随着 AI 的发展,科学发现可能会加速,这意味着技术进步会进一步加快,反过来又会加快科学的进步,AI 也可以改进 AI。
机器学习需要大量的数据,主要是让机器「看到、记住」数据中呈现出的各种模式。有点像小孩玩万花筒,数据就是装入万花筒中的彩色玻璃碎片,不停地转动玻璃棱镜就是不同的算法(对应神经网络中不同的连接)。一组有限的数据中埋藏着无数排列组合出来的图样。因为机器的记忆比人的记忆准确,而且量大,机器可以每秒转几亿次万花筒,很快就能看完并且记住所有的图样。所以机器学习可以发现数据中隐藏的所有细微区别。
基于以上原理,机器学习适合做极其复杂的决策,例如制定像健康保险这样极其复杂的公共政策,策划诸如诺曼底登陆这样包含大量变量的军事行动。
这两个 AI 的本质其实也正是暗知识的两个特点。基于以上两个特点,我们看看未来会出现哪些远超人类的颠覆性的超级应用。
科研加速
一个科学研究的过程可以分为以下几个步骤。
(1)提出问题或选择要解决的问题。
(2)学习研究关于这个问题已经发表的研究文献。
(3)根据研究文献和研究者的经验提出假设。
(4)设计验证假设的实验。
(5)进行实验和整理实验数据。
(6)根据实验结果判断假设是否成立。
(7)如果假设不成立,返回第(2)步或第(3)步,提出新的假设。
在这个流程中最花时间的有三个环节:研究文献、做实验和整理数据。在这三个环节中,机器学习都可以部分甚至全部取代人。获取相关的文献,阅读、理解并总结已经成为科研的瓶颈之一。根据渥太华大学的研究,自从 1965 年以来共有 5 000 万篇科学文章发表,现在每年新发表的文章是 250 万篇。关于某个能够抑制癌细胞的蛋白质的论文就达到 70 000 篇。一个科学家即使一天读 10 篇文献,每个工作日都读,一年也只能读 2 500 篇,所以大部分的研究结果都会被束之高阁。使用 AI 可以通过自然语言理解找到相关的所有文献。
使用 App 查看完整内容目前,该付费内容的完整版仅支持在 App 中查看
🔗App 内查看 |