探索的新纪元
在人工智能科学论坛上，James Manyika阐述了人工智能如何加速科学突破并帮助解决世界上最紧迫的挑战。
一张卡片上印有文字“探索的新纪元”，旁边还有星星的图片，还有一个人在电脑前
编者按：今天在伦敦，Google DeepMind 和皇家学会共同主办了首届人工智能科学论坛，该论坛汇集了诺贝尔奖获得者、科学界、政策制定者和行业领袖，共同探索人工智能推动科学突破、解决世界上最紧迫的挑战和引领新发现时代的变革潜力。
谷歌研究、技术和社会事务高级副总裁詹姆斯·曼尼卡 (James Manyika) 致开幕词。
人工智能对科学的影响最近成为头条新闻，但人工智能推动科学发展的潜力长期以来一直是该领域许多人的激励力量，可以追溯到早期的人工智能研究人员，例如艾伦图灵和克里斯托弗隆格特希金斯，以及近几十年的许多人，包括我在谷歌 DeepMind 和谷歌研究院的同事。
人们对人工智能和科学的兴奋并不是因为人们相信人工智能可以取代科学家，而是因为科学中许多令人困惑的问题都受益于计算技术的使用——从而使人工智能成为协助科学家的有力工具。
我们从霍奇金和赫胥黎使用计算方法描述神经冲动如何沿着神经元传播中看到了这种辅助潜力的早期迹象，这项工作为他们赢得了 1963 年的诺贝尔奖。
很快，我的同事 Demis Hassabis、John Jumper 和 AlphaFold 团队利用人工智能解决了诺贝尔奖得主 Christian Anfinsen 在 20 世纪 70 年代提出的“蛋白质折叠问题”，并因此获得了诺贝尔化学奖。
那么人工智能如何帮助推动科学进步？
我先从速度开始。在某些科学领域，人工智能能力的不断增强使我们能够将数百年甚至数千年的研究成果浓缩为几年、几个月甚至几天。
人工智能还有助于扩大研究范围——使科学家能够同时以新的方式研究许多事物，而不是逐一研究。
人工智能的进步以及从使用人工智能中获得的见解使更多的人能够参与研究，从而我们能够进一步加速科学发现。
人工智能正在推动多个科学学科取得里程碑式进展
让我简单分享几个人工智能如何实现里程碑式进步的例子，首先从 AlphaFold 开始：
借助 AlphaFold，我的同事们在一年的时间里能够预测几乎所有科学界已知的蛋白质的结构——超过 2 亿种。借助 Alphafold 3，他们的研究范围已从蛋白质扩展到所有生物分子，包括 DNA、RNA 和配体。
迄今为止，AlphaFold 已被 190 多个国家的 200 多万研究人员使用，致力于研究从被忽视的疾病到耐药细菌等各种问题。
AlphaMissense 以 AlphaFold 为基础，帮助我的同事将 7100 万种可能的错义变异（DNA 中的单字母替换）中的近 90% 归类为可能致病或可能良性。相比之下，只有 0.1% 得到了人类专家的确认，尽管确认得更为详细。
当人类基因组首次被测序时——这是一项令人难以置信的成就——它是基于单一基因组组装的。
去年，我在谷歌研究院的同事利用人工智能工具并与一个学术合作者联盟合作，发布了第一份参考人类泛基因组草案。
这是基于 47 个基因组组装，因此更好地代表了人类遗传多样性。
在神经科学领域，我与谷歌研究院、马克斯普朗克研究所和哈佛大学利希特曼实验室的同事们经过 10 年的合作，最近绘制出了人类大脑一部分的纳米级地图——这种详细程度是以前从未达到过的。
该项目揭示了人类大脑中前所未见的结构，可能会改变我们对人类大脑运作方式的理解。这或许会引导我们找到理解和治疗阿尔茨海默氏症等神经系统疾病的新方法。完整的映射图已公开，供研究人员在此基础上进行研究
除了生命科学之外，我们还看到其他领域的进步。
在气候建模的一项里程碑式成就中，我们将机器学习与传统的基于物理的方法相结合，构建了 NeuralGCM。
这使我们能够更准确、更有效地模拟大气层——NeuralGCM 可以模拟超过 70,000 天的大气层，而最先进的基于物理的模型仅需模拟 19 天。
还有其他类似的突破，比如我的同事在 Google DeepMind 所做的工作 GraphCast，这是一个最先进的人工智能模型，可以提前 10 天预测天气状况，比行业黄金标准天气模拟系统更准确、更快。
我们的量子人工智能团队在一些以前属于科幻领域的问题上取得了进展，例如研究可穿越虫洞的特性。
这为检验近九十年前用爱因斯坦-罗森桥提出的量子引力理论开辟了新的可能性。
事实上，量子是我们开始看到人工智能与科学之间有希望的双向强化的一个领域。
一方面，人工智能正在推动我们在量子计算方面的进步；另一方面，量子正在帮助推动人工智能的研究。
我们正在材料科学、聚变、数学等领域研究很多这样的例子——所有这些都是与许多学术科学家合作完成的。
人工智能推动的科学进步正在对现实世界产生影响
除了这些突破之外，人工智能还以多种方式推动科学发展，并在气候和医疗保健等领域为现实民众带来切实的利益。
我先从气候适应的一个例子开始。由于气候变化，洪水预报是一个更频繁、更紧迫的问题。现在，人工智能的进步使我们能够填补大量数据空白，提前 7 天预测河流洪水，准确度与即时预报相同。在孟加拉国进行初步试点后，我们的预警平台 Flood Hub 现已覆盖 100 多个国家和 7 亿人。
以气候缓解为例，我们考虑以下情况：飞机尾迹的形成长期以来一直是已知的航空排放驱动因素之一，占航空业全球变暖影响的 35%。
我在 Google Research 的同事开发了一种人工智能模型，可以预测飞机尾迹可能形成的位置，并与美国航空合作，在 70 架航班上进行了测试。我们测量了影响，发现排放量减少了 54%。
同样，人工智能在疾病检测方面也大有可为。例如，八年前，谷歌研究人员发现，人工智能可以帮助准确解读视网膜扫描结果，以检测糖尿病视网膜病变，这是一种可预防的失明原因，影响着大约 1 亿人。
我们开发了一种筛查工具，已在全球 60 多万次筛查中使用。与泰国和印度的新合作将在未来十年内实现 600 万次筛查。
我们正在实施其他实例，包括结核病、结直肠癌、乳腺癌和孕产妇健康。
未来之路
尽管取得了一些进展，但这仅仅是个开始。还有很多事情要做。
我认为要充分发挥人工智能的潜力，推动科学进步并带来切实的社会效益，需要关注三个关键领域：
首先，我们需要继续克服人工智能目前的局限性和缺点，并提高人工智能的能力，以便能够协助开发新的科学概念、理论、实验等。
其次，我们需要持续致力于科学方法和负责任地利用人工智能推动科学发展。
我们需要科学家、伦理学家和安全专家——就像在座的许多人一样——共同努力，应对病毒和生物武器等科学特有的风险，以及数据集偏见、隐私保护和环境影响等挑战。
第三，我们需要优先让更多地方的更多科学家能够更容易地获得人工智能研究、工具和资源，并确保我们取得的进步能够造福世界各地的人民。
我对这个新发现时代的未来充满兴奋。
我们可以共同努力创建有助于推动科学进步的工具，使每个人受益。
我们可以做很多事情来帮助这里和其他地方的杰出科学家们开展工作——今天我们将听取一些科学家的意见。
Demis Hassabis-James Manyika：人工智能将帮助我们理解现实的本质
德米斯·哈萨比斯爵士是英国计算机科学家、诺贝尔奖获得者、人工智能研究员和企业家。德米斯是 Google DeepMind 和 Isomorphic Labs 的联合创始人兼首席执行官。詹姆斯·曼尼卡是 Google 研究、技术与社会高级副总裁。他负责 Google 研究、Google 实验室和技术与社会。詹姆斯是美国国家人工智能咨询委员会副主席、联合国人工智能咨询机构联合主席，也是牛津大学的客座教授。
如果你想了解宇宙，你可以从阅读伟人的著作开始：费曼、温伯格、居里、霍夫施塔特、康德、斯宾诺莎、图灵，以及所有推动人类知识前沿发展的杰出科学家和哲学家，现代文明就是建立在他们的肩膀上的。
但在这一旅程中，你也会发现，尽管取得了如此惊人的进步，但我们所知的事物仍然有惊人的局限性。我们仍然远未解答一些最大的问题，比如时间的本质、意识或现实的本质。
为了解答这些深刻的问题，几乎肯定需要新的工具和方法。人工智能 (AI) 就是这样一种工具，我们一直相信，它实际上可以成为帮助加速科学发现的终极工具。
我们已经为实现这一目标努力了 20 多年。DeepMind （现为Google DeepMind）成立的使命是负责任地构建通用人工智能 (AGI)，这是一种几乎可以执行人类水平的所有认知任务的系统。这种系统的巨大前景在于，它们可以用来增进我们对周围世界的理解，并帮助我们解决一些社会上最大的挑战。
2016 年，在我们开发出 AlphaGo（第一个在复杂的围棋游戏中击败世界冠军的人工智能系统）并见证了它在第二场比赛中著名的第 37 步创意之后，我们觉得已经具备了开始使用人工智能解决科学领域重要开放问题的技术和方法。
这份名单的首位是 50 年前的蛋白质折叠大挑战。蛋白质是生命的基石。它们支撑着每个生物体的每个生物过程，从肌肉纤维到大脑中的神经元。每种蛋白质都由其氨基酸序列（大致是其基因序列）指定，并自发折叠成三维结构。蛋白质的形状很重要，因为它可以告诉你很多有关蛋白质功能的信息——这些信息对于了解疾病和药物研发等至关重要。
直接从蛋白质的一维氨基酸序列预测其三维形状被称为“蛋白质折叠问题”。这极具挑战性，因为据估计，普通蛋白质折叠的潜在方式比宇宙中的原子数量还要多。
通过实验寻找蛋白质结构需要数年艰苦且昂贵的工作。通常，研究生可能需要花费整个博士学位才能找到一个结构。经过数十年的艰苦努力，结构生物学家已经确定了其中约 170,000 个结构，并将它们存放在蛋白质数据库(PDB) 中。
AlphaFold 是我们针对这一问题的解决方案，并获得了今年的诺贝尔化学奖。AlphaFold 从 PDB 中的结构和其他相关数据中学习蛋白质的复杂模型。然后，它可以在几分钟内预测一种新型蛋白质的结构，精确到原子级别（即平均在原子宽度内）。由于 AlphaFold 既快又准，在一年的时间里，我们能够使用它来预测几乎所有已知的蛋白质的结构：超过 2 亿种蛋白质——这项任务需要大约十亿年的博士时间。
为了对社会产生最有益的影响，我们与欧洲生物信息学研究所 (EMBL-EBI) 合作，将 AlphaFold 及其所有预测结构免费公开供全世界任何人使用。在短短三年内，来自 190 个国家的 200 多万研究人员利用它来推进他们的重要工作，从设计酶来应对塑料污染，到制造能够将治疗性蛋白质直接输送到人体细胞中的分子注射器，再到开发有效的疟疾疫苗、对抗抗菌素耐药性等等。我们成立了Isomorphic Labs，以进一步巩固这些突破，并利用 AI 彻底改变药物发现过程，使其更快、更便宜。这就是我们所说的：数字速度的科学。
事实上，借助人工智能，科学家们在几乎所有科学领域都取得了巨大进步。在 Google DeepMind 和 Google Research，我们与学术界合作者一起，利用人工智能帮助控制聚变反应堆中等离子体的形状、发现更快的矩阵乘法算法、进行数学发现、发现新材料、 探索量子动力学、了解大脑行为、绘制第一个参考泛基因组、推进人类大脑突触水平映射，并做出更好的天气预报。
此类进步开始对人们的生活产生切实有益的影响。例如，由于气候变化，洪水预报正成为一个更频繁、更紧迫的问题。然而，世界上只有一小部分河流拥有可以提供直接预警的流量计。利用公开数据，我们利用人工智能提前七天准确预测河流洪水。从孟加拉国的初始试点开始，我们的预警洪水中心平台现已覆盖全球 80 多个国家的数亿人，包括脆弱和数据稀缺的地区。
当然，在我们追求科学进步的大胆飞跃的同时，我们还必须承担起我们的集体责任，以造福人类并减轻潜在危害和滥用的方式构建人工智能。除了科学家和技术人员之外，我们还必须确保哲学家、伦理学家、社会科学家和国家科学院参与有关人工智能未来的讨论。
只有行业与政府、学术界和民间社会密切合作，共同规划未来发展方向，人工智能才有可能实现安全、繁荣的未来。这包括努力建立监管框架，促进创新，推动人工智能带来的机遇，让每个人都受益。
人工智能将成为有史以来最具变革性的技术之一。我们必须以应有的严肃态度和尊重对待它。尽管在技术和道德方面都有许多挑战需要克服，但我们相信，只要有足够的时间和精力，人类的智慧将解决这些挑战。我们必须既大胆又负责任。
随着人工智能本身的进步速度加快，新的发现将以彼此为基础，形成良性循环。我们很可能正处于一个新的发现黄金时代的门槛上，它将使我们比以往任何时候都更接近理解宇宙的一些最深的奥秘以及我们在其中的位置。
Google.org 为人工智能和科学设立 2000 万美元基金
在首届人工智能科学论坛上，Google.org 宣布提供 2000 万美元资金支持人工智能实现科学突破。
最近，诺贝尔化学奖（诺贝尔基金会）授予了 Demis Hassabis 和 John Jumper ，以表彰 AlphaFold 在蛋白质结构预测方面的贡献，这证明了人工智能可以为科学家带来令人难以置信的突破。目前，来自 190 个国家的 200 多万研究人员已经使用 AlphaFold 帮助加速抗击疟疾、对抗广泛传播的致命寄生虫病并为新的帕金森病治疗方法铺平了道路。人工智能正在推动我们在从水文学到神经科学和气候科学等一系列科学领域的进步。
但是，为了让人工智能推动下一代科学突破，科学家需要必要的资金、计算能力、跨领域的专业知识和基础设施访问权限，包括基础数据集，例如推动 AlphaFold 工作的蛋白质数据库。
因此，今天，在由Google DeepMind和皇家学会主办的首届人工智能科学论坛上，Google.org宣布提供 2000 万美元资金，支持世界各地的学术和非营利组织使用人工智能解决不同科学学科交叉领域日益复杂的问题。罕见和被忽视的疾病研究、实验生物学、材料科学和可持续性等领域都前景光明。
我们将与 Google DeepMind、Google Research 和其他 AI 团队的内部领导以及外部专家合作，确定并公布入选组织。我们还将提供 200 万美元的 Google Cloud 积分以及来自 Google 员工的无偿技术专业知识。
本轮融资建立在Google.org 过去五年来为使用人工智能加速科学工作的组织提供的2 亿多美元资金的基础上，其中包括制造新型塑料的Materiom 公司、改善女性癌症检测、治疗和理解的妇女癌症研究所（由居里研究所协调）以及帮助消除抗生素耐药性的无国界医生组织。
资金、技术和合作一次又一次地共同推动科学发现。我们希望这笔新资金能够帮助孵化更多诺贝尔奖级别的成就，改善数百万人的生活，并希望其他慈善、公共和私人资助者加入我们，投资长期、有意义的成果，体现人工智能以数字速度推动科学发展的能力。
人工智能推动科学发展的 9 种方式
分享近年来人工智能带来的一些重大科学突破的回顾。
我们生活在这样一个时代，应用科学、人类智慧和新技术为人类面临的一些最大（也是最古老）的问题提供了深刻见解。虽然我们经常认为科学进步是快速而不懈的，但几十年来，进步实际上已经放缓。虽然科学界仍在争论这种放缓的原因，但当今的许多技术——从喷气式飞机到制造工艺——与半个世纪前并无太大不同。
但就在过去几年里，人工智能和量子计算等新兴领域的突破大大加快了科学发现的速度。从医疗保健的进步到发现塑料分解酶，我们已经从中受益。
这些突破是研究人员、技术人员、政策制定者、民间组织和社会各界数十年合作的成果。它们为如何将人工智能应用于科学以显著改善人类生活提供了蓝图。
正是出于这个原因，英国皇家学会与 Google DeepMind 合作举办了首届人工智能科学论坛。此次在伦敦举办的活动将科学界、政策制定者和行业领袖聚集在一起，探讨人工智能在加速科学发展方面的变革潜力以及公私合作在创新中的作用。
为了探索我们如何走到今天以及下一步该去哪里，我们来回顾一下最近为即将到来的科学进步奠定基础的九个时刻：
1. 破解50年来蛋白质结构预测“大挑战”
几十年来，专家们一直将揭开蛋白质折叠之谜描述为“巨大挑战”。2022 年，谷歌 DeepMind 分享了其AlphaFold 2 模型（https://www.nobelprize.org/prizes/chemistry/2024/press-release/）预测的 2 亿种蛋白质结构。此前，确定单个蛋白质的 3D 结构通常需要一年或更长时间——AlphaFold 可以在几分钟内以惊人的准确度预测这些形状。通过在免费数据库（https://alphafold.ebi.ac.uk/）中发布蛋白质结构预测，这使世界各地的科学家能够加快开发新药、对抗抗生素耐药性和应对塑料污染等领域的进展。作为下一步，AlphaFold 3 模型（https://blog.google/technology/ai/how-we-built-alphafold-3/）以 AlphaFold 2 为基础，预测所有生命分子的结构和相互作用。
2. 以前所未有的细节展示人类大脑，以支持健康研究
人类大脑自古以来就一直充满神秘感，很少有东西能比它更神秘。谷歌经过 10 多年的连接组学研究，与哈佛大学 Lichtman 实验室等机构合作，绘制出人类大脑的一小部分，其精细程度前所未有。该项目于 2024 年发布，揭示了人类大脑中前所未见的结构。完整的数据集（包括每个细胞的 AI 生成注释）已公开，以帮助加速研究。
3. 通过准确的洪水预报挽救生命
2018 年，当谷歌的洪水预报项目启动时，许多人认为，由于数据稀缺，大规模准确预报洪水是不可能的。但研究人员开发出了一种人工智能模型，该模型能够可靠地预测未测量流域的极端河流事件，预测时间长达五天，其可靠性与零天预测相当或超过现在预报。2024 年，谷歌研究将这一覆盖范围扩大到全球 100 个国家和 7 亿人，并改进了人工智能模型，使其在七天预测时间内的准确度与之前模型在五天预测时间内的准确度相同。
4. 尽早发现野火，帮助消防员更快地扑灭火灾
由于气候越来越炎热干燥，野火越来越多地袭击世界各地的社区。2024 年，谷歌研究与美国森林服务局合作开发了 FireSat（https://blog.google/outreach-initiatives/sustainability/google-ai-wildfire-detection/），这是一种人工智能模型和新的全球卫星星座，专门用于通过在 20 分钟内提供高分辨率图像来检测和追踪教室大小的野火。这将使消防部门能够更快地做出反应，从而有可能挽救生命、财产和自然资源。
5. 更快更准确地预测天气
2023 年，谷歌 DeepMind 推出并开源了GraphCast的模型代码（https://deepmind.google/discover/blog/graphcast-ai-model-for-faster-and-more-accurate-global-weather-forecasting/），这是一种机器学习研究模型，可以比行业黄金标准天气模拟系统 (HRES) 更准确、更快地提前 10 天预测天气状况。GraphCast 还可以更准确地预测气旋的轨迹（以及洪水等相关风险），并比传统模型提前三天准确预测飓风李将袭击新斯科舍省。
6. 推进数学推理的前沿
由于缺乏数据和推理能力，AI 一直在复杂数学方面举步维艰。随后，在 2024 年，谷歌 DeepMind 宣布推出AlphaGeometry（https://deepmind.google/discover/blog/alphageometry-an-olympiad-level-ai-system-for-geometry/），这是一个 AI 系统，它解决复杂几何问题的水平接近人类奥林匹克金牌得主——这是 AI 性能的突破，也是对更先进的通用 AI 系统的追求。随后，Gemini 训练的模型AlphaGeometry 2 与新模型 AlphaProof 相结合（https://deepmind.google/discover/blog/ai-solves-imo-problems-at-silver-medal-level/），它们共同解决了过去 25 年国际数学奥林匹克 (IMO) 几何问题的 83%。这展示了 AI 不断增长的推理能力，以及可能解决超出人类当前能力的问题的能力，使我们更接近能够发现和验证新知识的系统。
7. 使用量子计算准确预测化学反应性和动力学
谷歌研究人员与加州大学伯克利分校和哥伦比亚大学合作，在量子计算机上进行了迄今为止最大规模的化学模拟（https://www.nature.com/articles/s41586-021-04351-z）。该结果于 2022 年发表，不仅与传统方法相媲美，而且不需要通常与量子计算相关的繁重误差缓解。进行这些模拟的能力将提供更准确的化学反应性和动力学预测，这是以新方式应用化学来帮助解决现实世界挑战的先决条件。
8. 加速材料科学的发展，挖掘更可持续的太阳能电池、蓄电池和超导体的潜力
2023 年，Google DeepMind 宣布推出材料探索图形网络 ( GNoME，https://deepmind.google/discover/blog/millions-of-new-materials-discovered-with-deep-learning/)，这是一种新的 AI 工具，根据模拟结果，它已经发现了 380,000 种在低温下稳定的材料。当我们的世界正在寻找新的能源、处理能力和材料科学方法时，这项工作可以为更好的太阳能电池、电池和潜在的超导体铺平道路。此外，为了让这项技术惠及所有人，Google DeepMind 通过其开放数据库上的材料项目提供了 GNoME 最稳定的预测。
9. 向核聚变和丰富的清洁能源迈出有意义的一步
正如那句老笑话所说，“核聚变是未来的能源——而且永远都是。”控制和使用为恒星（包括我们自己的太阳）提供燃料的能量已经超出了科学的范围。2022 年，谷歌 DeepMind 宣布开发了可以自主控制核聚变反应堆内等离子体的人工智能（https://www.technologyreview.com/2022/02/16/1045470/deepminds-ai-can-control-superheated-plasma-inside-a-fusion-reactor/）。通过与 EPFL 的瑞士等离子体中心合作，谷歌 DeepMind 构建了第一个强化学习系统，该系统能够自主稳定和塑造运行中的核聚变反应堆内的等离子体，为每个人开辟了通往稳定核聚变和丰富清洁能源的新途径。
内容中包含的图片若涉及版权问题，请及时与我们联系删除
评论
沙发等你来抢