漫画丨AI for Science这事,到底“科学不科学”?
图文原创:谭婧
无奖问答,这里有三道送分题。
1.Science是什么?
参考答案:科学。
2.AI是什么?
参考答案:人工智能。
3.历史上哪三个物件影响人类科学发展?
A.伽利略的铁球,
B.牛顿的苹果,
C.冯·诺依曼的现代电子计算机。
参考答案:ABC。
伽利略和牛顿奠定了“实验”和“理论”这两大科学方法的支柱,
冯·诺依曼带来了“计算”。
有位诺贝尔奖获得者说:
当今,科学活动可分为三种:
理论、实验和计算。
科学方法论的“三驾马车”,既相互依赖,又相对独立。
这里有一道送命题。
AI for Science是啥?
参考答案:AI搞科学。
AI for Science,可以说是AI加上Scientific Computing(科学计算)。
AI不仅可以搞科学,而且搞得很科学。
从广泛的意义上来说,科学是研究大自然现象以及规律的学问。
物理的原理、机理,从最微观的尺度,到我们所能看到的最宏观的尺度,都是由方程来驱动。
为了描述一个自然现象,科学家大牛们为此做出简洁的数学描述,如微分方程。
微分方程能准确地描述人们想要知道的现象(情况),这一步也叫建模。
画家描述世界靠“绘画”。
科学家描述现象靠方程“刻画”。
不是所有的方程都适合用计算机来解,计算机有其适合的计算方法和技巧,因此有了科学计算。
所谓的科学计算,就是解这些方程,对方程做各种各样的数值模拟。
比如,冯·诺依曼和尤拉姆合作创造了著名的蒙特卡罗方法。
把要求解的数学问题化为概率模型,在计算机上实现随机模拟获得近似解。
上世纪60年代,冯康先生独自创立了有限元方法,属于世界最早之列。
有限元方法意义重大,贡献已为全人类所共享。
假如我们能“算动”所有方程,就不需要做任何的化学实验、生物实验。
假如我们能“算动”所有方程,基本上,我们这个世界就是确定性的。
(of course,这是一个简化的说法,要展开讨论的话,肯定不是这篇文章能搞定的。)
困难就在于,像薛定谔这样的方程“算不动”。
所以,才出现了各种各样的“建模”。
那么问题来了:
怎么能保证算得动?
怎么能在各种尺度下做模拟?
怎么能跟实际观测到的数据相吻合?
AI for Science就是用人工智能(或者说机器学习,更多时候就是深度学习)来帮助我们在这里面做各种各样的建模和数值模拟。
AI for Science里的AI,它最大的“战斗力”就是参与到科学计算以前的各种瓶颈环节,这里面的挑战在很多时候都是由维数灾难所带来的。
(“维数灾难”是指依赖的变量太多了,随着变量的个数或者维数的增加,计算复杂度指数增加。)
所以,不用怀疑,AI的“战斗力”,敲开了科学的大门。
并且,AI解方程和AI辅助科学探索,这两个是相辅相成的一回事。
有人怀疑,有人犹豫,但一些科学家早已认定AI for Science是时代课题,撸起袖子加油干了。
这里最著名公司就是谷歌收购来的DeepMind,科学家们尝试了三个和基础科学相关的场景:
核聚变,
蛋白质折叠,
帮数学家猜测函数关系以辅助证明定理。
自此,人们眼界大开,惊呼:
“这和此前AI所解决的问题,几乎不是一个层面的。”
虽然晴天响起霹雳,但是禁止过度宣传。
在科学的世界里,AI并不是打败天下无敌手,它没有攻占所有的科学领域,还在努力。
理解AI for Science,得理解AI是一种计算方法,AI是一种工具。
在AI领域中,算法指的是解决数学问题的计算机程序。于是,把算法处理数据的过程,称为,计算方法,做法,解法,或思维方式。
AI方法根据实验或者计算产生的数据对所求解的科学问题进行建模,从而使复杂问题得到有效解决。
AI方法:
第一步,找到科学问题;
第二步,找到数据;
第三步,找到规律(建模)。
以前,科学家先观察数据,琢磨背后有什么道理,有什么原理性的东西。之后,发现了规律,用公式表达出来。最后,通过实验去验证。
现在,AI是在给定的函数空间里面去找“答案”, 比如,神经网络的结构(比如层数、参数)中,有多少层基本上就确定了所在的函数空间,再在这个空间里面去优化。
最后,得出一个“最优解”(of course,这是一个简化的说法)。
科学家找规律,AI也找规律。
AI和科学家找规律使用的都是归纳法,但又各有所长。
AI for Science,重点就是用AI分析数据,也就是提炼出可能潜在的规律,但这里面有可能大量是错的,有可能存在大量“谬误(spurious)”规律。
人类介入,并从中筛选出真正有意义的规律,从而推动科学发展。
所以,你看大名鼎鼎的蛋白质折叠模型“Alphafold2”经常推断出一些令人困惑的结构,又或者推断出一些不准确的结果。
但它推断得快,相当快,可以给科学家很多选项,再由人类科学家拿主意。
AI的“战斗力”是在海量数据中迅速找到规律,而这点科学家不容易做到。
AI不擅长的就是甄别真正的规律,提炼简洁的表达式,而这些又是科学家所擅长的。
这就形成了AI辅助科学家进行科学探索的新范式。
因为AI可有效学习现实世界的内在规律,并快速推理获得结果,兼顾精度和性能。
所以,搞科学,以前不会想到用AI的方法。
现在,AI方法可能带来奇迹。
在AI for Science发展中,AI最合适的定位是什么?
现在看来,是辅助创新(AI assisted innovation)。
大半个世纪以来,科技进步(Technological Advancement)的核心目的都是在对人类的肢体器官做各种增广,
望远镜让我们看得更远,
显微镜让我们可以观察入微,
先进交通工具让我们能够高速移动。
信息技术的革命(包括AI)实际上做的是我们大脑的增广,让我们能够更快地汲取、交换、创造知识。
无论是AI解方程,还是AI辅助科学探索,AI for Science, 为科学带来了模型与数据双驱动的新的研究范式。或者说,已有的物理规律和数据的双驱动的新的研究范式。
(完)
全文审稿专家(按姓氏笔画排序)
更多阅读
AI框架系列:
1.搞深度学习框架的那帮人,不是疯子,就是骗子(一)
2.搞AI框架那帮人丨贾扬清独家专访(二)
DPU系列:
1.造DPU芯片,如梦幻泡影?丨虚构短篇小说
2. 永远不要投资DPU?
3. DPU加持下的阿里云如何做加密计算?
其他:
1. 我怀疑京东神秘部门Y,悟出智能供应链真相了
2. 超级计算机与人工智能:大国超算,无人领航
3. 隐私计算:消失的人工智能 “法外之地”
4. 售前,航空母舰,交付,皮划艇:银行的AI模型上线有多难?
5. AI芯片公司:拿下“超级石油”,助力地质模拟和人工智能
6. 两大榜单揭晓啦,2021年中国高性能计算机性能TOP100+国际人工智能性能排行榜AIPerf500
7. “重型卡车自动驾驶,无量产,则无意义”赢彻科技CTO杨睿刚博士观点
漫画系列
1. 万字大稿深度解读硅谷风投A16Z“50强”数据公司榜单,一场大型凡尔赛
2. 梅长苏:推荐系统难道就是琅琊榜?
3. 大数据的社交牛逼症是怎么得的?
最后,再介绍一下主编自己吧,
我是谭婧,科技和科普题材作者。
为了在时代中发现故事,
我围追科技大神,堵截科技公司。
偶尔写小说,画漫画。
生命短暂,不走捷径。
个人微信:18611208992。
还想看我的文章,就关注“亲爱的数据”。
漫画丨AI for Science这事,到底“科学不科学”?相关推荐
- AI for Science年度激辩:AlphaFold成功难以复制,数据人才生态建设都是挑战|MEET2023...
明敏 丰色 整理自 MEET2023 量子位 | 公众号 QbitAI "AI for Science在今年爆火,不是意外." "当下面临的最大挑战,是如何管理预期.&q ...
- 达摩院2022年十大科技趋势发布:AI for Science刚开始,大模型进入冷静期
杨净 发自 凹非寺 量子位 报道 | 公众号 QbitAI 2022年,科技圈哪些技术走向值得关注? 今天,达摩院发布了年度十大科技趋势,涵盖人工智能.芯片制造.隐私计算.机器人.云计算.星地计算等多 ...
- AI for Science的上半场:人工智能如何重新定义科学研究新范式?
AI发展七十余年,每一技术性突破都将给人类未来开辟新一种可能性.而它与科学研究的深度融合,则会裂变出无数或无穷种可能性. 来源 :36氪 万众瞩目下,今年10月,有着诺贝尔奖"嫡传" ...
- AI for Science的上半场来了!
AI发展七十余年,每一技术性突破都将给人类未来开辟新一种可能性.而它与科学研究的深度融合,则会裂变出无数或无穷种可能性. 万众瞩目下,今年10月,有着诺贝尔奖"嫡传"之称的诺贝尔化 ...
- 达摩院年终预测重磅出炉:AI for Science 高居榜首,2022 十大科技趋势!
整理 | 郑丽媛 出品 | CSDN(ID:CSDNnews) 作为"一所探索科技未知的研究院",阿里巴巴达摩院成立至今已经四年了. 这四年来,达摩院秉持着"探索科技位置 ...
- 人工智能论坛、AI x Science 论坛和首席智行官大会
时在中春,阳和方起.机器之心AI科技年会将于 3 月 23 日在线上举办. 在本次活动中,我们共邀请了 30 位重量级嘉宾,围绕多个当下最具讨论价值的议题进行交流. 未来的人工智能.大数据与科学计算 ...
- 2021最大看点AI for Science,在哪些领域有斩获?
[专栏:前沿进展]AI for Science是今年一大重点发展的新兴领域.中科院院士,北京大学教授鄂维南在2021年智源大会上表示:"传统的科研领域如化学.材料.电子工程.化学工程.机械工 ...
- 浅析丨AI安防产品发展现状与趋势分析
https://www.toutiao.com/a6709720036610671118/ 实际上,人工智能产业发展已有60多年,但是,一直以来AI学习能力十分有限,因此,也并未走进公众的视野.不过, ...
- 作为AI产品经理,我们到底在优化什么?
http://blog.itpub.net/29829936/viewspace-2643137/ 大数据文摘出品 作者:Guy Molho 编译:张强.睡不着的iris.周素云 用户体验与人工智能( ...
最新文章
- Glide 加载圆形头像和gif 图
- 吴恩达深度学习笔记(109)-循环神经网络模型(RNN介绍)
- mysql实现综合排名_利用sql 进行综合排名
- VS2015 解决方案 或者项目 卡 正在加载 的解决办法
- python3 socketserver_《Python核心编程(第3版)》——2.5 *SocketServer模块
- P4389-付公主的背包【生成函数,多项式exp】
- Java:使用SingletonStream获得性能
- python之条件、循环语句
- 8月12号=》391页-395页
- python @cached_property
- 鹿晗都有 AI 粉了,为什么 AI 换脸剧的效果还这么渣?
- RHEL5 下构建PPTP ***服务器
- python3及wxpythonGUI多线程防假死与线程消息传递消息(最新)
- matlab中的低通freqs,matlab数字低通滤波器 MATLAB一阶低通滤波器的设计
- 电子元件识别 测量
- java算法训练 调和数列问题
- 齐全的降低笔记本电池损耗的方法
- RxJava2 背压
- PostgreSQL的upsert功能(on conflict do)的用法
- java数组初始化赋值_Java数组的三种初始化方式