从AI for Industry 看AI for Science的发展
▲ 阿里达摩院城市大脑实验室负责人 华先胜
目前AI for Science已经有可圈点的突破,但主要还是比较点状的一些结果,包括分子生物学、量子力学等,还没有形成大面积的成果,仍然有很大的突破空间。
用AI去助力科研是基于两点,一个是基于数据、一个是基于计算。
因为我们要在数据和算力的基础上形成AI能力。所以如果这个学科有比较好的数据、比较丰富的数据,以及它的问题是需要大规模计算相关的,可能是比较快地容易取得突破的地方。
比如像分子生物学,还有天文学、地理科学、大气科学,这些都有大量数据,问题又非常复杂,需要强大的计算。这里可能能够利用一些AI的能力,能够更快取得一些突破。
从本质上来讲,AI for Science和 AI for Industry差别不大,AI也是作为推动领域发展的一个工具。只是这个领域有点不一样,它的门槛比较高,因为是科学家要做的事情,不是一个普通人、一般的技术工作人可以做的事情。
但回到本质,也是这个领域因为有了数据,可以设计算法去挖掘数据中的“玄机”,去解决这个领域的问题。
今天人工智能技术又往前走了一大步,可以让计算助力科研走向智能助力科研,智能会使科学研究的方法带来一些变化。
其带来的效果应该和产业界的是可以类比的,就是能够让科研的效率提升,成果的产出能够更多,甚至能从手工作坊的方式变成批量生产——当然这个很不容易。
AI for Science的下一步发展会如何发展?
AI for Industry的发展经历有一定参考意义,那就是从单点技术逐渐地走向了平台化,AI for Science可能也会促使科研平台产生。这样科学家们可能有更大的自由度、更强大的工具,能够更批量地去做科学研究,实现更加丰富、更加重要的科学突破。
AI for Industry从单点技术到平台以后,再往下我判断是走向系统,或者叫进化系统或者叫协同进化系统,能够长久地、持续地、深入地解决行业的问题,产生核心价值。
对于科研来讲也是,如果说每一个领域能够建造出这样一个AI系统,那么科学的发现有可能实现自动或者半自动的模式,它可以持续、持久、深入、广泛地做出一些科学的发现,这个可能是更长远的一个未来。
歡迎光臨 比思論壇 (http://184.95.51.86/) | Powered by Discuz! X2.5 |