米兰·(milan)中国官方网站-AI 正在引领一场新型科学革命

作者 | Bryan McMahon

编译 | bluemin

自20世纪50年月DNA被发明以来，生物学家一直试图将基因序列的长度与一系列细胞身分及卵白质合成历程接洽起来，例如，包括为此刻闻名的mRNA疫苗助力的特定抗体的mRNA转录历程。

只管自DNA发明以来，于基因组测序及理解方面取患了必然进展，但仍缺掉一个主要环节。生物学家缺少一种仅利用未知卵白质的DNA或者RNA源序列就能正确有用地猜测其三维外形的要领。于生物学中，布局决议功效。卵白质于细胞中的作用取决在其形态。中空的圆柱形布局有益在形成优良的膜受体，而U型酶于峡湾状空腔中催化化学反映。可以或许猜测甚至设计卵白质布局对于在人类疾病理解将是一个奔腾，并会为一系列疾病解锁新的医治要领。

但70多年来，科学家们一直于利用令计较机不胜重负的慢要领，而且重要依赖本身的预测来梳理卵白质的布局。只管生物学家知道组成每一种卵白质的每一种氨基酸的DNA编码长度，但他们缺少一个可反复、可推广的公式来解决所谓的“卵白质折叠问题”。他们需要体系地相识任何一串氨基酸一旦毗连起来，将怎样折叠成三维外形，从而解开浩瀚的卵白质宇宙。

来历：DeepMind

2020年，google的人工智能团队DeepMind公布其算法AlphaFold解决了卵白质折叠问题。

开初，年夜大都人都对于这一惊人的冲破高兴不已经，科学家们随时预备测试这类新东西，也引发了一些人的兴致。这不就是几年前推出AlphaGo，使其于中国战略游戏围棋中击败世界冠军的那家公司吗？把握一个比国际象棋更繁杂的游戏，虽然难度很年夜，但与卵白质折叠问题比拟，觉得眇乎小哉。

可是AlphaFold经由过程一年一度的竞赛证实了其科学勇气，于该竞赛中，生物学家团队仅按照卵白质的基因序列预测卵白质的布局。该算法远远跨越了人类竞争敌手，发布了猜测终极外形于一埃（单个原子的宽度）内的分数。不久以后，AlphaFold经由过程了第一次真实世界测试，准确猜测了SARS-CoV-2“刺突”卵白的外形，该卵白是病毒显而易见的靶向疫苗的膜受体。

来历：《Nature》

AlphaFold的乐成很快就变患上不容轻忽，科学家们最先于试验室里试用这类算法。到2021年，《科学》杂志将AlphaFold的开源版本冠以“年度最好要领”。生物化学家兼《科学》杂志主编H. Holden Thorp于一篇社论中写道：“卵白质折叠方面的冲破是有史以来于科学成绩及将来研究方面最伟年夜的冲破之一。”

今天，AlphaFold的猜测很是正确，颠末70多年的思考，卵白质折叠问题被认为已经经解决。虽然卵白质折叠问题多是迄今为止AI于科学范畴最惹人注目的成绩，但AI正于很多科学范畴悄然取患上新发明。

经由过程加快发明历程并为科学家提供新的查询拜访东西，AI也正于转变科学研究的要领。

这项技能进级了显微镜及基因组测序仪等研究支柱，为仪器增长了新的技能能力，使其功效越发强盛。AI驱动的药物设计及重力波探测器为科学家提供了探测及节制天然界的新东西。

于试验室以外，AI还有可以部署进步前辈的仿真及推理体系，以开发真实世界的模子并利用它们测试假定。跟着科学要领的广泛影响，AI正于经由过程冲破性的发明、新技能及加强东西，以和提高科学历程速率及正确性的主动化要领，激发一场科学革命。

来历：AI辅助的超分辩率宇宙学模仿

除了了卵白质折叠问题之外，从宇宙学及化学到半导体设计及质料科学，AI于很多范畴的发明证实了其科学价值。

例如，DeepMind的团队设计了另外一种计较份子的电子密度的算法，击败了科学家60年来一直依靠的快捷要领。相识给定份子的电子密度对于在理解质料的物理及化学性子年夜有裨益。但因为电子受量子力学支配，计较特定电子的密度需要繁杂的方程，很快蜕变成计较恶梦。相反，科学家们使用质料电子的平均密度作为指导，避开了坚苦的量子计较。然而，DeepMind的算法直接解决了量子方面的问题，并被证实比快捷要领更切确。

与卵白质折叠问题近似，AI可以或许逾越科学家几十年来沿用的要领，并解锁了正确猜测物理及化学性子的新要领。

AI对于科学的影响于四个要害方面逾越了该技能的新发明。

起首，AI可以快速浏览科学文献，从而相识科学的基本法则、事实及方程式，并帮忙科学家治理沉没各个范畴的年夜量论文及数据。仅于2020年，就有10万到18万篇关在COVID-19的科学期刊发表。

只管研究职员将重心放于与连续的全世界年夜风行同样紧急的工作上是有原理的，但关在COVID-19的论文仅占最年夜生物医学数据库总文章的4-6%摆布。孕育发生的论文及数据海潮远远凌驾任何科学家的浏览能力，使研究职员没法真正跟上各自范畴的立异程序。

这恰是AI的用武之地。

例如，于药物化学范畴，Insilico公司正于进入彻底由AI设计的药物I期临床实验阶段，该药物旨于医治一种称为特发性肺纤维化（IPF）的疾病。Insilico的算法经由过程浏览医学文献来选择疾病方针，以找到潜于的卵白质、细胞或者病原体举行切确定位。一旦选择了方针，该算法就能够设计一种医治要领来医治疾病。Insilico开发了一个用在药物发明的端到端AI平台，该平台可以主动把握该范畴的最新成果及数据，以便科学家可以或许相识环境而不会不知所措。

来历：图片由美国阿贡国度试验室带领计较举措措施、可视化及数据阐发组提供

其次，跟着仪器越发周详以和摸索天然秘密的慢慢深切，科学家们需要面临海量数据。AI一样可以于此方面年夜展身手。

阿贡国度试验室（Argonne National Laboratory, ANL）的一组科学家研发了一种算法，该算法可以理解引力波，即爱因斯坦猜测的时空持续体布局中的涟漪，但直到2015年才被发明。该算法于7分钟内处置惩罚了一个月的数据量，提供了一种可加快、可扩大及可反复的引力波检测要领。并且该算法还有可以于尺度图形处置惩罚单位（GPU）上运行，研究职员无需利用专门装备网络及注释引力波数据。

ANL数据科学与进修 (DSL) 部分主管Ian Foster说：“这个项目让我高兴不已经，它展示了怎样经由过程准确的东西，将人工智能要领天然地集成到科学家的事情流程中，让他们更快更好地完成事情，加强而非代替人类智能。”借助人工智能，曾经经的海量数据此刻酿成了加快科学成长程序的可控信息流。

第三，AI一直于暗暗进级试验室的一些持久支柱：显微镜及DNA测序仪。

于ANL，研究职员找到了一种要领来晋升电子显微镜可检索到的有关样品的信息量，同时提高仪器的分辩率及敏捷度。差别在很多人于高中或者年夜学生物课上认识的显微镜，由于电子显微镜不依靠可见光来构建图象。相反，顾名思义，它们利用电子，这使它们可以或许以比其他显微镜更高的分辩率及更邃密的组织拍摄图象。

ANL的研究职员设计了一种于电子显微镜上利用AI记载相位数据的要领，该要领可以通报有关样品物理及化学性子的要害信息，从而提高仪器的功率及容量。

与此近似，AI的另外一个进级功效是于所谓的光场显微镜中发明的，它可以拍摄高清楚度的3D运动图象。科学家凡是需要几天的时间来重修视频，但有了AI后，处置惩罚这些运动中的高分辩率数据所需的时间缩短到几秒钟，而不会丢掉分辩率或者细节特性。

DNA 测序仪是基因组时代的主力军，也获得了AI的加强。本年早些时辰，一组科学家使用AI将DNA测序所需时间减半，并但愿很快再次减半。简言之，人工智能正于进级最基本的科学东西。

来历：《Science》

末了，AI于试验室中真正年夜放异彩之处是模仿繁杂体系，使其成为基础科学研究中愈来愈尺度的东西。

去年，研究职员经由过程于物理学、天文学、地质学及天气科学等十个科学范畴成立冲破性的模仿试验，展示了AI的多学科能力。

所有10个仿真器均由统一个称为DENSE的深度神经收集举行练习，与其他要领比拟，于连结正确性稳定的条件下，仿真速率提高了10亿倍之多。

至关主要的是，仿真器可用在解决“逆问题”，即研究职员知道成果但想找出哪些变量会致使输出。AI擅长这类计较，而且可以很轻易地找出通向特定谜底的路径。

虽然模仿颇有用，研究职员也但愿确保他们的模子于实际世界中有用。google及三星这两家领先的科技公司近来转向AI来计划其部门芯片的结构。

google患上出的结论是，人工智能设计的芯片“对于在所有要害指标，包括功耗、机能及芯单方面积，都优在或者可与人类出产的芯片相媲美”。更进一步，该公司利用AI来设计其下一代AI加快器（TPU是AI制造的芯片，而不是尺度的CPU或者GPU）。

一样，三星依赖AI芯片设计软件创立了Exynos，这是一种用在可穿着产物及汽车的芯片。依附其高保真模仿，AI为科学家们提供了一种强盛的东西，正于完全转变他们对于天然世界举行建模及试验的方式。

来历：AI撑持对于COVID-19患者的快速诊断

对于在AI的建模能力，没有比COVID-19年夜风行更好的实际测试了。

起首，卵白质折叠算法AlphaFold准确猜测了主要的“刺突”卵白质，展示了AI于将来的年夜风行中怎样加快疫苗或者疗法的研发。但或许更使人印象深刻的是，于2020年炎天，日本科学家利用世界上最强盛的超等计较机Fugaku来模仿COVID-19 于空气中的流传。

于深度神经收集及数千个GPU的撑持下，Fugaku向世界提供了病毒是经由过程空气流传的决议性证据，并说服WHO响应地转变其节制COVID-19的引导目标（例如，口罩、透风以和室内与室外勾当的危害）。于实际世界中，AI经由过程于危机时期为全世界减缓战略提供信息来证实其价值。

除了了做出新发明及为科学武库添加新东西外，AI还有可以发明数据中的模式，做出可测试的猜测，并利用它们将新证据纳入其模子，反应科学要领。

哲学家Karl Popper普和了如许一种不雅点，即科学是经由过程丢弃可证伪的假定而前进的，这些假定可以经由过程试验举行查验并证实是过错的，而这类经由过程理论及试验消弭的历程是科学要领的一个标记。

正如AI近来的一些冲破所注解的那样，该技能还有孕育发生了可以经由过程试验测试的假定，并经由过程解除历程提供了一个严酷且可证伪的谜底。

DeepMind 的电子密度模子经由过程迫近科学历程并于猜测及试验之间迭代反馈，直到更好地把握了量子计较，从而击败了研究职员。

AI经由过程于数千个试验确定的卵白质上测试其模子，细化预测，并经由过程付与更靠近解决方案的分支更高权重来修剪神经收集，从而解决了卵白质折叠问题。研究职员构建了AlphaFold的开源版本以后，其他科学家可以使用该模子解开RNA布局怎样折叠以和卵白质怎样联合于一路的谜团。

来历：端到端刚性对于接的自力SE(3)等变模子

整体而言，理解卵白质的联合为强盛的新药研发打开了年夜门，由于细胞中的很多反映都是卵白质协同作用的成果。这两项前进开启了医治设计的新时代，即使用端到真个AI管道定位疾病并设计切确的医治要领。

例如，华为人工智能试验室的一个研究团队利用该模子的一个版本主动天生了针对于方针传染的抗体。从药物设计到卵白质联合，人工智能对于天然界建模、阐发及节制的能力只会继承提高。

DeepMind的最新冲破是将AI运用在节制及维持核聚变反映的问题。AI乐成地节制了氢及氦的交融反映，为宇宙中的每一颗恒星提供了创纪录的能量，并发明了不变连结等离子体的新外形。这项试验是朝着开发可行的聚变能源迈出的主要一步，聚变能源可以提供充足的可再生能源，并为世界提供动力。

这个案例凸起了AI于科学中最有但愿的运用：它看到了咱们没法看到的模式，并从差别但互补的角度阐发了咱们的情况。与研究职员互助并以科学要领为基础，AI可以或许使用支撑科学历程的迭代办署理论及试验解决一样的摸索性问题。

科学可以最佳地描写为对于未知事物的摸索。于这段路程中，AI是一个伙伴，它以差别在咱们的方式感知天然世界和其未摸索的部门，斥地了理解及使用世界气力的新路子。

正如索尼研究主管Hiroaki Kitano所描写的那样，基在AI可模仿的假定、试验及数据的自校订体系，科学发明是一个“搜刮”问题。但于搜刮历程中，AI不单单是科学家及互助伙伴手中的强盛东西。这项技能也于转变科学历程，实现主动化并增长人们利用它可以完成的使命。人工智能正于引领一场新的科学革命，于多个范畴取患了显著冲破，开启了科学研究新路子，加速了科学立异程序。作为互助伙伴，AI将会与科学家配合摸索更多无止境的科学前沿。

原文链接：

雷峰网(公家号：雷峰网)

雷峰网版权文章，未经授权禁止转载。详情见转载须知。