AI如何改變科學研究
自從Kaiming He成為博士生以來，已經過了15年，這段時間發生了很多變化。
He說：“在博士階段，不同學科之間有很高的牆，甚至在計算機科學內部也有很高的牆。坐在我旁邊的人可能在做我完全無法理解的事情。”
自從他在麻省理工學院 (MIT) Schwarzman計算學院擔任Douglas Ross (1954) 軟體技術職業發展教授以來，He表示他正在經歷一種在他看來“在人類科學歷史中非常罕見”的現象——不同科學學科之間的牆正在降低。
He說：“我永遠無法理解高能物理學、化學或生物研究的前沿，但現在我們看到一些可以幫助我們打破這些牆的東西，那就是在人工智慧 (AI) 中找到的共同語言。”
建立AI橋樑
根據He的說法，這一變化始於2012年，當時人們意識到基於神經網絡的深度學習方法非常強大，可以被更好地利用。
He說：“在這個時候，計算機視覺——幫助計算機像人類一樣看和感知世界——開始迅速增長，因為事實證明，你可以將這種方法應用於許多不同的問題和領域。”
“因此，計算機視覺社群迅速擴大，因為這些不同的子主題現在能夠使用共同的語言和工具。”
He表示，這一趨勢開始擴展到計算機科學的其他領域，包括自然語言處理、語音識別和機器人技術，為ChatGPT和其他人工通用智慧 (AGI) 的進展奠定了基礎。
He說：“這一切都發生在過去十年中，讓我們看到一個新興的趨勢，我真的很期待，那就是看AI方法如何推廣到其他科學學科。”
He提到的一個著名例子是由Google DeepMind開發的AlphaFold，這是一個預測蛋白質結構的人工智慧程序。
He說：“這是一個非常不同的科學學科，一個非常不同的問題，但人們也在使用相同的AI工具和方法來解決這些問題，我認為這只是開始。”
AI在科學中的未來
自從2024年2月來到MIT以來，He表示他與幾乎每個系的教授都進行了交談。有時他會與來自不同背景的兩位或多位教授交談。
He說：“我當然不完全理解他們的研究領域，但他們會介紹一些背景，然後我們可以開始討論深度學習、機器學習和神經網絡模型在他們問題中的應用。”
“在這個意義上，這些AI工具就像這些科學領域之間的共同語言：機器學習工具‘翻譯’他們的術語和概念，讓我能夠理解，然後我可以學習他們的問題，分享我的經驗，有時還能提出解決方案或探索的機會。”
擴展到不同的科學學科具有重要潛力，從使用視頻分析預測天氣和氣候趨勢，到加快研究周期並降低新藥發現的成本。
雖然AI工具為He的科學同事的工作提供了明顯的好處，但He也指出它們對AI的創造和發展所能產生的互惠影響。
He說：“科學家提供新的問題和挑戰，幫助我們不斷發展這些工具。但同時也要記住，今天的許多AI工具源於早期的科學領域——例如，人工神經網絡受到生物觀察的啟發；圖像生成的擴散模型則受到物理學術語的啟發。”
He說：“科學和AI並不是孤立的學科。我們從不同的角度接近同一目標，現在我們開始聚在一起。”
而MIT正是它們聚集的最佳場所。
He說：“MIT能比許多其他地方更早看到這一變化並不奇怪。[MIT Schwarzman計算學院]創造了一個連接不同人員的環境，讓他們可以坐在一起、交談、合作，交流想法，同時講著相同的語言——我看到這種情況開始發生。”
至於牆何時會完全降低，He指出這是一項長期投資，不會一蹴而就。
He說：“幾十年前，計算機被認為是高科技，您需要特定的知識來理解它們，但現在每個人都在使用計算機。我預計在10年或更長的時間內，每個人都會以某種方式使用某種AI來進行研究——這只是他們的基本工具、基本語言，他們可以使用AI來解決問題。”
本文由 AI 台灣 運用 AI 技術編撰，內容僅供參考，請自行核實相關資訊。
歡迎加入我們的 AI TAIWAN 台灣人工智慧中心 FB 社團，
隨時掌握最新 AI 動態與實用資訊！
