题，认为是AI战胜人类的唯一路径，那才是最大最严重的问题）：淹没在树林中而根本不得“science”之道，不停地做一些找规律、沉迷于控制变量的低级“思考”。

Study or die. 这个阶段的AI能有什么坏心眼呢？谁不学习、不深度思考，那就革了他的命。