目標OpenAI！前谷歌CEO發起AI+Science登月計劃

新智元報道

編輯：Lumina

【新智元導讀】谷歌前CEO自掏腰包建立AI+Science非營利組織，豪賭科學研究的未來。

谷歌前CEO Eric Schmidt正在建立一家大型的AI+Science非營利性創業公司，期望通過AI來應對科學研究中的挑戰。

他聘請了兩位卓越的科學家來領導這項非營利計劃：

弗朗西斯·克里克研究所應用生物技術實驗室的創始人Samuel Rodriques，以及羅切斯特大學教授、在化學中使用AI的先驅Andrew White。他們都是各自領域中相對年輕但卻已功勳卓著的學術明星。

Schmidt、Rodriques和White都相信，AI將改變未來的科學研究。

上個月，Schmidt在《麻省理工科技評論》（MIT Technology Review）上發表的一篇題爲《這就是AI將如何改變科學完成方式》的文章中表述了他的願景：

「隨着AI的出現，科學將變得更加令人興奮——而且在某些方面將變得難以辨認。這種轉變的影響將遠遠超出實驗室的範圍，它們將會影響我們所有人。」

另一邊，Rodriques和White在自己的實驗網站或公開演講中做出了AI將顛覆科學的預言和設想。

Rodriques表示：「我們將需要由核心AI研究人員和核心科學家組成的團隊一起工作，並採用快速迭代週期，以構建能夠利用前沿技術併爲科學家帶來實際價值的工具。」

Jim Fan認爲這個公司的潛力十分巨大，如果LLM和智能體機器人成爲未來的科學研究中基礎設施，那麼像LK-99這樣的實驗將不再停留在手工鍊金術的水平上。

但也有知情人士透露，Schmidt正在進行的這項工作以OpenAI爲藍本，但資金來源於Schmidt與妻子Wendy共同創立的Schmidt Futures。基本上，活動資金都是由Schmidt自付的。

Jim也表示了對Schmidt的組織能否持續的擔憂。

AI+Science 登月計劃

形成科學見解和理論的基礎是由如何收集、轉化和理解數據來決定的。

其中，數據的收集和分析是科學理解和發現的基礎。

20世紀50年代，數字化的引入爲計算在科學研究中的普遍使用鋪平了道路。

而從2010年以來，深度學習的興起使AI能夠通過從大型數據集中識別科學相關模式來提供有價值的指導。這極大地擴展了科學發現過程的範圍和雄心：

科學發現是一個多方面的過程，涉及幾個相互關聯的階段，包括假設提出、實驗設計、數據收集和分析。

儘管科學實踐和程序在科學研究的各個階段都各不相同，但人工智能算法能夠跨越傳統上孤立的學科。

AI 越來越多地用於跨學科跨領域的海量數據集的整合、細化測量、指導實驗、探索與數據兼容的理論空間，併爲自主發現提供與科學工作流程集成的可操作和可靠的模型等。

AI可以增強科學研究的設計和執行。通過優化參數和函數，自動化程序來收集、可視化和處理數據，探索大量候選假設以形成理論點，並生成假設並估計其不確定性以建議相關實驗。

AI時代的科學

但使用AI進行科學研究也並不意味着輕鬆隨意。

最大的挑戰之一是科學問題中假設空間的巨大，使得系統探索變得不可行。

例如，在生物化學中，估計需要探索的藥物分子存在有10的60次方個。

儘管人工智能系統能通過加速過程和提供接近實驗精度的預測來徹底改變科學工作流程。

但人工智能模型獲得可靠註釋的數據集是相當浩大的工程，這可能涉及耗時和資源密集型的實驗和模擬。

但在最近的進展中，谷歌DeepMind開發的AlphaFold成功解決了長達50年的蛋白質摺疊問題。

由AI驅動的AlphaFold的數百萬個粒子16的分子系統模擬證明了人工智能解決具有挑戰性的科學問題的潛力。

另一個問題是AI內部運行時的黑箱會降低人們對預測的信任度，也導致了一些領域的適用性有限。

例如在要求模型的輸出在實際應用前必須有對應的現實條件，如人類的太空探索，以及預測爲政策提供信息的領域，如氣候科學等。

未來的科學研究

展望未來，對AI專業知識的需求將受到兩股力量的影響。

首先是即將從AI的應用中受益的領域，如自動駕駛。其次，AI智能工具的引入將會提升最先進的技術並創造新的機會，如生物、化學或物理過程，如利用AI研究核聚變反應等。

在這兩股力量的基礎上，未來研究團隊的組成將發生變化，包括 Al 專家、軟件和硬件工程師，以及涉及各級政府、教育機構和企業的新型合作形式。

如最先進的模型規模不斷擴大，導致能源消耗大、計算成本高昂。因此，大型科技公司大量將投資於計算基礎設施和雲服務，不斷挑戰規模和效率的極限。

這意味着營利性組織和非學術性組織會使用規模龐大的計算基礎設施。

但高等教育機構可以更好地整合多個學科。此外，學術機構往往擁有獨特的歷史數據庫和測量技術，而這些技術在其他地方可能並不存在，但卻是 Al+Science 所必需的。

這些互補性資產將會促進產學合作的新模式，從而影響研究問題的選擇。

參考資料：

https://www.semafor.com/article/08/16/2023/ex-google-ceo-eric-schmidt-to-launch-ai-science-moonshot