朗讀AI科學之旅：解密人工智能在科研領域的應用前景第AI科學之旅：解密人工智能在科研領域的應用前景

《AI科學之旅：解密人工智能在科研領域的應用前景》

如今，包括生物學、天文學、社會科學以及生命科學等眾多學科領域，數據的收集和存儲已遠遠超出了人類的分析和理解能力，伴隨著數據的爆炸式增長和計算能力的飛速提升，AI for Science 迅速崛起並成為 AI 應用於科學研究領域的趨勢和熱門話題，其通過構建人工神經網絡，自動從大量數據中提取特征和模式，從而實現對數據的高效處理和挖掘。
以生命科學為例，AI 為研究人員提供了強大的工具和方法來處理和分析大規模的生物學數據，比如解讀基因組數據和預測基因功能、預測蛋白質的三維結構和加速藥物發現過程、醫學影像分析和病理學診斷等。
AI for Science 不僅可以幫助科學家解決已有的問題，也可以幫助科學家發現新的問題和方向，它可以通過生成新的假設、設計新的實驗、提出新的問題等方式，激發科學家的創造力。
作為一種新型“科學研究範式”，目前全球多個國家和地區也相繼頒布了圍繞 AI for Science 的一系列政策措施，以期加速 AI 促進科學研究的創新發展。
圖｜絡繹科學杭州辦公室落地杭州未來科技城夢想小鎮
9 月 13 日，絡繹科學杭州辦公室正式落地國家級互聯網創新創業高地——杭州未來科技城夢想小鎮，通過緊密結合餘杭的產業特色和優勢以及夢想小鎮的載體支持，持續吸引更多科技資源匯聚來打造充滿活力的青年科技人才社區。
圖｜活動現場
此前，絡繹科學曾圍繞 AI for Science 在線上多次舉辦相關主題交流活動，為了更大範圍地探討其脈絡與發展，近日，絡繹科學在夢想小鎮舉辦了以“AI For Science：人工智能驅動的科學洞見”為主題的首場線下研討會。
此次線下活動邀請到了之江實驗室圖計算研究中心副主任陳紅陽、西湖大學機械工程講席教授姜漢卿、西湖大學工學院助理教授、博士生導師於開丞，以及浙江大學計算機科學與技術學院研究員、博士生導師趙俊博，他們從不同視角深度剖析了 AI 在各個學科領域的應用現狀、面臨挑戰以及未來前景，活動也吸引了眾多來自資本和產業端的投資人、從業者等的積極參與，大家齊聚一堂共同探討 AI 在科學領域的無限潛力。
圖｜四位與會嘉賓（左起陳紅陽、姜漢卿、於開丞、趙俊博）
“AI 只是作為科學研究中的一種底層工具發揮輔助作用”
圍繞 AI 技術的應用，在陳紅陽看來，“人臉識別是 AI 技術較為廣泛和成熟的一個應用，同時這也是落地最快和最好的一個應用方向，而 AI for Science 最核心的是解決 Science 中的一些科學發現的難題。”他指出。
於開丞表示，“隨著 AI 技術的發展，如今語言翻譯的質量變得越來越好，雖然是個較小的應用，但其帶來的影響和意義是非常廣泛的。”
姜漢卿表達了自己的觀點，他認為，“雖然 AI 技術在文本方面取得不錯的應用效果，比如翻譯質量的提升，但人類的靈感或創造性方面是 AI 有所欠缺的，比如詩歌創作，AI 創作的詩歌其實並沒有詩意，換句話說，目前 AI 不具備類似於人類的思維。”
姜漢卿表達了自己的觀點，他認為，“雖然 AI 技術在文本方面取得不錯的應用效果，比如翻譯質量的提升，但人類的靈感或創造性方面是 AI 有所欠缺的，比如詩歌創作，AI 創作的詩歌其實並沒有詩意，換句話說，目前 AI 不具備類似於人類的思維。”
比如，雖然用 AI 能夠生成藥物分子，但其生成的一些分子卻很難在現有的技術條件下合成出來。
在陳紅陽看來，“從普通人的角度而言，大家其實可以把大模型當作一位助手，比如用來制作表格、幻燈片等。而具體到大模型附能到產業端，比如解決芯片流片中的瑕疵檢測問題，物理學中的粒子跟蹤等，需要借助大量的數據學習。我們在之江實驗室開發類腦計算，它與傳統的電腦芯片不同，類腦神經元芯片有望會湧現出新的能力；再比如量子計算，都是硬件和模型結合的一種方式。”
他還表示，“對於模型訓練，其實訓練方式基本大同小異，目前的 GPU 訓練消耗大量的算力，未來在新型芯片上進行探索更優能效比的模型訓練是一個很好的方向。以類腦芯片為例，基於類腦計算芯片訓練模型，其算力不需要太大，但其湧現的智能可能更高，類腦計算從百億到千億神經元依然比較薄弱，我們實驗室正在開發千億神經元規模的類腦計算模型。完全不同於傳統電子計算機架構，類腦芯片基於脈沖神經元，實現同樣算力的情況下能耗較低，所以類腦芯片等新型硬件芯片可能是未來模型訓練優化提升性能的一個很好探索路徑。”
“科研是一個非常嚴謹的工作，現階段 AI for Science 中 AI 可能還存在一些欠缺。而在一些通用場景，AI 可以作為人獲取信息的一種新的交互媒介，相較於以往查閱資料需要借助搜索引擎，未來有可能會借助 AI、大模型等。”趙俊博表示。
對此，姜漢卿也表達了類似的觀點，“科研中可以借助 AI 查閱搜集資料，但是涉及到課題選擇，這屬於自主智能的範疇，目前的 AI 顯然不具備這種能力，現在還只是一種工具，類似於搜索引擎，是我們接觸信息的一個媒介。”他說道。
於開丞持則有不同態度，在他看來，“AI 在科學發現中發揮較大功能，比如在藥物分子發現中，相較於傳統方式，AI 能夠快速精准的設計一種新型分子，當然，現階段仍然還需要很長時間的優化和迭代。”
陳紅陽指出，“AI 的作用需要根據具體問題來看，例如用於發現藥物分子或是幫助科研工作者來查閱資料，隨著 AI 技術的發展其可靠性和邏輯性也在不斷增加；再比如，科研工作者在與 AI 模型對話中也能獲得很多啟發，新的 idea。總而言之，AI 在科學研究中都是起到輔助、加速科學發現作用，不是主導作用，如同在 AI 制藥是以制藥為主，AI 只是起到輔助和加速的作用。”
AI for Science 需要考慮更多邊界問題
產業層面，“圍繞 AI for Science，從本質上來講，我們扮演著服務角色，即根據合作方的需求來開發算法，我們曾經開發過一個簡單易用的開放技術平台，即便在完全不懂 AI 算法的情況下，只需輸入幾個參數就可以實現結果的輸出。但是 AI 算法在細分科學領域中的應用是‘定制化’的，需要非常密切而深度的融合，能夠為科研原創性發現做出一些貢獻是我們最大的期望。”陳紅陽介紹道。
具體到 AI for Science 的產業合作方面，陳紅陽表示，“其實我們與產業端的合作模式比較簡單，在雙方達成合作後簽訂保密協議，合作方提供給到我需要的數據量，在‘產研合作’過程中雙方的信任很重要。”他指出。
“材料、藥物、化妝品本質上都屬於分子，都屬於化學領域，其本質原理都是一樣的，我覺得AI在這些領域的作用還是比較大的，基於 AI 都可以進行設計篩選加速研發和節省成本等。”他補充說，“我們在目前的科研工作中其實是用 AI 來解決問題，可以預測，早期是純 AI，後來是 AI+，融合各個領域，基於 AI 這個工具助力研究和應用，未來大體會呈現這樣的一個趨勢。”
“尤其是進行優化設計時，AI 是需要強監管的，否則容易出現跑偏，與預期出現較大偏差。”姜漢卿補充說。
“我們現階段在開發新型機械臂，希望它能夠根據非文字、語言指令實現操作，實現遠程交互等，比如機械臂能夠根據現在正在做的動作預測下一個動作，類似於大語言模型，把動作轉換成語言模型再返回來控制機械臂。“尤其是進行優化設計時，AI 是需要強監管的，否則容易出現跑偏，與預期出現較大偏差。”姜漢卿補充說。“其實，我們更需要 AI for Engineering Science，既有工程也有科學，畢竟科學不需要考慮邊界條件，但是具體到工程技術應用中需要考慮到成本和制造問題等。”
本文內容不代表平台立場，不構成任何投資意見和建議，以個人官網/官方/公司公告為准。

《AI科學之旅：解密人工智能在科研領域的應用前景》完，請繼續朗讀精采文章。
喜歡 小編的世界 e4to.com，請記得按讚、收藏及分享！