科学研究的突破成果总是引人注目、鼓舞人心。但当不同立场的科学家群体对成果的看法存在差异时，往往激发科学辩论。
近期，科技圈的一场学术争论引起热议。
谷歌母公司 Alphabet 旗下的研究公司 DeepMind 去年在 Science杂志上发表了一篇精彩的研究论文，该论文声称，他们已经解决了“用 AI 在量子尺度上模拟物质”的巨大挑战。
如果论文的结论属实，这项前沿研究可以称得上影响深远。本质上讲，我们讨论的是使用人工智能来发现更多操纵物质组成元素的新方法，这是这项研究的潜力所在。
八个月后，由俄罗斯和韩国科学家组成的一个学术研究团队（成员包括 7 位俄罗斯科学家，1 位韩国科学家）对 DeepMind 的研究成果提出了异议。他们可能已经发现了 DeepMind 研究中的一个问题，该问题动摇了整个论文结论的可靠性。
DeepMind 新研究
DeepMind 这项研究的核心理念是设法模拟量子的相互作用。我们的世界是由物质组成的，而物质又是由原子构成的分子组成的。级别越小，模拟起来就越难。
深入到存在于原子内部的量子层级，模拟潜在相互作用就成为了极具挑战性的问题。
DeepMind 在一篇博客文章中提到，
正如 DeepMind 在同一篇博文中指出的那样，1960 年代的两位物理学家取得了一项突破：
去年 12 月，事情出现了转机。当时 DeepMind 发表了一篇题为“通过解决分数电子问题推动密度泛函的前沿研究”的论文。
在该论文中，DeepMind 团队声称通过开发一个神经网络，从根本上改进了当前用于模拟量子行为的方法：
学者提出尖锐质疑
DeepMind 的论文通过了最初的正式审查流程，一切顺利。转折点出现在 2022 年 8 月，一个由来自俄罗斯和韩国的八名学者组成的团队在 Science 上发表了一篇评论文章质疑其结论。
根据斯科尔科沃科学技术学院的这篇评论文章：
根据评论作者的说法，DeepMind 用于构建其神经网络的训练过程教神经网络记住了在基准测试期间将面对的特定问题的答案——这种测试是科学家确定一种方法是否优于另一种方法的过程。
研究人员在评论中写道：
DeepMind 迅速回应
DeepMind 反应迅速。
该公司在上述评论发表的同一天做出了回应，回击迅速而坚定：
至于这是否能解决问题还有待观察。在这一点上，我们还没有看到俄罗斯和韩国专家组成的学术团队的进一步反驳，不知道他们的担忧是否得到了缓解。
科学“僵局”
这次讨论的影响可能远不止于这一篇研究论文。
随着人工智能和量子科学领域越来越紧密地交织在一起，这方面的研究也逐渐被财力雄厚的企业研究机构所主导。
如果出现了科学“僵局”，对立双方无法通过科学方法就特定技术方法的有效性达成一致——而其中又掺杂了企业利益时，会发生什么？
问题的核心可能在于人们无法解释人工智能模型如何“处理数字”来得出结论。
这些系统在输出答案之前可以经过数百万次排列。我们不可能解释这个过程的每一步，这正是为什么我们需要算法捷径和人工智能来用蛮力解决人类或计算机无法直接突破的大规模问题。
最终，随着人工智能系统的不断扩展，我们可能不会再有什么工具来了解它们的运行机制。当这种情况发生时， 我们可能就会看到企业拥有的技术与通过外部同行评审的技术之间存在差异。
这并不是说 DeepMind 的论文就是一个例子。正如做出评论的学术团队在他们的评论文章中所写到的：
原文链接：
