作者: Isaac Pope / 文 来源: 发布时间:2026-11-11 0:51:39
选择字号:小 中 大
学习AI的地质学家

   在我的脑海中,地质学研究中的那些地图和色彩逐渐变得模糊不清,是时候休息一下了。打开邮箱,我看到了自己申请的2025年美国国家科学基金会(NSF)研究生研究奖学金项目的结果——仅仅获得荣誉提名。查看获奖者名单时,我注意到一个明显的趋势:计算机科学、量子物理、机器学习,就连少数获得资助的自然科学项目似乎也更侧重于人工智能(AI)的应用,而非实际的研究问题。起初,这种对AI的偏重感觉像是背叛,仿佛基础科学已不再“足够好”。但后来,我逐渐意识到这其实是一次机遇。

   本科学习期间,我已了解到AI正悄然影响着未来的职业发展,但在我所接受的地球科学训练中,它却并未有太多体现。我乐于研究身边实实在在的事物,这与AI黑箱中那些层层抽象的内容截然不同。我从未想过自己会使用那些复杂的算法,在撰写研究资助申请时,我遵循了观察、绘图和统计的传统方法。

   随后,新的要求将AI研究列为优先事项。那些提前预料到这一转变的学生取得了成功,而我们这些按照旧规则行事的人发现被远远甩在了后面。

   不久之后,我开始攻读博士学位,我的导师——一位计算地球物理学家鼓励我跳出现实的范畴,去思考更抽象的问题。与此同时,我也开始与一位在机器学习应用方面表现出色的航空航天工程教授展开合作。我逐渐意识到,这些工具实际上就是我已掌握的数学知识的一种应用,也许我也能学会使用它们。

   起初,我寻找的是大学课程,但大多数课程都因繁杂的计算机科学先修课程要求而难以进入。导师鼓励我突破课堂学习的局限,毕竟从课程教学转向实践学习是攻读博士学位的关键。我开始设计项目,以“通过实践学习”来获取知识,但仍需要一位导师引导我入门。这时我意识到,还有什么比AI本身更适合引导我了解AI呢?于是,我通过使用一个大语言模型来开启我对深度学习的探索,同时在该模型的帮助下安装并训练了一个机器学习模型,以解决地球科学领域中一个有趣的难题。

   这可以说是一次令人震惊的体验。收集数据时,我本应尽情地欣赏大自然的美丽,却不得不面对刺眼的电脑屏幕,费力地模拟深度学习环境。你可以走到一个坑洞边,踢块石头下去,然后一边悬着双腿,一边享受自带午餐,但我从未用任何AI模型做过这些。每一个错误代码和缺失的依赖感都让我倍感沮丧。

   然而,慢慢地,这些碎片开始整合起来。短短几周,我便成功构建出第一个能正常运行的深度学习模型,获得了意想不到的深刻见解。不久后,我开始开发AI工具,用于从公开的地形数据识别各种地质地貌。我无需花费数周时间进行测绘,仅用几个下午就勾勒出了同样的结构。自动化不仅消除了人工测绘的样本偏差,还让我能够深入探究自己发现的数千个自然特征背后的深层问题。

   距离收到NSF那封邮件已过去一年多了。那种失望的情绪已经渐渐消散,我感到充满力量。虽然还有很多东西要学习,但我已经获得了信心,能够掌握那些之前从未想过会用到的工具。最重要的是,我明白了这个不断发展的世界并不意味着我所热爱的科学就此终结。我可以欣然接受那些代码片段,同时也不会忘记最初引领我来到这里的那些岩石。■

 

Isaac Pope是密苏里科技大学博士生。

DOI:10.1126/science.zq9n0l7

鸣谢:原文由美国科学促进会(www.aaas.org)发布在2026年7月23日《科学》杂志。本文由中国科学报社翻译,官方英文版请见https://www.science.org/content/article/how-i-use-ai-my-geology-research-without-losing-science-i-love。

 
 打印  发E-mail给: