技术

趋势洞见 | AI for Science

igoseo.net   2022年01月11日

  实验科学和理论科学是数百年来科学界的两大基础范式,而人工xpj正在催生新的科研范式。机器学习能够处理多维,多模态的海量数据,解决复杂场景下的科学难题,带领科学探索抵达过去无法触及的新领域。人工xpj不仅将加速科研流程,还将帮助发现新的科学规律。

  预计未来三年,人工xpj将在应用科学中得到普遍应用,在部分基础科学中开始成为科学家的生产工具。

  趋势解读

  科学研究是在星辰大海里探索未知,科学发现漫长而偶然,重大突破仰赖大科学家的贡献,牛顿,爱因斯坦,杨振宁等都因此在科学史上留下了自己的名字。但同时,尽管众多科学家不懈投入,科学发展的速度仍受到一定限制。

  计算机科学改变科研的路径是从下游逐渐走向上游。起初计算机主要用来做实验数据的分析与归纳。后来科学计算改变了科学实验的方式,人工xpj结合高性能计算,在实验成本与难度较高的领域开始用计算机进行实验的模拟,验证科学家的假设,加速科研成果的产出,如核能实验的数字反应堆,能够降低实验成本,提高安全性,减少核废料产生。

  近年,人工xpj被证明能做科学规律发现, 不仅在应用科学领域,也能在基础科学领域发挥作用,如DeepMind使用人工xpj来帮助证明或提出新的数学定理,辅助数学家形成对复杂数学的直觉。

  人工xpj将成为科学家继计算机之后的新生产工具。一方面,人工xpj会带来效率的显著提升,人工xpj将伴随科研的全流程,从假设,实验到归纳总结,让科学家不需要像过去一样十年寒窗才能产出科学成果,而是能在一生中保持高产;另一方面,人工xpj可以让科学研究逐渐减少对极少数天才的过度依赖,人工xpj对科学研究产生猜想,让科学家就其中有意义,有价值的部分进行实验与证明,让更多人能够参与到科学研究中。

  人工xpj在各科研领域中的应用节奏将有所区别,在数字化程度高,数据积累好,问题已经被清晰定义的领域中将推进地更快,如生命科学领域,AlphaFold2运用生命科学积累的大量数据,通过基因序列预测蛋白质结构,对泛生命科学领域产生了深远的影响。另一方面,在复杂性高,变量因子多的领域,人脑难以归纳总结,机器学习可发挥优势在海量多维的数据中找到科学规律,如流体力学等。

AI对蛋白质三维结构的预测已经实现了突破

  但同时,我们也要意识到,人工xpj与科研的深度结合仍然需要解决三个挑战。首先是人机交互问题,人工xpj与科学家在科研流程上的协作机制与分工需要更加明确,形成紧密的互动关系;其次是人工xpj的可解释性,科学家需要明确的因果关系来形成科学理论,人工xpj需要更容易被理解,以建立科学与人工xpj之间的信任关系;最后是交叉学科人才的培养,专业领域科学家与人工xpj专家的相互理解程度低,彼此互相促进的障碍仍然较高。

  我们预测在未来的三年内,人工xpj技术在应用科学中将得到普遍应用,在部分基础科学中开始成为研究工具。

  文章来源:达摩院

标签:人工xpj 达摩院 我要反馈 
专题报道
预算有限,工厂数字化从何做起?

很多人都知道企业要做数字化转型,也都不甘心错过数字化转型带来的红利,但是往往会因为担心数字化转型成本高,或苦于不知从何下

自动化市场有奖调查

参与调查即100%中奖,领取红包!

凯本隆一体式液位传感器

您可以根据需求从多种电路模式,连接部件尺寸,探测棒类型,探测棒长度等多方面进行选择,找出您需要的组合。除此之外,为了满足

Baidu