Artikel ini diterbitkan semula daripada Lei Feng.com Jika anda perlu mencetak semula, sila pergi ke tapak web rasmi Lei Feng.com untuk memohon kebenaran.
Sejak penemuan DNA pada tahun 1950-an, ahli biologi telah cuba menghubungkan panjang jujukan genetik kepada pelbagai komponen selular dan proses sintesis protein, termasuk, sebagai contoh, untuk vaksin mRNA yang terkenal sekarang. Membantu proses transkripsi mRNA antibodi tertentu.
Walaupun kemajuan telah dicapai dalam penjujukan dan pemahaman genom sejak penemuan DNA, pautan penting masih tiada. Ahli biologi tidak mempunyai kaedah untuk meramalkan bentuk tiga dimensi protein yang tidak diketahui dengan tepat dan cekap menggunakan hanya urutan sumber DNA atau RNAnya. Dalam biologi, struktur menentukan fungsi. Peranan protein dalam sel bergantung kepada bentuknya. Struktur silinder berongga memudahkan pembentukan reseptor membran yang baik, dan enzim berbentuk U memangkinkan tindak balas kimia dalam rongga seperti fjord. Mampu meramal dan juga mereka bentuk struktur protein akan menjadi lonjakan ke hadapan dalam memahami penyakit manusia dan boleh membuka kunci rawatan baharu untuk pelbagai penyakit.
Tetapi selama lebih daripada 70 tahun, saintis telah menggunakan kaedah perlahan yang mengatasi komputer dan bergantung sebahagian besarnya pada tekaan mereka sendiri untuk mengusik struktur protein. Walaupun ahli biologi mengetahui panjang kod DNA untuk setiap asid amino yang membentuk setiap protein, mereka tidak mempunyai formula yang boleh diulang dan boleh digeneralisasikan untuk menyelesaikan apa yang dikenali sebagai "masalah lipatan protein." Mereka perlu memahami secara sistematik bagaimana mana-mana rentetan asid amino, setelah disambungkan, dilipat menjadi bentuk tiga dimensi untuk membongkar alam semesta protein yang luas.
Sumber: DeepMind
Pada tahun 2020, pasukan kecerdasan buatan Google DeepMind mengumumkan bahawa algoritma AlphaFoldnya menyelesaikan masalah lipatan protein.
Pada mulanya, kebanyakan orang teruja dengan penemuan hebat ini, yang mencetuskan minat apabila saintis bersedia untuk menguji alat baharu ini. Bukankah ini syarikat yang sama yang melancarkan AlphaGo beberapa tahun lalu, membolehkannya mengalahkan juara dunia dalam permainan strategi China Go? Menguasai permainan yang lebih kompleks daripada catur, walaupun sukar, terasa remeh berbanding masalah lipatan protein.
Tetapi AlphaFold membuktikan kebolehan saintifiknya dengan pertandingan tahunan di mana pasukan ahli biologi meneka struktur protein berdasarkan urutan genetiknya sahaja. Algoritma ini jauh mengatasi pesaing manusia, menyiarkan skor yang meramalkan bentuk akhir dalam satu angstrom (lebar atom tunggal). Tidak lama selepas itu, AlphaFold lulus ujian dunia sebenar pertamanya, dengan betul meramalkan bentuk protein "spike" SARS-CoV-2, reseptor membran jelas virus itu untuk menyasarkan vaksin.
Sumber: "Nature"
Kejayaan AlphaFold adalah pantas Menjadi mustahil untuk diabaikan, saintis mula mencuba algoritma dalam makmal. Pada tahun 2021, majalah Sains menobatkan versi sumber terbuka AlphaFold sebagai "Kaedah Terbaik Tahun Ini." Ketua editor Biokimia dan Sains H. Holden Thorp menulis dalam editorial: "Penerobosan dalam lipatan protein adalah salah satu kejayaan terbesar yang pernah ada dari segi pencapaian saintifik dan penyelidikan masa depan." 🎜>Hari ini, ramalan AlphaFold sangat tepat, dan selepas lebih 70 tahun berfikir, masalah lipatan protein dianggap telah selesai. Walaupun masalah lipatan protein mungkin merupakan pencapaian AI yang paling berprofil tinggi dalam sains setakat ini, AI secara senyap-senyap membuat penemuan baharu dalam banyak bidang saintifik.
AI juga mengubah cara penyelidikan saintifik dilakukan dengan mempercepatkan proses penemuan dan menyediakan alat penyiasatan baharu kepada saintis.
Teknologi ini menaik taraf tiang penyelidikan seperti mikroskop dan penjujukan genom, menambah keupayaan teknikal baharu pada instrumen dan menjadikannya lebih berkuasa. Reka bentuk dadah dipacu AI dan pengesan gelombang graviti memberi saintis alat baharu untuk menyiasat dan mengawal dunia semula jadi.
Di luar makmal, AI juga boleh menggunakan sistem simulasi dan inferens lanjutan untuk membangunkan model dunia sebenar dan menggunakannya untuk menguji hipotesis. Dengan kesan meluas kaedah saintifik, AI mencetuskan revolusi saintifik melalui penemuan terobosan, teknologi baharu dan alatan yang dipertingkatkan, serta kaedah automatik yang meningkatkan kelajuan dan ketepatan proses saintifik.
Sumber: simulasi kosmologi resolusi super dibantu AI
Dalam Selain masalah lipatan protein, penemuan AI dalam banyak bidang, daripada kosmologi dan kimia kepada reka bentuk semikonduktor dan sains bahan, telah menunjukkan nilai saintifiknya.
Sebagai contoh, pasukan di DeepMind mereka bentuk algoritma lain untuk mengira ketumpatan elektron molekul, mengalahkan kaedah pintasan yang saintis telah bergantung pada selama 60 tahun. Mengetahui ketumpatan elektron bagi molekul tertentu pergi jauh ke arah memahami sifat fizikal dan kimia bahan. Tetapi kerana elektron dikawal oleh mekanik kuantum, pengiraan ketumpatan elektron tertentu memerlukan persamaan kompleks yang dengan cepat berubah menjadi mimpi ngeri pengiraan. Sebaliknya, saintis menggunakan ketumpatan purata elektron dalam bahan sebagai panduan, mengenepikan pengiraan kuantum yang sukar. Walau bagaimanapun, algoritma DeepMind secara langsung menangani aspek kuantum masalah dan telah terbukti lebih tepat daripada kaedah pintasan.
Sama seperti masalah lipatan protein, AI boleh mengatasi kaedah yang telah digunakan saintis selama beberapa dekad dan membuka kunci cara baharu untuk meramalkan sifat fizikal dan kimia dengan tepat.
Impak AI terhadap sains melangkaui penemuan baharu teknologi dalam empat cara utama.
Pertama sekali, AI boleh membaca kesusasteraan saintifik dengan cepat untuk memahami peraturan asas, fakta dan persamaan sains, serta membantu saintis mengurus sejumlah besar kertas dan data yang membanjiri pelbagai bidang. Pada tahun 2020 sahaja, antara 100,000 dan 180,000 artikel jurnal saintifik telah diterbitkan mengenai COVID-19.
Walaupun masuk akal untuk penyelidik menumpukan perhatian pada sesuatu yang mendesak seperti pandemik global yang sedang berlaku, kertas kerja mengenai COVID-19 merangkumi hanya sebilangan kecil daripada jumlah artikel dalam pangkalan data bioperubatan terbesar Kira-kira 4 -6%. Gelombang kertas dan data yang terhasil jauh melebihi kemampuan mana-mana saintis untuk membaca, menyebabkan penyelidik tidak dapat benar-benar mengikuti rentak inovasi dalam bidang mereka.
Di sinilah AI masuk.
Sebagai contoh, dalam bidang kimia perubatan, Insilico sedang memasuki ujian klinikal Fasa I bagi ubat yang direka sepenuhnya oleh AI untuk merawat sejenis penyakit yang dipanggil penyakit fibrosis paru-paru idiopatik (IPF) . Algoritma Insilico memilih sasaran penyakit dengan membaca kesusasteraan perubatan untuk mencari protein, sel atau patogen yang berpotensi untuk ditentukan. Sebaik sahaja sasaran dipilih, algoritma boleh mereka bentuk rawatan untuk merawat penyakit tersebut. Insilico telah membangunkan platform AI hujung ke hujung untuk penemuan ubat yang secara automatik mengikuti keputusan dan data terkini dalam lapangan supaya para saintis boleh terus mendapat maklumat tanpa merasa terharu.
Sumber: Imej disediakan oleh Argonne National Laboratory Leadership Computing Facilities, Visualisasi dan Kumpulan Analisis Data
Kedua, apabila instrumen menjadi lebih canggih dan misteri alam semula jadi diterokai dengan lebih mendalam, saintis perlu menghadapi sejumlah besar data. AI juga boleh memainkan peranan dalam aspek ini.
Sepasukan saintis di Argonne National Laboratory (ANL) telah membangunkan algoritma yang boleh memahami gelombang graviti, kontinum ruang-masa yang diramalkan oleh Einstein Ripples dalam struktur, tetapi tidak ditemui sehingga 2015. Algoritma memproses data bernilai sebulan dalam masa 7 minit, menyediakan kaedah yang dipercepatkan, berskala dan boleh berulang untuk mengesan gelombang graviti. Dan algoritma juga berjalan pada unit pemprosesan grafik standard (GPU), menghapuskan keperluan untuk penyelidik menggunakan peralatan khusus untuk mengumpul dan mentafsir data gelombang graviti.
Ian Foster, Ketua Sains Data dan Pembelajaran (DSL) di ANL, berkata: “Saya sangat teruja dengan projek ini, yang menunjukkan bagaimana kaedah AI boleh disepadukan secara semula jadi dengan Ke dalam aliran kerja saintis, membolehkan mereka menyelesaikan kerja mereka dengan lebih cepat dan lebih baik, menambah daripada menggantikan kecerdasan manusia “Dengan kecerdasan buatan, apa yang dahulunya sejumlah besar data kini menjadi aliran maklumat yang boleh dikawal yang mempercepatkan kadar. perkembangan sains.
Ketiga, AI telah menaik taraf secara senyap-senyap beberapa alat utama makmal yang telah lama wujud: mikroskop dan penjujukan DNA.
Di ANL, penyelidik telah menemui cara untuk meningkatkan jumlah maklumat yang boleh diambil oleh mikroskop elektron tentang sampel, sambil meningkatkan resolusi dan sensitiviti instrumen. Tidak seperti mikroskop yang biasa digunakan oleh ramai orang dari kelas biologi sekolah menengah atau kolej, mikroskop elektron tidak bergantung pada cahaya yang boleh dilihat untuk membina imej. Sebaliknya, seperti namanya, mereka menggunakan elektron, yang membolehkan mereka mengambil imej dengan resolusi yang lebih tinggi dan struktur yang lebih halus daripada mikroskop lain.
Penyelidik di ANL telah mereka kaedah untuk menggunakan AI untuk merekod data fasa pada mikroskop elektron, yang boleh menyampaikan maklumat kritikal tentang sifat fizikal dan kimia sampel, dengan itu meningkatkan prestasi instrumen Kuasa dan kapasiti.
Begitu juga, satu lagi ciri AI yang dipertingkatkan ditemui dalam apa yang dipanggil mikroskop medan cahaya, yang boleh menangkap imej gerakan 3D definisi tinggi. Ia biasanya mengambil masa beberapa hari saintis untuk membina semula video, tetapi dengan AI, masa yang diperlukan untuk memproses data resolusi tinggi daripada pergerakan ini dikurangkan kepada beberapa saat tanpa kehilangan resolusi atau butiran.
Penjujukan DNA ialah tenaga kerja era genomik dan juga telah dipertingkatkan oleh AI. Awal tahun ini, satu pasukan saintis menggunakan AI untuk mengurangkan separuh masa yang diperlukan untuk menyusun DNA, dan mereka berharap dapat mengurangkan separuh lagi tidak lama lagi. Pendek kata, kecerdasan buatan sedang menaik taraf alat saintifik yang paling asas.
Sumber: "Sains"
Akhirnya, AI berada dalam makmal Di mana ia benar-benar bersinar adalah dalam mensimulasikan sistem yang kompleks, menjadikannya alat yang semakin standard dalam penyelidikan saintifik asas.
Tahun lepas, penyelidik menunjukkan keupayaan pelbagai disiplin AI dengan membina eksperimen simulasi terobosan dalam sepuluh bidang saintifik, termasuk fizik, astronomi, geologi dan sains iklim.
Semua 10 simulator dilatih oleh rangkaian saraf dalam yang sama yang dipanggil DENSE, yang meningkatkan kelajuan simulasi sambil mengekalkan ketepatan berbanding kaedah lain Satu bilion kali ganda.
Yang penting, simulator boleh digunakan untuk menyelesaikan "masalah songsang", di mana penyelidik mengetahui hasilnya tetapi ingin mengetahui pembolehubah yang menyebabkan output. AI mahir dalam pengiraan seperti ini dan boleh dengan mudah mengetahui laluan kepada jawapan tertentu.
Walaupun simulasi berguna, penyelidik juga ingin memastikan model mereka berfungsi di dunia nyata. Dua syarikat teknologi terkemuka, Google dan Samsung, baru-baru ini telah beralih kepada AI untuk merancang susun atur beberapa cip mereka.
Google membuat kesimpulan bahawa cip rekaan AI "lebih baik daripada atau setanding dengan cip yang dihasilkan manusia untuk semua metrik utama, termasuk penggunaan kuasa, prestasi dan kawasan cip yang Setanding". Melangkah lebih jauh, syarikat itu menggunakan AI untuk mereka bentuk pemecut AI generasi akan datangnya (TPU ialah cip buatan AI, bukannya CPU atau GPU standard).
Begitu juga, Samsung bergantung pada perisian reka bentuk cip AI untuk mencipta Exynos, cip yang digunakan dalam produk dan kereta boleh pakai. Dengan simulasi ketelitian tingginya, AI membekalkan saintis dengan alat berkuasa yang merevolusikan cara mereka membuat model dan bereksperimen dengan dunia semula jadi.
Sumber: AI menyokong diagnosis pantas pesakit COVID-19
Tiada ujian dunia sebenar yang lebih baik untuk keupayaan pemodelan AI daripada pandemik COVID-19.
Pertama, algoritma lipatan protein AlphaFold dengan betul meramalkan protein "spike" yang penting, menunjukkan cara AI boleh mempercepatkan pembangunan vaksin atau rawatan dalam wabak masa hadapan. Tetapi mungkin lebih mengagumkan, pada musim panas 2020, saintis Jepun menggunakan Fugaku, superkomputer paling berkuasa di dunia, untuk mensimulasikan penyebaran COVID-19 melalui udara.
Dikuasakan oleh rangkaian saraf dalam dan beribu-ribu GPU, Fugaku memberikan dunia bukti muktamad bahawa virus itu dibawa ke udara dan meyakinkan WHO untuk mengubah garis panduannya untuk mengawal COVID-19 dengan sewajarnya (mis., topeng, pengudaraan dan risiko aktiviti dalaman berbanding luaran). Dalam dunia nyata, AI membuktikan nilainya dengan memaklumkan strategi mitigasi global semasa krisis.
Selain membuat penemuan baharu dan menambah alatan baharu pada senjata saintifik, AI boleh menemui corak dalam data, membuat ramalan yang boleh diuji dan menggunakannya untuk memasukkan bukti baharu ke dalam Modelnya, mencerminkan kaedah saintifik.
Ahli falsafah Karl Popper mempopularkan idea bahawa sains maju dengan membuang hipotesis yang boleh dipalsukan yang boleh diuji dan dibuktikan salah melalui eksperimen, Dan proses penghapusan melalui teori dan eksperimen ini merupakan ciri saintifik. kaedah.
Seperti yang ditunjukkan oleh beberapa penemuan terbaru dalam AI, teknologi ini juga menghasilkan hipotesis yang boleh diuji secara eksperimen dan memberikan jawapan yang ketat dan boleh dipalsukan melalui proses penyingkiran.
Model ketumpatan elektron DeepMind mengalahkan penyelidik dengan menganggarkan proses saintifik dan mengulang maklum balas antara ramalan dan eksperimen sehingga pemahaman yang lebih baik tentang pengkomputeran kuantum dicapai.
AI menyelesaikan masalah dengan menguji modelnya pada beribu-ribu protein yang ditentukan secara eksperimen, memperhalusi tekaan dan mencantas rangkaian saraf dengan memberikan berat yang lebih tinggi kepada cawangan yang lebih dekat dengan penyelesaian masalah lipatan protein. Selepas penyelidik membina versi sumber terbuka AlphaFold, saintis lain boleh menggunakan model itu untuk membongkar misteri bagaimana struktur RNA berlipat dan protein mengikat bersama.
Sumber: Model setara SE(3) bebas bagi dok tegar hujung ke hujung
Secara keseluruhan, memahami pengikatan protein membuka pintu kepada pembangunan ubat baharu yang berkuasa, kerana banyak tindak balas dalam sel adalah hasil daripada protein yang bekerja bersama. Kedua-dua kemajuan ini membawa kepada era baharu reka bentuk rawatan, memanfaatkan saluran paip AI hujung ke hujung untuk menyetempatkan penyakit dan mereka bentuk rawatan yang tepat.
Sebagai contoh, pasukan penyelidik di Makmal Kepintaran Buatan Huawei menggunakan versi model ini untuk menjana antibodi secara automatik terhadap jangkitan sasaran. Daripada reka bentuk ubat kepada pengikatan protein, keupayaan AI untuk memodelkan, menganalisis dan mengawal dunia semula jadi hanya akan terus bertambah baik.
Penemuan terbaharu DeepMind ialah penerapan AI kepada masalah mengawal dan mengekalkan tindak balas gabungan nuklear. AI berjaya mengawal tindak balas pelakuran hidrogen dan helium, memberi kuasa kepada setiap bintang di alam semesta dengan tenaga rekod, dan menemui bentuk baharu yang menstabilkan plasma. Percubaan ini merupakan langkah penting ke arah membangunkan tenaga gabungan berdaya maju yang boleh menyediakan tenaga boleh diperbaharui yang mencukupi untuk menguasai dunia.
Kes ini menyerlahkan aplikasi AI yang paling menjanjikan dalam sains: ia melihat corak yang tidak dapat kita lihat dan menganalisis persekitaran kita daripada perspektif yang berbeza tetapi saling melengkapi. Bekerjasama dengan penyelidik dan berasaskan kaedah saintifik, AI boleh menyelesaikan soalan penerokaan yang sama menggunakan teori lelaran dan eksperimen yang menyokong proses saintifik.
Sains boleh digambarkan sebagai penerokaan yang tidak diketahui. AI ialah rakan kongsi dalam perjalanan ini, memahami dunia semula jadi dan bahagiannya yang belum diterokai secara berbeza daripada yang kita lakukan, membuka cara baharu untuk memahami dan memanfaatkan kuasa dunia.
Seperti yang diterangkan oleh Pengarah Penyelidikan Sony Hiroaki Kitano, penemuan saintifik ialah masalah "carian" berdasarkan sistem pembetulan sendiri hipotesis, eksperimen dan data yang boleh disimulasikan oleh AI. Tetapi AI adalah lebih daripada sekadar alat yang berkuasa di tangan saintis dan rakan kongsi semasa proses carian. Teknologi ini juga mengubah proses saintifik, mengautomasikan dan meningkatkan tugas yang boleh dicapai oleh orang menggunakannya. Kecerdasan buatan menerajui revolusi saintifik baharu, membuat penemuan penting dalam banyak bidang, membuka jalan baharu untuk penyelidikan saintifik, dan mempercepatkan rentak inovasi saintifik. Sebagai rakan kongsi, AI akan bekerjasama dengan saintis untuk meneroka lebih banyak sempadan saintifik yang tidak berkesudahan.
Atas ialah kandungan terperinci AI mengetuai revolusi saintifik baharu. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!