人工智能将帮助科学家提出更强有力的问题

自我学习系统可以发现巨大数据集中的隐藏模式，超越了人类自己能找到的东西

在过去的几个世纪中，科学的进步不仅使人们对宇宙有了更深入的了解，而且还使人们对宇宙有了更深入的了解。他们提高了全球许多人的生活水平。但是，气候变化和COVID-19大流行证明了我们尚无能力应对的巨大挑战，这表明我们尚未了解自然的复杂性。为了解决当今人类面临的各种问题，需要彻底的解决方案-科学突破将是这一过程的核心。人工智能有望通过加深研究人员可以提出的问题的性质来加速基础发现。

著名的美国工程师兼科学倡导者范内瓦尔·布什（Vannevar Bush）在1945年发表的远见卓著的论文《如我们所想》中预测，人们很快将需要依靠外部设备来增强自己的思想。即使到那时，他仍然可以看到科学发现的速度是如此之快，以至于存储，处理和理解信息的需求已经超出了人们的生物能力。

他有先见之明的观察比以往任何时候都更加真实：现代科学的挑战之一是使我们已收集的有关世界的大量信息有意义。从大强子对撞机到大型基因组计划，科学产生的数据规模庞大，因此任何人都不可能将其全部解析。人工智能可以帮助我们将大量信息转化为理解力，使我们能够提出个人难以解决的问题。

长期以来，科学家一直在使用计算技术来推动科学发展，他们使用计算机程序对自然系统进行建模和模拟，以解释和理解科学现象。这种方法在科学领域取得了令人难以置信的丰硕成果，并推动了从原子模拟到宇宙模型的进步。但是，这种经典范式受制于对人类程序员的依赖，人类程序员必须首先从理论和观察中提炼规则，然后使用这些规则对程序的行为进行编码。我们的希望是使用AI系统直接从数据或经验中推导此类规则，并有可能超出单个研究人员可能会破译的范围。这些自学系统可以通过发现巨大数据集的底层结构的隐藏属性来探索潜在的解决方案和策略，因此可以增强，

因此，关键的一点是找到适合这些系统探索的正确问题。尽管将AI应用于科学的工作量很大，但直接应用这些技术并不一定会（或应该）导致每个科学问题的突破。最有影响力的进步将来自将AI技术应用于对社会真正重要的问题，而这些问题需要复杂的推理和分析能力。解决问题的许多技巧都在于首先选择正确的问题。然后，关键的一点是找到适合这些系统探索的正确问题。

例如，生物学中最重要的开放性问题之一是了解蛋白质如何形成其形状。蛋白质对于人体的健康运转至关重要，它像细胞中的微型机器一样，可以执行许多生活任务。蛋白质的形状决定了蛋白质的功能，这就是为什么如此多的研究小组致力于发现不同蛋白质的结构的原因。一旦知道了蛋白质的形状，研究人员就可以更好地了解其工作原理，并筛选出在疾病中出现故障时与其相互作用的药物。碰巧这是AI的完美应用，因为我们拥有相对大量的已知蛋白质结构数据集来训练系统，这是我们可以量化进展的问题。

科学家可能会花费多年的时间，使用晶体学等耗时的实验方法来确定单个蛋白质的形状。如果不能一次计算一种蛋白质的形状，那么如果我们可以使用现有数据来教导AI系统如何仅根据其氨基酸序列描述来预测任何天然存在的蛋白质甚至是理论上可能的蛋白质的形状，该怎么办。基于受神经科学启发的学习技术，我们最近发布的AlphaFold模型可以在已知蛋白质结构的大型数据集上进行训练，以预测一维氨基酸串如何折叠成三维形状。

使用该系统，我们最近对包括SARS-CoV-2（引起COVID-19的病毒）在内的六种蛋白质的形状进行了预测。尽管通过我们的方法预测的结构并不能直接导致治愈，但它们可能为研究可能对抗病毒的药物和抗体的研究人员提供有用的提示，并可能加深我们对这种全球健康威胁的了解。

多年来，许多学术团体都在折叠问题上取得了稳步进展，两年一次的蛋白质折叠预测竞赛CASP的准确性提高证明了这一点。在2018年，AlphaFold在CASP13上获得了最高荣誉，比上届比赛的最佳模型准确度提高了40％。将来，这种方法可以帮助科学家专注于最有前途的线索，例如在臭名昭著的昂贵药物开发过程中节省时间和金钱。通过AI驱动的仿真，可能有可能在计算机上设计新颖的蛋白质，然后在现实世界中对其进行测试-帮助研究人员指导研究工作并更有效地资助。

这就是AI的美丽：它将使从特定到一般的抽象成为可能，并从经验中提炼出统一的原则。它加深了科学家可以提出的问题的性质：不仅是“蛋白质X的形状是什么？” 但是，从根本上说，“什么决定了任何蛋白质的形状？” 追问这样的问题并不能回答一个问题，但是回答很多，却打开了全新的研究领域。

如果我们能够在预测蛋白质的形状方面取得足够的进展，那么我们可能会更轻松地设计新药，酶和通用疫苗，从而带来无数的社会效益。同样，如果我们可以使用AI忠实地模拟原子的收集，则有可能合理地设计用于电池，太阳能技术，碳捕获等的新材料。有了正确的问题，正确的训练数据和量化学习的能力，人工智能系统必将加深我们的科学认识并加速新技术的突破。人工智能不仅仅是自动化图像分类或精简供应链。我们想用它来发现有关宇宙的新知识，并利用这种理解来改善世界。