用人工智能設計新分子
想設計出一種新型太陽能材料、新型抗癌藥、或者能幫助莊稼對抗病毒的新型化合物嗎?你首先要解決兩項挑戰：一是弄清這種物質的化學結構，二是弄清哪些化學反應能把原子連接成所需的分子或分子組合。
傳統方法需進行大量猜測和摸索，極為耗時耗力，往往歷經多次失敗才能成功。例如，一套合成方案可能要經歷成百上千步才能成型，其中很多步都會產生不理想的副反應，或是根本不可行。不過，如今人工智能已經開始提升分子設計和合成雙方面的效率，讓企業能夠更快、更容易、更低成本地進行生產，同時減少化學廢料。
運用人工智能技術，機器學習算法能夠對過去所有試圖發現或合成新物質的實驗進行分析。這些實驗有的成功了，但失敗的實驗其實更重要。根據從中發現的規律，機器學習算法會對可能有用的新分子的結構、以及合成這些分子的方法進行預測。當然，這些可不是按下一個按鈕就能做到的事情，但在藥物分子和材料的實際設計領域，人工智能技術正處于飛速進步之中。
例如，德國明斯特大學研發的一款人工智能工具能夠重復模擬1240萬種已知的單步驟化學反應，最終確定一套多步驟合成方案，且速度足足比人類快30倍。
而在制藥領域，一項以人工智能為基礎的、名叫“生成機器學習”的技術也令人倍感激動。大多數制藥公司都儲存著數百萬種化合物，需對它們一一進行篩查，看它們有沒有制造新藥的潛力。但即使借助機器人和實驗室自動化工具，這個篩查過程也十分緩慢，成功率也較低。此外，理論上可能存在的分子達1030種，制藥企業擁有的化合物只占其中的一小部分。但利用一個描述已知藥物(以及候選藥物)的化學結構和性質的數據庫，機器學習工具就可以找到擁有類似性質、但用處可能更大的新化合物。這種能力大大加速了新型藥物先導化合物的發現。
將近100家初創公司已經在嘗試用人工智能技術進行新藥研發了，包括Insilico Medicine、Kebotix和BenevolentAI等公司。其中BenevolentAI最近獲得了1.15億美元的融資，用于借人工智能技術進行運動神經元疾病、帕金森綜合征和其它疑難雜癥藥物的研發。BenevolentAI將人工智能應用到了藥物研發的全過程中，從發現新分子到藥物設計，再到證明該藥物的安全性和有效性的臨床測試，都有人工智能的參與。
在材料領域，Citrine Informatics等公司也運用了和制藥公司相似的手段，并通過與巴斯夫、松下這樣的大公司合作來加速創新進程。美國政府也對該領域研究表示了支持。自2011年來，美國政府向材料基因組計劃的投資已超2.5億美元。
過去的經驗告訴我們，新材料和新化學物質可能會對健康與安全造成無法預見的風險。幸運的是，人工智能應當能預測到這些風險，從而減少負面結果。這項技術似乎正大大提高新分子和新材料上市的速度和效率，進而改善醫療，幫扶農業，更好地保護資源，并促進可再生能源的生產與存儲。
能夠辯論和發指令的人工智能
如今的數字助手有時會讓你懷疑它們就是人類，但更加全能的數字助手也即將問世。在表象之下，Siri、Alexa和其它同類產品借助高級的語音識別軟件來了解你的需求，弄清如何滿足你的需求，然后用聽上去很自然的聲音讀出與你的問題對應的答案。這類系統首先要接受“訓練”，接觸大量人類可能給出的要求，然后由人類編寫出合適的答案，再將答案編輯成高度結構化的數據形式。
這項工作非常耗時，訓練出的數字助手能夠執行的任務也很有限。這些系統也會“學習”，不斷加強問題與答案的匹配度，但畢竟程度有限。但盡管如此，它們的能力也堪稱驚人。
目前正在研發的新技術能夠讓下一代人工智能系統具備吸收和組織非結構化數據(如原始文本、視頻、圖片、語音、電子郵件等等)的能力，然后針對某個從未接受過訓練的話題，自動生成可靠建議、或是給出反對意見。
有些網站使用的聊天機器人已經展現出了這種能力，在它們受過訓練的數據范圍之內，可以回答用自然語言提出的問題。這些聊天機器人基本不需要接受針對特定問題或要求的訓練，只需借助一系列預先配置好的數據組合、以及即時讀取相關背景材料的能力，即可完成相應任務。不過，它們仍需接收一定用詞和意圖識別方面的訓練，才能給出高度準確的回答。
今年六月，IBM發布了一項更高級的技術：一套未預先接受相關話題訓練、就能與人類專家開展實時辯論的系統。該系統需利用非結構化數據(包括維基百科上的內容，其中有些經過了編輯)，確定這些信息的相關度和準確度，然后將信息組織成能夠重復利用的資源庫，從中提取出能夠支持己方觀點的辯詞。它還要對人類對手的辯詞做出反應。這套系統在展示中參加了兩場辯論。許多觀眾都認為，它在其中一場辯論中的辯詞比人類對手更具說服力。
這套技術使用的軟件不僅能理解自然語言，還能應對判斷積極和消極情緒這樣的高階挑戰。其研發時間已超五年，且目前仍處于未完成階段。盡管如此，該系統仍在與人類專家的辯論中占了上風。接下來的三至五年間，想必會出現無數與之相關的應用。這些系統將發揮重要作用，如幫助醫生迅速找到與某個復雜病例相關的研究資料，然后據此分析某套治療方案的優勢。
這類智能系統只能匯編已有知識，無法像科學家或專家那樣創造新的知識。但隨著機器變得越來越智能，人類失業的可能性也越來越大。因此社會需要為下一代人工智能提供必要的技能，讓他們解決需要人類智力才能解決的問題。
對抗癌癥和視力喪失
全球每年有大約880萬人死于癌癥，并且有近1400萬人被診斷患有某種形式的癌癥。盡早發現癌癥，可以大大的提高患者的生存機會，并且降低疾病復發的概率。AI技術可以通過圖片掃描技術來幫助醫生識別疾病，這套技術可以96%的準確識別患者的腫瘤和癌癥，包括診斷乳腺癌，肺癌，直腸癌，子宮肌瘤，卵巢癌，胃癌，和前列腺癌癥等等。還可以幫助視力下降的患者提前預防早期跡象，提前接受治療，杜絕視力喪失。
保護環境
氣候變化，環境污染是人類最大的挑戰。通過云計算，大數據，AI技術，我們可以通過機器學習算法來實時監控能源的生產和需求，通過蓄電池，把能量儲存起來，循環利用，在人們需要的時候釋放出來，這樣可以消除不可再生能源對我們環境造成的沖擊。還可以通過AI技術實時調節我們對能源的需求，比如說冰箱可以通過AI技術遠程控制，因此只有在電網需求低的時候才能進入冷卻循環。
京公網安備 11010502049343號