物理學(xué)界有一個老掉牙的笑話：自然界的統(tǒng)統(tǒng)奧妙皆已被發(fā)明并頒發(fā)于一篇1960年代的蘇聯(lián)期刊上，只是我們不知道罷了。雖然有些浮夸，但這個笑話精確地描寫了現(xiàn)在的狀況。常識的體量已很是重大而且正在迅速增長：2021年在arXiv（環(huán)球最大且使用最廣的論文預(yù)印本網(wǎng)站）上頒發(fā)的科學(xué)論文數(shù)目預(yù)期跨越190000篇——這也只是本年發(fā)生的科學(xué)文獻(xiàn)的冰山一角。
很顯然，我們其實(shí)不分明我們畢竟了解幾何，由于沒人能夠讀完本身所正在的狹窄領(lǐng)域內(nèi)的全部文獻(xiàn)（除期刊論文外，這還包羅了博士論文、實(shí)驗(yàn)條記、幻燈片、白皮書、技能條記和呈報(bào)）。事實(shí)上，正在這一些觸目皆是的文獻(xiàn)中，完全可能找到許多問題的謎底、被忽視或忘記的主要發(fā)覺大概躲藏的接洽。
關(guān)于這一些題目，人工智能是一個潛正在的解決方案。而今，算法曾經(jīng)能夠正在無人工干預(yù)的情況下闡發(fā)文本，找出詞句中的接洽以扶助發(fā)明常識?？墒?，我們假如沒有摒棄幾百年穩(wěn)定的傳統(tǒng)科學(xué)文章的寫法，就沒有能獲得更大的成績。
現(xiàn)階段，文本發(fā)掘（text mining）面臨著很多限定，包孕獲得全文的和法律問題。但最主要的是，人工智能并沒有真正地明白這一些觀點(diǎn)和它們之間的干系，而且對數(shù)據(jù)的誤差（bias）極端敏感，比方它挑選闡發(fā)的論文的誤差。對人工智能來講，明白科學(xué)論文是一項(xiàng)困難的使命——事實(shí)上，對非專業(yè)的人類閱讀者來講還一樣，由于每一個學(xué)科的專業(yè)術(shù)語皆截然差別，乃至一個詞語正在差別的范疇會有大是大非的意義。用一系列關(guān)鍵詞的排列組合很難正確界說一個主題，這使得想要全面地檢索相干的文獻(xiàn)變得十分困難。即便關(guān)于最聰慧的人來講，豎立差別學(xué)科之間的接洽、（從新）發(fā)明相似的觀點(diǎn)還很困難。
只要現(xiàn)在的狀況還未轉(zhuǎn)變，人工智能就沒法被完整信賴，人類仍需求再次查抄人工智能文本發(fā)掘后的輸出后果。這是一項(xiàng)單調(diào)無聊的事情，而且還偏偏離了運(yùn)用人工智能的目標(biāo)。為了辦理這個題目，我們不只需求將科學(xué)文獻(xiàn)變得計(jì)算機(jī)可讀，還需求用一種特定的編程言語將它們（從新）寫成。換句話說：要用一種機(jī)械能夠明白的言語教它們科學(xué)。
雖然用類似于編程的言語寫科學(xué)知識是枯燥乏味的，但這具有可持續(xù)性，由于新的觀點(diǎn)會被直接添加到機(jī)械能夠明白的庫內(nèi)。別的，由于機(jī)械進(jìn)修了更多的科學(xué)知識，它們還能夠協(xié)助科學(xué)家們組織邏輯論證，發(fā)明毛病、抵牾、剽竊和反復(fù)，并突出聯(lián)絡(luò)。領(lǐng)會物理定律的人工智能比僅用數(shù)據(jù)鍛煉的人工智能更強(qiáng)盛，是以真正明白科學(xué)的機(jī)械還會協(xié)助將來的發(fā)明。這一些具有大批科學(xué)知識的機(jī)械將會協(xié)助人類科學(xué)家，而非庖代人類科學(xué)家。
數(shù)學(xué)家們已最先了這個翻譯的歷程。他們用Lean言語寫定理和證實(shí)來教計(jì)算機(jī)數(shù)學(xué)。Lean是一種幫助證實(shí)言語，能夠用工具（object）的情勢引入數(shù)學(xué)觀點(diǎn)。經(jīng)由過程利用已知工具，Lean能夠推斷一個語句（statement）的正誤，以此幫助數(shù)學(xué)家們考證證實(shí)并辨認(rèn)邏輯沒有松散的地方。Lean曉得的數(shù)學(xué)常識越多，它就能夠干得越多。帝國理工學(xué)院的Xena項(xiàng)方針方針就是將本科數(shù)學(xué)課程的常識全數(shù)輸入到Lean。有朝一日，幫助證實(shí)大概能夠經(jīng)由過程考證邏輯和檢索它們擁有的大批數(shù)學(xué)常識，幫助數(shù)學(xué)家干研討。
但相比于數(shù)學(xué)，用Lean言語寫其他學(xué)科更艱巨。顯然，并非所有的科學(xué)成果皆合用這類寫法，但尤其是STEM*等很多學(xué)科皆能夠接納此方法。正在設(shè)計(jì)這類新言語的過程中，能夠由類似于Lean的言語入手下手定制，插足一些某行業(yè)刻有的刻點(diǎn)。毫無疑問，科學(xué)觀點(diǎn)的界說比數(shù)學(xué)更龐大；它需要有配景、直觀表達(dá)和表明。這也是為何量子力學(xué)**雖有清楚的數(shù)學(xué)表達(dá)式，卻仍有無數(shù)論文和教科書實(shí)驗(yàn)表明它的緣故。將科學(xué)知識的這一些細(xì)微的層面?zhèn)魇诮o機(jī)械是富有挑戰(zhàn)性的，但要記得，機(jī)械幫忙的終究目標(biāo)是幫忙人類科學(xué)家改良這一些細(xì)微的地方，并更清楚地表達(dá)它們。大概機(jī)械會更正確，由于有些科學(xué)觀點(diǎn)取人類直覺相悖，而機(jī)械能夠能夠更好地將它們?nèi)∨渚敖Y(jié)合起來。
這類人類取機(jī)械共通的言語可能會演化出各行業(yè)專門的辭匯庫，雖然我們現(xiàn)在還未開收回這類言語。但當(dāng)這項(xiàng)技能一旦成熟，它不容易欠缺市場。Xena項(xiàng)目注解，沒有先前編程經(jīng)歷的互聯(lián)網(wǎng)原住民可以異常迅速地學(xué)習(xí)新言語。關(guān)于一些科學(xué)家來講，這類言語乃至?xí)葘懹⒄Z散文更直接，由于英語并不是他們的母語。這會接濟(jì)他們更好地組織設(shè)法主意。注解器（interpreters）還可以將Lean言語翻譯回?cái)?shù)學(xué)，就像將一種新言語翻譯成英語或其他任何言語一樣。
將已知的大批常識翻譯成機(jī)械言語是一項(xiàng)龐大的使命，但并非一項(xiàng)不太可能的使命。由互聯(lián)網(wǎng)*到arXiv等預(yù)印本服務(wù)器，科學(xué)家們很是善于發(fā)現(xiàn)同享常識的新方法。是以，讓每一位科學(xué)家為翻譯機(jī)械可讀的科學(xué)常識庫干一點(diǎn)奉獻(xiàn)并非毫無根據(jù)的空想。就像數(shù)學(xué)一樣，別的的本科課程還能夠由本科生傳授為機(jī)械。研究生們能夠?qū)⑴c他們課題有關(guān)的常識輸入為機(jī)械，而研究者們能夠直接用新言語寫研究結(jié)果。
互聯(lián)網(wǎng)（World Wide Wed）出生的初志是讓天下范圍內(nèi)的科學(xué)家們同享信息。
這個項(xiàng)目除需求團(tuán)體的起勁，還會損耗大批的時候和款項(xiàng)。但除此之外，我們大概沒有其他能夠辦理不時增加的科學(xué)知識的辦法：我們會繼承正在從頭發(fā)明已知的觀點(diǎn)和逝世路上浪擲大批的時候和資源?？茖W(xué)的將來，必將是人類和機(jī)械的配合事業(yè)。