在匹茲堡卡內基梅隆大學的一個實驗室里，一個機器人手臂舉起裝滿化學試劑的瓶子，置于一排試管上空，并將精確數量的滴液分配到每一個試管中。手臂旋轉，更換瓶子，再次旋轉，拿起另一個容器。機器發出響聲，不知疲倦地進行一次又一次測試。
這些實驗是一個正在進行的項目的一部分，為大容量電動汽車電池確定理想的化學成分。很快，機器就不止操作這些實驗，它們也將設計這些實驗。
在接下來的幾個月里，人工智能算法將逐步接管電池測試實驗計劃。一旦完全發揮作用，這個機器人將決定如何修改其測試成分的濃度。
領導該項目的豐田研究所科學家布賴恩·斯托里(Brian Storey)說:“它不僅自動化了實驗的手工部分，還自動化了計劃部分。”
長期以來，科學一直被認為是人類不可能外包給機器人的。但隨著傳感器、定序器和衛星以萬億字節的速度產生數字信息，這種情況也在發生變化。
卡內基梅隆大學機器學習系負責人曼努埃拉·維羅索(Manuela Veloso)說:“我們再也無法處理大量的數據了。”
這是生物技術公司和其他許多企業每天都在關注的問題，它們都在努力理解前所未有的大量原始信息。
人工智能軟件被廣泛用于各個科學領域，從海洋生物學(通過水聽器記錄識別野生海豚發聲)到天文學(通過數千顆恒星亮度的細微波動檢測行星的存在)。
為了發現希格斯玻色子，即所謂的上帝粒子，一種算法篩選了瑞士大型強子對撞機中產生的數十億個粒子軌道。人工智能正迅速成為大學科學課程的重要組成部分。
使發現過程自動化并不只是釋放研究人員的時間，它可能會改變人們的發現。
卡內基梅隆大學豐田項目的機器學習教授巴納巴斯·波喬斯(Barnabás Póczos)說:“我很容易想象，人工智能會推出一些實驗，合成一種你認為不可能合成的化學分子。”
不幸的是，生成新的預測本身并沒有那么有用?？茖W家們追求的不僅僅是what，還有why。那些優雅的理論公式，如牛頓第一定律或E = MC^2，讓他們了解了宇宙是如何運轉的;而到目前為止，人工智能軟件背后的神經網絡還不能真正解釋他們是如何得出答案的。
相比之下，人類在這方面相當擅長。所以短期內，最有希望的方式是人類和人工智能一起工作。
今年2月，荷蘭出版商Elsevier宣布與軟件制造商Euretos進行一項試驗性合作，利用人工智能評估數百萬篇同行評審的科學文章，提出生物化學領域的假設，而學者們將在網上篩選那些特別棒的假設。Euretos的聯合創始人阿里·巴克(Arie Baak)說:“我們的愿景是使討論過程更加自動化。”
然后呢?豐田研究所的斯托里說:“人們一直在想，能否讓電腦自動計算出物理學的基本原理。我認為我們距離那一步不會太遠了。”
最根本的是，傳感器和衛星給研究人員帶來的數據超過了他們有意義地理解范疇，因此他們正在訓練軟件進行更高階的分析。
