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( 四 )
【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】第一件是 AI 专家要去了解科学问题 ， 这个门槛比较高 。
第二件是科学家要去了解 AI 的原理 ， 知道它什么是能的 ， 什么是不能的 ， 它有什么样的优势 。
这个倒不是说一定我们只用已有的 AI 的能力去解决这个科研问题 ， 也有可能是在 AI 专家和科学家协作的过程当中去研发出更好的 AI 的能力 ， 去解决对应的科学问题 ， 这个跟 AI for Industry 也是一样的进程 。 我们很多的 AI 技术也是在解决对应的产业的问题过程当中产生出来的 。 所以两方面要合在一起去解问题 。 只是它有不同的地方 ， 科学的门槛本相对比较高 。
AI 在 forIndustry 的时候 ， 其实是从单点的技术逐渐地走向了平台化 ， AI for Science 的未来 ， 我想也会逐步地走向平台化 。 这个时候就是 AI 专家结合某个领域、某个学科 ， 甚至是某个学科的某一类问题和科学家们一起去建造一个科研的平台 。 这个时候科学家们可能有更大的自由度、更强大的工具 ， 能够更批量地去做科学研究 ， 实现更加丰富、更加重要的科学突破 。
再往下走的话 ， 我想再借鉴一下 AI for Industry 的进程 。 AI for Industry 从单点技术到平台以后 ， 再往下我判断是走向系统 ， 或者叫进化系统或者叫协同进化系统 。 因为平台解决的是能够规模化地去产生能力和落地应用 ， 系统化解决的是能够长久地、持续地、深入地解决行业的问题 ， 产生核心价值 。 对于科研来讲也是 ， 如果说每一个领域能够建造出这样一个AI系统 ， 那么科学的发现有可能实现自动或者半自动的模式 ， 它可以持续、持久、深入、广泛地做出一些科学的发现 ， 这个可能是更长远的一个未来 。 当然 ， 自动模式能解决的是相对简单一些的科学发现、科学论证 ， 并不是最前沿、最尖端、最复杂的问题——这一部分是要科学家利用强大的AI系统和科学专业能力去发现、去解决 。
阿里达摩院决策智能实验室负责人 印卧涛表示：
DeepMind 与合作者最近在 Nature 发表论文 ， AI 帮助解决了数学难题 ， 引起很多人的关注 。 大家关心得不是结果 ， 而是 AI 在数学研究中如何发挥作用 。
先介绍下背景 ， 这篇文章是关于低维拓扑 ， 里面有十几个数学量 ， 其中关键量是通过神经网络拟合在做分析得到 。 作者猜测低位拓扑中存在未知的非线性关系 ， 作者产生了很多数据并用神经网络拟合了近似函数 ， 发现其中三个量在拟合过程中起到了很重要的作用 ， 并且只用这三个量也拟合得非常好 。 通过反正做拟合实验 ， 产生新的数据 ， 得到新的观察模型 ， 最终数学家利用智慧猜出了一个不等式结构 ， 并进一步给了严格的证明 。
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