Science|达摩院2022十大科技趋势发布：人工智能将催生科研新范式( 三 )
为什么我又说不希望仅只局限于此呢？工具背后是人工智能的一种可计算思维的一种渗透 ， 所以我希望科学家在使用工具的过程里 ， 能够形成以一个以设计构造、计算为核心的计算思维 。
比如说像 AlphaFold ， 这个伟大研究成果的产生 ， 不仅仅只是利用了深度神经网络作为工具 ， 而是不同学科的科学家汇聚在一起 。 它先去设计了一条明确的可计算的思路 ， 来解决从氨基酸序列到蛋白质三维空间结构预测 。
所以说 ， 我们需要形成计算思维来进行科学探索 ， 同时恰到好处地应用人工智能这个工具 ， 就能开创科学更加崭新的未来 。 AI for Science是一个充满着光辉前途的人工智能的趋势 。
阿里达摩院城市大脑实验室负责人 华先胜表示：
目前 AI for Science 这个方向已经有可圈点的突破 ， 但主要还是比较点状的一些结果 ， 包括分子生物学、量子力学等 ， 还没有形成大面积的成果 ， 仍然有很大的突破空间 。
用 AI 去助力科研是基于两点 ， 一个是基于数据、一个是基于计算 。 因为我们要在数据和算力的基础上形成AI能力 。 所以如果这个学科有比较好的数据、比较多的数据、比较丰富的数据 ， 以及它的问题是需要大规模计算相关的一些问题 ， 可能是比较快地容易取得突破的地方 。 比如像分子生物学 ， 还有天文学、地理科学、大气科学 ， 这些都有大量数据 ， 问题又非常复杂 ， 需要强大的计算 。 这里可能能够利用一些AI的能力 ， 能够更快取得一些突破 。
从本质上来讲 ， AI for Science 和 AI for Industry 差别不大 ， AI 也是作为推动领域发展的一个工具 。 只是这个领域有点不一样 ， 它的门槛比较高 ， 因为是科学家要做的事情 ， 不是一个普通人、一般的技术工作人可以做的事情 。 但是从本质上来讲 ， 也是这个领域因为有了数据 ， 可以设计算法去挖掘数据中的“玄机” ， 去解决这个领域的问题 。
今天人工智能技术又往前走了一大步 ， 可以让计算助力科研走向智能助力科研 ， 智能会使科学研究的方法带来一些变化 。 其带来的效果应该和产业界的是可以类比的 ， 就是能够让科研的效率提升 ， 成果的产出能够更多 ， 甚至能从手工作坊的方式变成批量生产 。 当然这个很不容易 ， 但是可能有这样的一个趋势 。
对于科学研究而言 ， 从这种小概率事件有可能能够变成一个概率比较大一点的事件 ， 变得更科学 ， 而不是随机性特别大的 ， 能够有更多确定性 。 这是 AI for Science 的意义所在 ， 当然 still a long way to go 。
我们AI在其他领域已经磨合了近十年的时间 ， 在 Science 是刚刚开始 ， 有一些点状的技术 ， 不外乎两件事情 。
推荐阅读
- 疫情|西安高新科技职业学院学子以舞抗疫，“艺”心同行！
- 财联社|难逃反垄断制裁 美国法院驳回Facebook对FTC的反击
- 媒体滚动|告别“僵尸状态”，互联网医院要走亲民路
- 俄罗斯|22岁天才少女加入华为俄罗斯研究院，曾获「编程界奥赛」冠军
- 平台|韩国科学技术研究院开发出世界首款 AI 运算专用 SSD
- 费凡|【闳议】中科院外籍科学家费凡：干细胞研究如何与环境健康研究“挂钩”
- 建设|面对机遇期，互联网医院切莫“僵尸”
- 新浪科技|Facebook要求驳回FTC诉讼 法院不同意
- IT|加拿大研究显示因感染新冠病毒住院的儿童出现严重并发症的风险较高
- the|美国因感染新冠病毒住院治疗人数达到历史最高水平