Tahun ini, Hadiah Nobel Fisika dan Kimia sama-sama dianugerahkan pada bidang terkait AI. Konsep AI untuk Sains (AI untuk penelitian ilmiah), yang disederhanakan menjadi "AI4S", juga menarik perhatian para ilmuwan di dalam negeri. dan luar negeri.
Dari tanggal 4 hingga 6 November, KTT Intelijen Ilmiah 2024 diadakan di Universitas Peking. Zhang Jin, Gong Xingao, Tang Chao dan akademisi lain dari Akademi Ilmu Pengetahuan Tiongkok, serta banyak pakar dan cendekiawan dengan pengalaman praktis dalam penelitian ilmiah AI, berbagi dan mendiskusikan penerapan AI saat ini dalam penelitian ilmiah. Penerapan spesifik AI dalam bidang penelitian ilmiah, keterbatasan dan permasalahan AI yang belum terpecahkan, serta dampak AI untuk Sains terhadap paradigma penelitian ilmiah di masa depan.
Kesuksesan AlphaFold hanyalah langkah pertama dalam perjalanan panjang. Kerangka kerja AI tradisional masih memiliki keterbatasan.
Hassabis, pemenang Hadiah Nobel Kimia saat ini, memenangkan penghargaan atas pengembangan model kecerdasan buatan AlphaFold, yang memecahkan masalah berusia 50 tahun dan dapat memprediksi struktur kompleks dari sekitar 200 juta protein yang diketahui, dan telah digunakan oleh lebih dari 2 juta orang di seluruh dunia. Dalam pandangan Tang Chao, akademisi Akademi Ilmu Pengetahuan Tiongkok dan direktur Pusat Ilmu Hayati Universitas Peking-Universitas Tsinghua, kesuksesan AlphaFold tidak sama dengan kesuksesan di bidang ilmu kehidupan perjalanan panjang ribuan mil.”
Tang Chao, akademisi Akademi Ilmu Pengetahuan Tiongkok dan direktur Pusat Ilmu Hayati Universitas Peking-Universitas Tsinghua, memberikan pidato/difoto oleh Luo Yidan, reporter Beijing News Shell Finance
Tang Chao memperkenalkan bahwa sebagian besar model di bidang ilmu kehidupan saat ini terbatas pada satu modalitas, seperti transkripsi sel tunggal, urutan RNA, struktur protein, dll. Namun, ilmu kehidupan adalah sistem yang kompleks dan besar ilmu pengetahuan dimulai dari molekul dan sel, organ hingga komposisi interaktif multi-level dan multi-dimensi dari keseluruhan kehidupan.
"Kehidupan adalah sistem yang kompleks dengan berbagai skala dan tingkatan dari makro hingga mikro. Setiap tingkat memiliki bahasa dan logikanya sendiri, yang saling mempengaruhi." Tang Chao berkata, "Kerangka kerja AI tradisional berkinerja baik dalam memproses data terstruktur dan linier, tetapi kehidupan sistem Datanya dinamis dan interaktif multi-bit, sehingga kerangka kerja AI tradisional menunjukkan keterbatasan yang jelas ketika menangani data ilmu kehidupan non-linier berdimensi tinggi.”
Selain itu, penelitian AI bermodal tunggal pun memerlukan landasan data yang baik. Saat ini, beberapa bidang penelitian ilmiah menghadapi masalah kurangnya data eksperimen dan standarisasi data eksperimen yang tidak memadai.
Tang Chao mengatakan bahwa pembangunan sistem data ilmu hayati dimulai terlambat, dengan investasi yang tidak memadai, kurangnya ekosistem rantai penuh yang lengkap, dan kurangnya perencanaan strategis yang sistematis dan mekanisme pembagian pada tahap awal. Sulit untuk membentuk dampak tinggi dan kumpulan data siap naskah, dan tingkat pemanfaatan datanya tertinggal di Eropa dan Amerika.
Zhang Jinze, akademisi Akademi Ilmu Pengetahuan Tiongkok, anggota Komite Tetap Komite Partai dan Wakil Presiden Universitas Peking, menyebutkan ketika memperkenalkan penggunaan AI untuk penelitian material bahwa proses pengumpulan data saat ini tidak seragam, dan data diperoleh oleh peralatan, lingkungan, dan operator yang berbeda sangat berbeda. Selain itu, data yang dihasilkan oleh berbagai jenis eksperimen mencakup gambar, data spektral, data struktural, dll., dalam format berbeda.
Pemodelan dan pelatihan AI memerlukan dukungan data besar. Zhang Jin mengatakan, "Standarisasi adalah dasar untuk mewujudkan berbagi data, reproduktifitas, dan iterasi pengetahuan ilmiah."
Zhang Jin, akademisi Akademi Ilmu Pengetahuan Tiongkok, anggota Komite Tetap Komite Partai dan Wakil Presiden Universitas Peking, sedang memberikan pidato. Foto oleh Luo Yidan, reporter Beijing News Shell Finance
Dalam pandangan Tang Chao, masalah yang perlu segera diselesaikan dalam penelitian kerangka model besar ilmu hayati meliputi: mengoptimalkan desain encoder data urutan, gambar, dan matriks berdasarkan karakteristik data ilmu hayati; data modal yang berbeda Mengatur pemilihan dan strategi pra-pelatihan. Apa yang sebenarnya dapat menyebabkan "perubahan revolusioner" adalah bagaimana membangun arsitektur model baru untuk logika bahasa, pengorganisasian diri, kemunculan hierarki, mekanisme umpan balik, kemampuan beradaptasi, dan lain-lain dalam fenomena kehidupan.
Tang Chao memperkenalkan bahwa proses penelitian dalam ilmu kehidupan sering kali merupakan siklus: melakukan pengamatan eksperimental - penyesuaian model untuk menjelaskan fenomena - merangkum sifat-sifat - memprediksi perilaku - dan kemudian melakukan pengamatan eksperimental. Ia percaya bahwa penyesuaian model dapat diselesaikan melalui AI dalam masa depan, "Tujuannya adalah untuk membangun model ilmu kehidupan multi-modal dan lintas tingkat, dan pada akhirnya berharap untuk menemukan hukum dan prinsip baru dalam ilmu kehidupan.”
AI merevolusi paradigma penelitian: Tidak lagi terobsesi dengan “keterjelasan” yang jelas melalui kalibrasi eksperimental yang ekstensif
Meskipun "AI4S" masih memiliki banyak masalah yang perlu dipecahkan, saat ini AI telah mencapai prestasi di banyak bidang penelitian ilmiah yang berbeda Selain AlphaFold terkait Hadiah Nobel yang disebutkan di atas, aplikasi spesifik juga mencakup aplikasi seperti teknologi AI DeepMind mengontrol bentuk plasma dalam perangkat fusi nuklir-Tokmak, FraphCast memprediksi cuaca global dalam sepuluh hari ke depan dan melampaui HRES sistem manusia dalam 90% indikator.
Selain itu, AI juga mempercepat proses penelitian eksperimental. Zhang Jin mengatakan bahwa pada dasarnya tidak mungkin bagi seorang siswa untuk mengulangi 3 set eksperimen yang sama dalam satu hari, tetapi melalui platform otomatis, 150 set eksperimen otomatis dapat dilakukan dalam satu hari, yang sangat meningkatkan pengulangan eksperimen tersebut. dan data eksperimen berkualitas tinggi adalah kunci dari pelatihan simulasi.
Jiang Jun, ketua profesor di Universitas Sains dan Teknologi Tiongkok, memperkenalkan pengalamannya dan timnya menggunakan platform ahli kimia robotik Universitas Sains dan Teknologi Tiongkok untuk eksperimen. Melalui presentasi videonya, reporter Beijing News Shell Finance memperhatikan perangkat ini dengan sasis bergerak segala arah dan mesin cerdas. Arm, robot operasi eksperimental yang sepenuhnya otonom yang terlihat seperti "meja bergerak".
Jiang Jun, Ketua Profesor Universitas Sains dan Teknologi Tiongkok, memperkenalkan sistem eksperimen mesin. Foto oleh Luo Yidan, reporter Beijing News Shell Finance
Jiang Jun memperkenalkan platform ahli kimia mesin dari Universitas Sains dan Teknologi Tiongkok sebagai "mampu membaca, menghitung, dan bekerja dengan rajin". "Melalui sistem pembacaan mesin, kemampuan pemrosesan bahasa alami digunakan untuk menganalisis makalah, paten , buku teks, buku catatan elektronik eksperimental, dan mengumpulkan data netral di lokasi; Model fisik/prediksi cerdas melalui sistem komputasi mesin melalui sistem eksperimen mesin untuk mendapatkan kalibrasi umpan balik dunia nyata.”
Dia memperkenalkan bahwa tren pengembangan "AI4S" di dalam dan luar negeri adalah model besar + robot + aliansi ekologi. Misalnya, AI-Hub Alliance Inggris menghabiskan 3,2 miliar yuan untuk membangun pabrik inovasi cerdas dengan luas 11.000 meter persegi, 200 ilmuwan, dan 200 ilmuwan. 100 insinyur. Perusahaan ini melayani Unilever dan menyumbang 60% dari pendanaan penelitian dan pengembangan tahunannya.
Banyak ilmuwan yang hadir mengatakan bahwa AI telah membawa penelitian ilmiah ke tahap baru.
Gong Xingao, akademisi Chinese Academy of Sciences dan profesor di Fudan University, mengatakan paradigma penelitian fisika dibagi menjadi empat tahap: fisika eksperimental, fisika teoretis, fisika komputasi, dan fisika matematika. Saat ini telah mencapai tahap fisika digital dengan menggunakan data mining, kecerdasan buatan, dan pembelajaran mesin sebagai alatnya.
Dari sudut pandang Zhang Jin, pemberian Hadiah Nobel untuk bidang terkait AI adalah tolok ukurnya: "Pengejaran ketelitian ilmiah seperti fisika dan kimia akan menjadi lebih terbuka. Kita tidak lagi terobsesi dengan 'interpretabilitas' yang jelas, tetapi Mengizinkan hitam- prediksi kotak untuk diterima dan terus dikalibrasi melalui eksperimen, yang pada akhirnya menghasilkan pemahaman yang lebih tepat dan komprehensif.”