[[430245]]

人工智能（AI）逐漸從一個(gè)專用的研究領(lǐng)域走向成為其他學(xué)科的工具，這種方式也很好地促進(jìn)了跨學(xué)科合作。

　　據(jù)斯坦福大學(xué) 2021 年的人工智能相關(guān)數(shù)據(jù)索引報(bào)告指出，人工智能相關(guān)期刊出版物的數(shù)量從 2019 年到 2020 年增長(zhǎng)了 34.5%；從 2018 年到 2019 年的 19.6%。2019 年，人工智能出版物占全球所有同行評(píng)審科學(xué)出版物的 3.8%，遠(yuǎn)高于 2011 年的 1.3%。

　　利用好 AI 算法也成了當(dāng)前科研的必備素質(zhì)，Nature 采訪了五位研究人員，調(diào)查了一下他們?nèi)绾闻c AI 進(jìn)行合作。

理論物理學(xué)家與 AI

　　Phiala Shanahan 是一名理論物理學(xué)家，并且一直與 AI 研究部門 Google DeepMind 在合作。

[[430246]]

合作的開展源于一次在以色列的會(huì)議上，她和學(xué)生展示了一些麻省理工學(xué)院 (MIT)項(xiàng)目，其中使用了倫敦 DeepMind 高級(jí)研究科學(xué)家 Danilo Jimenez Rezende 提出的一些想法；Rezende 的工作包括復(fù)雜數(shù)據(jù)的建模，例如醫(yī)學(xué)圖像、視頻、3D 場(chǎng)景幾何和復(fù)雜的物理系統(tǒng)。他做了一些關(guān)鍵的機(jī)器學(xué)習(xí)研究，并且已經(jīng)將這些研究應(yīng)用于基礎(chǔ)物理學(xué)中的問(wèn)題。

　　她們進(jìn)行了交談，并由此產(chǎn)生了長(zhǎng)期合作，主要涉及到 DeepMind 的幾個(gè)人，我的幾個(gè)博士后和一個(gè)博士生。過(guò)去幾年她們共同寫了四五篇論文，確實(shí)利用 AI 做了一些創(chuàng)新的事情，使用機(jī)器學(xué)習(xí)模型來(lái)加速已建立的物理計(jì)算。

　　最終目標(biāo)是使我們能夠進(jìn)行現(xiàn)有算法和資源在計(jì)算上不可能進(jìn)行的研究。

　　Phiala 認(rèn)為合作取得成功的關(guān)鍵是平等感，她的團(tuán)隊(duì)和 DeepMind 團(tuán)隊(duì)一樣努力推動(dòng) AI 方面的發(fā)展。DeepMind 小組的人也非常了解物理學(xué)，雙方都可以做科學(xué)的兩個(gè)部分，所以這是一次非常平衡和充滿活力的合作，非常有趣。

　　Phiala 也參與過(guò)一些無(wú)效合作，他們認(rèn)為，一組應(yīng)該擔(dān)心物理部分，一組應(yīng)該擔(dān)心計(jì)算機(jī)科學(xué)部分，最后在中間相遇。但實(shí)際的情況，這兩個(gè)群體最終都陷入孤立并與語(yǔ)言障礙作斗爭(zhēng)。

　　所以跨學(xué)科的合作需要雙方對(duì)兩邊的領(lǐng)域都有了解。

藥物設(shè)計(jì)與 AI

　　Simon Olsson 是瑞典哥德堡查爾默斯技術(shù)大學(xué)應(yīng)用人工智能副教授。他說(shuō)他們?cè)谌ツ?10 月成立的實(shí)驗(yàn)室中用到了機(jī)器學(xué)習(xí)方法來(lái)解決自然科學(xué)中的計(jì)算問(wèn)題。

　　例如，目前他們正在與英國(guó)和瑞典的合資公司阿斯利康合作開發(fā)藥物設(shè)計(jì)方法，該公司在哥德堡設(shè)有一個(gè)研究中心，同時(shí)他們還在研究如何將實(shí)驗(yàn)數(shù)據(jù)整合到蛋白質(zhì)結(jié)構(gòu)和動(dòng)力學(xué)的機(jī)器學(xué)習(xí)模型中。

[[430247]]

如果你想弄清楚一種蛋白質(zhì)是如何折疊的，或者一種藥物是如何與之相互作用的，那么使用一個(gè)考慮到有關(guān)該蛋白質(zhì)的文獻(xiàn)以及控制其行為的物理和化學(xué)定律的計(jì)算模型可能會(huì)有所幫助。

　　如果你有計(jì)算機(jī)科學(xué)背景，想在學(xué)習(xí)自然科學(xué)的同時(shí)進(jìn)入人工智能領(lǐng)域，試著找出一個(gè)你感興趣的領(lǐng)域，并找到一個(gè)你想解決的問(wèn)題。

　　Olsson 最初是通過(guò)研究分子動(dòng)力學(xué)和分子設(shè)計(jì)而被吸引到這個(gè)領(lǐng)域的，在分子動(dòng)力學(xué)和分子設(shè)計(jì)中，分子及其相互作用是在計(jì)算機(jī)中模擬的，通常是為了新藥物的發(fā)現(xiàn)。人工智能有可能使以前無(wú)法解決的問(wèn)題在這樣的領(lǐng)域中得以解決，這類領(lǐng)域的計(jì)算要求非常高。

　　Olsson 建議對(duì)人工智能感興趣的人開始學(xué)習(xí)編程，只需嘗試自動(dòng)化他們?cè)诠ぷ魃钪薪?jīng)常做的事情：無(wú)論是發(fā)送模板電子郵件還是將數(shù)據(jù)輸入電子表格。如果重復(fù)這項(xiàng)任務(wù)很無(wú)聊，那么自動(dòng)化的動(dòng)機(jī)就會(huì)很快產(chǎn)生。之后，逐漸用越來(lái)越復(fù)雜的任務(wù)挑戰(zhàn)自己。

實(shí)驗(yàn)物理學(xué)家與 AI

　　Siddharth Mishra-Sharma 是麻省理工學(xué)院（劍橋）粒子物理學(xué)博士后。

[[430248]]

他在英國(guó)劍橋大學(xué)讀本科時(shí)在實(shí)驗(yàn)高能物理和天體物理學(xué)方面做了一些實(shí)習(xí)。其中包括在瑞士日內(nèi)瓦附近的歐洲粒子物理實(shí)驗(yàn)室 CERN 度過(guò)的幾個(gè)夏天，在新澤西州普林斯頓大學(xué)攻讀粒子物理學(xué)博士學(xué)位期間涉足了機(jī)器學(xué)習(xí)，并在目前在麻省理工學(xué)院擔(dān)任職務(wù)時(shí)又回到了機(jī)器學(xué)習(xí)領(lǐng)域。

　　人工智能工具往往是對(duì)物理學(xué)的一個(gè)很好的補(bǔ)充，他們經(jīng)常使用來(lái)自粒子對(duì)撞機(jī)或望遠(yuǎn)鏡的大量數(shù)據(jù)集，這些數(shù)據(jù)集可以產(chǎn)生 PB 級(jí)的數(shù)據(jù)。

　　由于天文數(shù)據(jù)集種類繁，從單個(gè)星系的圖像到銀河系的地圖，沒(méi)有一種機(jī)器學(xué)習(xí)方法可以有效地用于尋找暗物質(zhì)的影響。當(dāng)機(jī)器學(xué)習(xí)開始用于天體物理學(xué)時(shí)，在新的環(huán)境中使用既定的算法。例如，如果機(jī)器學(xué)習(xí)方法擅長(zhǎng)區(qū)分貓和狗的圖像，那么它也可以適用于區(qū)分不同星系的圖像。

　　但是今天物理學(xué)家和其他自然科學(xué)從業(yè)者的需求可以為機(jī)器學(xué)習(xí)方法的發(fā)展提供信息，物理學(xué)家不再直接使用來(lái)自對(duì)撞機(jī)或望遠(yuǎn)鏡的大量數(shù)據(jù)集。相反，他們?nèi)粘９ぷ鞯囊徊糠稚婕安榭茨姆N方法對(duì)給定的問(wèn)題或觀察有效，如果不存在這樣的方法，則嘗試開發(fā)一個(gè)新的模型。

　　在這樣的工作中，物理學(xué)和機(jī)器學(xué)習(xí)之間的信息流是雙向流動(dòng)的，人工智能和物理兩個(gè)學(xué)科得到充分交流。

管理學(xué)與 AI

　　Fabio Cozman 是巴西圣保羅大學(xué)人工智能中心（C4AI）的主任，他們的主要目標(biāo)是開展對(duì)社會(huì)和行業(yè)有直接影響的機(jī)器智能研究。

[[430249]]

主要開展有五個(gè)核心項(xiàng)目。其中一個(gè)的目標(biāo)是能夠顯著改進(jìn)巴西官方語(yǔ)言葡萄牙語(yǔ)的自然語(yǔ)言處理和翻譯能力，以便通過(guò)計(jì)算機(jī)語(yǔ)音工具更好地翻譯、轉(zhuǎn)錄和理解葡萄牙語(yǔ)使用者所說(shuō)的話。

　　另一個(gè)項(xiàng)目 Blue Amazonia Brain，主要研究氣候變化、生物多樣性和礦產(chǎn)資源對(duì)巴西大西洋海岸線和居住在那里的人們的影響。

　　人工智能中心于 2020 年 10 月成立，每年由技術(shù)公司 IBM 提供 200 萬(wàn)巴西雷亞爾（380000 美元），來(lái)自圣保羅研究基金會(huì)的 200 萬(wàn)雷亞爾和來(lái)自圣保羅大學(xué)的 400 萬(wàn)雷亞爾，州政府也會(huì)提供未來(lái)的財(cái)政支持。

　　該中心的合作目標(biāo)十分廣泛合作，但合作者通常對(duì)計(jì)算機(jī)科學(xué)可以實(shí)現(xiàn)的目標(biāo)有不同的期望，合作前都需要通過(guò)與合作者清楚地解釋 AI 可以做什么和不能做什么來(lái)解決。

　　并且研究成果經(jīng)常出現(xiàn)分歧，例如，自然科學(xué)領(lǐng)域的人們通常將期刊論文視為傳播研究的最佳方式，而人工智能研究人員更重視會(huì)議。

　　另一個(gè)挑戰(zhàn)是一些研究人員只想要一個(gè)程序員。這些研究人員需要更愿意分享他們的知識(shí)和問(wèn)題，而不是僅僅采用「過(guò)來(lái)幫我做編程」的方法，協(xié)作需要是一種旨在解決和回答問(wèn)題的伙伴關(guān)系。

　　AI 發(fā)展得如此之快，以至于計(jì)算機(jī)科學(xué)和工程領(lǐng)域的人們覺(jué)得他們必須伸出手來(lái)解決現(xiàn)實(shí)世界的問(wèn)題：僅僅做自己領(lǐng)域內(nèi)的事情對(duì)我們來(lái)說(shuō)不再那么有意義。并且其他領(lǐng)域的研究人員也正在遵循一個(gè)趨勢(shì)：所有主要的人工智能實(shí)驗(yàn)室和中心現(xiàn)在都參與到現(xiàn)實(shí)生活中的應(yīng)用問(wèn)題中。

　　對(duì)于希望與 AI 專家合作的研究人員，F(xiàn)abio 的建議是首先降低期望：您是否希望有「擅長(zhǎng)編程」的人幫助您進(jìn)行一些數(shù)據(jù)分析，還是您實(shí)際上需要提出更深入的問(wèn)題？

　　一些 AI 相關(guān)的背景知識(shí)和實(shí)踐經(jīng)驗(yàn)對(duì)合作者很有用。

藝術(shù)家與 AI

　　Roman Lipski 是一名藝術(shù)家，2016 年 4 月，他開始在柏林美術(shù)學(xué)院教授難民課程，在那里遇到了數(shù)據(jù)科學(xué)家 Florian Dohmann 并展開合作，試圖利用人工智能探索藝術(shù)。

[[430250]]

Lipski 曾看過(guò)谷歌的數(shù)據(jù)科學(xué)家用人工智能制作的圖片，但主要是由重復(fù)元素制作的恐怖故事圖像，主要特征像 1000 只眼睛或 1000 英尺長(zhǎng)的動(dòng)物。

　　剛開始他還天真的以為 AI 技術(shù)馬上就要落地了，能夠助力拍出有史以來(lái)最好的電影，他雖然知道 AI 有巨大的潛力，但卻無(wú)從入手。Florian 加入后，為了忠于 Lipski 自己的藝術(shù)靈感，他們決定只在自己的作品中訓(xùn)練算法。拍攝了職業(yè)生涯中的每一幅畫后，就創(chuàng)建一個(gè)小數(shù)據(jù)集來(lái)訓(xùn)練算法，然后要求它創(chuàng)建一個(gè)原創(chuàng)作品。

　　但結(jié)果又是慘不忍睹，生成作品和谷歌工程師那里看到的畫差不多，都充滿了重復(fù)形狀和顏色，沒(méi)有添加任何新東西。但從藝術(shù)上講，它們比其他任何東西都更具噱頭。

　　當(dāng)更換應(yīng)用場(chǎng)景到風(fēng)格遷移時(shí)，Lipski 使用一張 2016 年 3 月訪問(wèn)過(guò)的洛杉磯街道風(fēng)景圖，他曾經(jīng)用不同的顏色和紋理多次繪制這個(gè)場(chǎng)景。這一次，當(dāng)要求算法制作新圖片時(shí)，結(jié)果令人驚嘆。

　　雖然不是每張照片都很好，但能夠在不同的藝術(shù)風(fēng)格、真正的藝術(shù)質(zhì)量和形式上獲得了成千上萬(wàn)的優(yōu)秀成果，這也是僅靠藝術(shù)家自己無(wú)法達(dá)到的。

　　在遇到 Florian 的前一年，Lipski 認(rèn)為自己遭遇了一場(chǎng)徹底的藝術(shù)危機(jī)。他覺(jué)得自己的世界里可以用繪畫講述的故事已經(jīng)用完了，但他現(xiàn)在又開始畫畫了，但不是簡(jiǎn)單地打印 AI 算法生成的內(nèi)容，而是將其輸出作為靈感來(lái)創(chuàng)作自己的原創(chuàng)作品。

　　Lipski 的建議是不要被 AI 嚇倒，而要學(xué)習(xí)開始使用它們：就像任何工具一樣，它們有其優(yōu)點(diǎn)和缺點(diǎn)。但對(duì)他來(lái)說(shuō)，人工智能改變了我的職業(yè)生涯。