易坊好文馆

  1. 首页 > 玩科技 >

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( 五 )


大家关心的是人机互动的过程 ， 大量神经网络实验和两个数学家之间多轮的互动 ， Nature 描述了互动过程 。 自古以来 ， 比如开普勒和其他应用科学家反复地做实验观察 ， 从中寻找规律 ， 现在AI算法和AI专家扮演了这个角色 。 这次创新主要用了神经网络的技术 ， 包括多元非线性函数进行递进的技术和黑盒解释的技术 。
总结来说 ， 这个成功案例会激发纯数学家和AI合作证明一些新的猜想或者发现新结构 。
延伸到 AI for Science ， 我的看法是 ， AI 的确可以加速科学实验 。 除了做计算机模拟之外 ， AI 还可以告诉大家实验的方向 。 在最近的天体物理中 ， AI优化太空望远镜的指向 ， 同时搜集更多更有趣的数据 ， 有点像自动驾驶 ， 用AI做自动驾驶望远镜 ， 加快规律的发现速度 。
其次 ， AI 推动人机结合 。 当然说起来简单 ， 具体操作要复杂得多 ， 科学家和 AI 专家必须紧密互动 ， 比如数据生成、作图、构建神经网络和训练、利用神经网络进行结果验证等解决问题高度相关 。
最后非常重要的一点是发展可解释的 AI 工具 。 AI 产生的结论需要易于理解、能够溯源 ， 这样才能建立与科学之间的桥梁 ， 获得科学家的信任 。
阿里达摩院语言技术实验室研究员 黄非表示：
我的工作主要是做自然语言的理解、对话 ， 包括 AI 模型 。 AI for Science 是一个很新的方向 ， 我们团队在这方面的工作起步不久 ， 我们基于预训练模型体系 AliceMind ， 利用有限的监督数据 ， 再结合强化学习 ， 目前能够证明近 400 项定理 。
面向工业的人工智能和面向科学的人工智能一些不同 。 前者主要是解决工业中实际问题 ， 根据真实世界中的数据寻找模式（pattern） 。 对于面向科学的人工智能 ， 目的不仅要找到数据中的模式 ， 而且要找到产生这些的模式的底层规律 ， 来解释不同的现象 。 面向科学研究的人工智能 ， 常见的预测方式比如从数据到标签的映射 ， 给定疾病图片预测疾病等传统的分类学习的方法能够被使用 ， 但模型更注重与对于数学问题、物理问题等底层的理解 ， 对于可解释性的洞察 ， 以及对于研究问题中的数据更合适的表述分析 。 我们需要在源数据的基础上寻找更好的表示 ， 对于该领域的问题有更好的理解 。
目前的 AI 主要应用于工业场景 ， 基于大量数据 。 如果 AI 在科研中也需要大量的科研数据 ， 比如对于生物的蛋白质或者某些特定领域 ， AI 也许在这里可以发挥比较大的作用 。 但对于特定领域的知识表述和应用 ， 涉及到符号逻辑 ， 包括知识图谱 ， 甚至人的经验、文本知识 ， 如何对于领域知识进行表示和应用 ， 目前AI在这方面工作相对比较有限 。

推荐阅读


上一篇：Type-C|酷冷至尊发布新款袖刃机械键盘：65% 紧凑设计，三模连接

下一篇：镜面|耗资百亿美元、花费25年建造的韦伯太空望远镜终于升空！与哈勃有何不同？