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ω 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。
