在匹兹堡卡内基梅隆大学的一个实验室里，一个机器人手臂举起装满化学试剂的瓶子，置于一排试管上空，并将精确数量的滴液分配到每一个试管中。手臂旋转，更换瓶子，再次旋转，拿起另一个容器。机器发出响声，不知疲倦地进行一次又一次测试。
这些实验是一个正在进行的项目的一部分，为大容量电动汽车电池确定理想的化学成分。很快，机器就不止操作这些实验，它们也将设计这些实验。
在接下来的几个月里，人工智能算法将逐步接管电池测试实验计划。一旦完全发挥作用，这个机器人将决定如何修改其测试成分的浓度。
领导该项目的丰田研究所科学家布赖恩·斯托里(Brian Storey)说:“它不仅自动化了实验的手工部分，还自动化了计划部分。”
长期以来，科学一直被认为是人类不可能外包给机器人的。但随着传感器、定序器和卫星以万亿字节的速度产生数字信息，这种情况也在发生变化。
卡内基梅隆大学机器学习系负责人曼努埃拉·维罗索(Manuela Veloso)说:“我们再也无法处理大量的数据了。”
这是生物技术公司和其他许多企业每天都在关注的问题，它们都在努力理解前所未有的大量原始信息。
人工智能软件被广泛用于各个科学领域，从海洋生物学(通过水听器记录识别野生海豚发声)到天文学(通过数千颗恒星亮度的细微波动检测行星的存在)。
为了发现希格斯玻色子，即所谓的上帝粒子，一种算法筛选了瑞士大型强子对撞机中产生的数十亿个粒子轨道。人工智能正迅速成为大学科学课程的重要组成部分。
使发现过程自动化并不只是释放研究人员的时间，它可能会改变人们的发现。
卡内基梅隆大学丰田项目的机器学习教授巴纳巴斯·波乔斯(Barnabás Póczos)说:“我很容易想象，人工智能会推出一些实验，合成一种你认为不可能合成的化学分子。”
不幸的是，生成新的预测本身并没有那么有用。科学家们追求的不仅仅是what，还有why。那些优雅的理论公式，如牛顿第一定律或E = MC^2，让他们了解了宇宙是如何运转的;而到目前为止，人工智能软件背后的神经网络还不能真正解释他们是如何得出答案的。
相比之下，人类在这方面相当擅长。所以短期内，最有希望的方式是人类和人工智能一起工作。
今年2月，荷兰出版商Elsevier宣布与软件制造商Euretos进行一项试验性合作，利用人工智能评估数百万篇同行评审的科学文章，提出生物化学领域的假设，而学者们将在网上筛选那些特别棒的假设。Euretos的联合创始人阿里·巴克(Arie Baak)说:“我们的愿景是使讨论过程更加自动化。”
然后呢?丰田研究所的斯托里说:“人们一直在想，能否让电脑自动计算出物理学的基本原理。我认为我们距离那一步不会太远了。”
最根本的是，传感器和卫星给研究人员带来的数据超过了他们有意义地理解范畴，因此他们正在训练软件进行更高阶的分析。
