详细内容或原文请订阅后点击阅览
科学人工智能需要推理，而不仅仅是数据
每隔几十年，就会有人宣布科学已经走到了尽头。 1903 年，受人尊敬的物理学家阿尔伯特·迈克尔逊 (Albert Michelson) 写道，“物理科学的事实都已被发现”。 20世纪80年代，史蒂芬·霍金预言理论物理学可能会在本世纪末完成。随着人工智能的爆炸性到来，......
来源:MIT Technology Review _人工智能诚然，人工智能将为科学带来非凡的变化，但越来越明显的是，AlphaFold 和类似的东西可能不是这种转变的最佳模板。尽管这是一项意义深远的成就，但产生 AlphaFold 这样的条件是罕见的，而在其他领域满足这些条件所需的时间将是几十年而不是几年。相反，科学的加速将归功于另一种方法：人工智能代理。
AlphaFold 成功的首要条件是蛋白质数据库的存在，这是一个包含大约 170,000 个经过实验验证的蛋白质结构的数据集，DeepMind 的团队可以在该数据集上训练其模型。蛋白质数据库的创建并不简单：它花费了 53 年的国际科学合作时间，并且根据最近的估计，花费了大约 210 亿美元的实验工作才完成。众所周知，这种规模的努力很难筹集资金，几乎不可能协调，而且执行起来非常耗时；结果他们常常不成功。
但即使在具有必要凝聚力和资源的领域，并且相关数据不会因商业所有权而变得无法访问，另一个障碍也很少被讨论：科学上不可能生成可比较的数据。就蛋白质结构而言，关键的实验技术——蛋白质晶体学——是一种异常可复制且可靠的工具，以至于超过 25 个诺贝尔奖都依赖它。但在大多数实验科学中，结果往往会有所不同。细胞系漂移。化学品含有微量污染物。实验室湿度变化。创建足够一致、足够准确、足够精确和足够可扩展的测量数据集以训练生物学或大多数化学领域的现代神经网络将需要新型测量和新的标准化方法，而这些都不会很快准备好。