人工智慧在科學研究中的潛力
科學與自然科學領域：探索人工智慧的應用
隨著 ChatGPT4 的問世，人工智慧在醫學領域的應用引起了公眾的關注，成為新聞標題的主角，並引發了關於醫學人工智慧的優點和危險的激烈辯論。但人工智慧的潛力遠不止局限於醫學的前沿。在藥物的發現和設計方面，人工智慧已經改變了科學家的工作方式。它以前所未有的速度和準確性預測分子之間的相互作用和蛋白質的折疊情況。未來，人工智慧甚至可能被用於常規地維護核反應爐的執行。這些僅僅是人工智慧在自然科學中令人興奮的應用案例的一部分，如哈佛醫學院生物醫學訊息學助理教授 Marinka Zitnik 在《自然》雜誌上的評論中所述。
科學方法：一個跨學科的基本原則
醫學新聞：關於人工智慧在醫學中的應用，我們聽到了很多新聞和評論，但我們對於人工智慧在科學研究和發現領域的應用知之甚少。為什麼會這樣？
Zitnik: 我認為這是因為人們尚未意識到人工智慧對生命科學以及更廣泛的自然科學領域所帶來的巨大機遇。雖然各學科的科學研究方法有所不同，但幫助我們解釋自然世界的科學方法在所有領域中都是一個普遍的基本原則。科學方法自 17 世紀以來就存在，但現在用於生成假設、收集資料、進行實驗和收集測量結果的技術可以透過深思熟慮和負責任的使用人工智慧進行改進和加速。
人工智慧在科學研究中的即時影響
醫學新聞：在科學發現中，您在人工智慧的應用中看到了哪些最直接的影響？
Zitnik: 人類專業知識和人工智慧的結合已經對我們日常生活產生了影響。人工智慧用於合成新的藥物，設計具有強度和剛度的新材料，以支撐橋梁和建築物的搭建。人工智慧算法已被用於提供平流層氣球的實時反饋和控制，以進行天氣預測。在物理學中，最近開發的人工智慧算法被用於控制聚變反應爐模擬器，使其的安全操作不再僅依賴於人類的直觀和經驗。這些都是人工智慧在科學領域的一些令人興奮的應用案例。
人工智慧在科學研究中的長遠潛力
醫學新聞：您在長遠方面感到興奮的是什麼？
Zitnik: 我非常興奮的是，人工智慧不僅能夠貢獻於科學的理解，還能夠自主獲取知識並獨立生成知識。已經證實，人工智慧模型可以從文獻中無需任何指導地捕獲復雜的科學概念，如元素周期表。發展自主知識的能力可以引導未來的發現，並將它們嵌入到過去的出版物中。例如，這可能是發現一種用於治療阿爾茨海默病的分子。這樣的發現需要從出版物和不同學科中識別間接關係，將分子的化學性質與阿爾茨海默病相關的分子途徑的生物行為以及臨床表現和病人的症狀相存取。將所有這些學科和出版物存取起來，以識別出共享原則並生成新的假設對於人類而言是不可能的。人工智慧的「副駕駛員」能夠閱讀不僅是科學出版物，還包括原始研究資料、影象和實驗室資料，然後提煉潛在知識並以假設的形式呈現給人類專家進行評估。這需要人工智慧模型能夠提出並且沒有明確寫下或直接暗示於現有科學文獻中的假設。這些都是科學家耗費大部分時間的挑戰，也常常區分出色科學家和卓越科學家之間的差異。我們希望將來科學家能夠減少花在例行實驗室工作上的時間，更多時間用於引導、存取和評估人工智慧的假設，並將人工智慧模型導向感興趣的研究問題上。另一個令人興奮的可能性是「人工智慧引導的設計、發現和評估」的理念。這將可以自動化常規的科學工作流程，並將實際世界中的實驗與虛擬人工智慧模型和機器人結合起來。這將使我們能夠根據預測進行實驗，並以高通量方式進行實驗。這將創造出自駕實驗室，其中一些實驗將直接受到人工智慧模型的指導。
可能的陷阱和相關解決方案
醫學新聞：您預見了哪些挑戰？在哪些方面我們需要格外小心？
Zitnik: 一個挑戰涉及實用考慮。實施和整合模型與實驗室裝置需要大量工作和複雜的軟體和硬體工程以及對資料的整理和更好的使用者介面。當前軟體和硬體的微小變化可能導致人工智慧效能的顯著變化。因此將虛擬人工智慧工具與可以在現實世界中操作的實際物理裝置聯絡在一起變得風險較大。資料和模型需要標準化。最終如果做得好，我預期將出現自駕實驗室和半自治的發現引擎。另一個挑戰涉及機器學習的基礎。當前的算法在處理科學資料時存在缺陷，這些資料是多模態的，例如宇宙學中的黑洞、科學文獻中的自然語言、生物學序列如氨基酸以及三維的分子和原子結構。整合這些資料是具有挑戰性的，但是必要的，因為僅僅看某個資料集本身無法得到問題的全面看法。還有一個重要的挑戰就是當今大多數人工智慧模型仍然是黑盒子。這意味著科學家、使用者無法完全理解或解釋這些模型的執行方式。這是一個挑戰，因為科學理解是推動科學進步的核心。如何開發更透明的深度學習模型仍然是個難題。人工智慧的誤用和濫用是另一個挑戰。算法可能是為一個目的而開發的，但卻被用於其他目的。這可能會導致受到操縱的漏洞。例如，在分子科學中，我們已經看到越來越多地使用生成式人工智慧設計分子結構。人工智慧可以生成具有藥物樣性的分子結構，這些分子可以傳送到特定組織中，使其成為有前途的藥物候選物。然而我們可以使用完全相同的算法並調整標準。因此與其最佳化分子以表現出藥物的行為，該算法也可以生成類似生物武器的分子。對於人工智慧在科學中的負責任使用應該展開批判性的對話。我們需要思考建立倫理審查程式和當前尚不存在的實施指南。
解決方案的一些可能性
醫學新聞：您認為可能的解決方案是什麼？
Zitnik: 解決這些挑戰將需要新的思維方式和合作模式。從現在開始，我們必須改變研究團隊的組成方式。我們預計將看到更多的人工智慧專家、軟體和硬體工程師成為科學研究團隊的重要成員。我們預期會出現涉及政府各個層面、企業和教育機構的新形式的合作。涉及企業很重要，因為隨著人工智慧模型不斷增大，訓練這些模型將需要通常只存在於少數大型科技公司中的資源。另一方面，大學更好地跨學科整合。只有在大學才能看到化學、生物學、物理學和社會學等系所，因此學術界更能理解並研究如何預防各種風險和濫用人工智慧。更多訊息：Hanchen Wang et al, Scientific discovery in the age of artificial intelligence, Nature (2023). DOI: 10.1038/s41586-023-06221-2 Journal information: Nature Provided by Harvard Medical School Citation : Q&A: Scientist discusses artificial intelligence beyond the clinic (2023, August 16) retrieved 16 August 2023 from https://techxplore.com/news/2023-08-qa-scientist-discusses-artificial-intelligence.html This document is subject to copyright. Apart from any fair dealing for the purpose of private study or research, no part may be reproduced without the written permission. The content is provided for information purposes only. keywords:Artificialintelligence-科學家,超越臨床,人工智慧
延伸閱讀
- OpenAI 揭開 AI 祕密指令的面紗
- AI 助您創辦者更快、更輕鬆地籌集資金嗎？
- 盧西德機器人獲得 900 萬美元用於無人機清潔任何地方
- 以色列新創公司 Panax 籌集了 1,000 萬美元 A 輪融資，用於其基於人工智慧的現金流管理平臺
- Reddit 測試使用基於 LLM 的人工智慧進行自動整站法語翻譯
- 三星醫聲將以 9270 萬美元收購法國人工智慧超聲波新創公司 Sonio
- 網際網路共同創始人 Robert Kahn 早在幾十年前就已經做到了加密、人工智慧和網際網路嗎？
- 人聲 vs AI：Audible 推出 AI 旁白有機會取代人類旁白嗎？
- 突破獨家訪談：Wayve 共同創辦人 Alex Kendall 談自動駕駛汽車和機器人的未來
- Rad AI 完成由 Khosla Ventures 領投的 5 千萬美元 B 輪融資
