我國(guó)AI研究應(yīng)該在方向選擇上多費(fèi)點(diǎn)心思早日擺脫困境

來源：中國(guó)科學(xué)報(bào)

2016年DeepMind公司的人工智能程序AlphaGo戰(zhàn)勝了人類圍棋冠軍，曾引起全世界的轟動(dòng)。

2020年11月30日，DeepMind公司的另一個(gè)人工智能程序AlphaFold 2在蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)大賽CASP 14中，對(duì)大部分蛋白質(zhì)結(jié)構(gòu)的預(yù)測(cè)與真實(shí)結(jié)構(gòu)只差一個(gè)原子的寬度，達(dá)到了人類利用冷凍電子顯微鏡等復(fù)雜儀器觀察預(yù)測(cè)的水平，這是蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)史無(wú)前例的巨大進(jìn)步。這一重大成果雖然沒有引起媒體和廣大民眾的關(guān)注，但生物領(lǐng)域的科學(xué)家反應(yīng)強(qiáng)烈。

中國(guó)科學(xué)院院士施一公對(duì)媒體說：“依我之見，這是人工智能（AI）對(duì)科學(xué)領(lǐng)域最大的一次貢獻(xiàn)，也是人類在21世紀(jì)取得的最重要的科學(xué)突破之一，是人類在認(rèn)識(shí)自然界的科學(xué)探索征程中一個(gè)非常了不起的歷史性成就。”

蛋白質(zhì)是生命的基礎(chǔ)，了解蛋白質(zhì)的折疊結(jié)構(gòu)和分子動(dòng)力學(xué)是生物學(xué)界最棘手的問題之一，已經(jīng)困擾科學(xué)家50年之久。

目前已知氨基酸順序的蛋白質(zhì)分子有1.8億個(gè)，但三維結(jié)構(gòu)信息被徹底看清的還不到0.1%。最近DeepMind公司在《自然》上宣布已將人類的98.5%的蛋白質(zhì)預(yù)測(cè)了一遍，計(jì)劃今年年底將預(yù)測(cè)數(shù)量增加到1.3億個(gè)，達(dá)到人類已知蛋白質(zhì)總數(shù)的一半，并且公開了AlphaFold 2的源代碼，免費(fèi)開源有關(guān)數(shù)據(jù)集，供全世界科研人員使用。

被釋放的海量蛋白質(zhì)結(jié)構(gòu)信息蘊(yùn)含著生命信息的密碼，將有力推動(dòng)生命科學(xué)的發(fā)展，大大加速針對(duì)癌癥、病毒的抗生素、靶向藥和新效率的蛋白酶的研發(fā)。

在AlphaFold 2 問世以前，許多科學(xué)家做過用計(jì)算機(jī)預(yù)測(cè)蛋白質(zhì)三維折疊結(jié)構(gòu)的研究。中科院計(jì)算技術(shù)研究所的卜東波團(tuán)隊(duì)去年在《自然》發(fā)表論文，他們?cè)诘鞍踪|(zhì)結(jié)構(gòu)預(yù)測(cè)方面做出了出色的成果。

DeepMind團(tuán)隊(duì)采用的注意力機(jī)制也是計(jì)算機(jī)視覺和自然語(yǔ)言處理領(lǐng)域較成熟的技術(shù)。最近華盛頓大學(xué)推出預(yù)測(cè)準(zhǔn)確度與AlphaFold 2差不多的新算法，只需要一個(gè)GPU，10分鐘左右就能算出蛋白質(zhì)結(jié)構(gòu)。

蛋白質(zhì)折疊問題的解決是生物學(xué)界和人工智能界長(zhǎng)期合作努力的結(jié)果，但AlphaFold 2的“臨門一腳”是取得勝利的標(biāo)志性突破，它用精確的預(yù)測(cè)結(jié)果顯示出人工智能技術(shù)在基礎(chǔ)科學(xué)研究上的巨大威力。AlphaFold 2的巨大成功給我們?cè)S多耐人尋味的啟示。

2017年國(guó)務(wù)院印發(fā)《新一代人工智能發(fā)展規(guī)劃》后，我國(guó)立即啟動(dòng)了“新一代人工智能重大科技項(xiàng)目”，開展數(shù)據(jù)智能、跨媒體感知、群體智能、類腦智能、量子智能計(jì)算等基礎(chǔ)理論研究，統(tǒng)籌布局了人工智能創(chuàng)新平臺(tái)和許多關(guān)鍵共性技術(shù)研究。

近三年，我國(guó)學(xué)者發(fā)表了大量人工智能論文，申請(qǐng)幾萬(wàn)件專利，在北京冬奧會(huì)、城市大腦等應(yīng)用場(chǎng)景和抗擊新冠疫情中取得顯著成效，出現(xiàn)了一些人工智能獨(dú)角獸企業(yè)，取得的成績(jī)可圈可點(diǎn)。但總的來講，我們的研究多數(shù)是技術(shù)驅(qū)動(dòng)、論文導(dǎo)向的，目標(biāo)導(dǎo)向和問題導(dǎo)向的研究較少。

AlphaFold 2的成功首先是因?yàn)?0年前DeepMind團(tuán)隊(duì)就開始關(guān)注“蛋白質(zhì)折疊”這個(gè)有重大價(jià)值的科學(xué)問題。幾年前用計(jì)算機(jī)預(yù)測(cè)復(fù)雜的蛋白質(zhì)折疊結(jié)構(gòu)，正確率還不到40%，DeepMind團(tuán)隊(duì)當(dāng)時(shí)就有信心攻克這個(gè)世界難題。

我們與一流科學(xué)家的差距之一是選擇可突破的重大科學(xué)問題的眼光不夠敏銳，布局的科研項(xiàng)目要么是增量式的技術(shù)改進(jìn)，要么是幾十年都難以突破的理想型目標(biāo)，像蛋白質(zhì)折疊這樣的重要研究方向沒有列入新一代人工智能重大科技項(xiàng)目。

人工智能研究可能取得重大突破的目標(biāo)不只是蛋白質(zhì)折疊，我認(rèn)為，用機(jī)器學(xué)習(xí)的方法全自動(dòng)地做集成電路的前端和后端設(shè)計(jì)也有可能在十年左右取得突破，如果做到了，讓人焦心的集成電路設(shè)計(jì)人員缺口巨大的難題就會(huì)迎刃而解。這一類涉及經(jīng)濟(jì)發(fā)展的重大問題應(yīng)該是人工智能界關(guān)注的焦點(diǎn)。

為什么重大科學(xué)問題和國(guó)計(jì)民生問題沒有進(jìn)入人工智能界許多學(xué)者的視野，這涉及對(duì)人工智能這門學(xué)科的認(rèn)識(shí)。

最先提出“人工智能”這個(gè)術(shù)語(yǔ)的麥卡錫對(duì)這門學(xué)科的定義是：“人工智能就是要讓機(jī)器的行為看起來就像是人所表現(xiàn)出的智能行為一樣。”后來的人工智能學(xué)者大多盯住了“像人”這個(gè)“原則”，以“像不像人”作為目標(biāo)。所謂衡量智能水平的“圖靈測(cè)試”也是遵循這個(gè)原則。授予沙特阿拉伯公民身份的“索菲婭”和清華大學(xué)的“華智冰”機(jī)器人，都是朝著“像人”這個(gè)目標(biāo)努力。

但硅基的計(jì)算機(jī)和碳基的人腦終究有本質(zhì)性的區(qū)別，非要把電子線路構(gòu)成的機(jī)器做成與人一樣，既沒有必要也沒有可能。

現(xiàn)在用于機(jī)器學(xué)習(xí)的人工神經(jīng)網(wǎng)絡(luò)與人的大腦有相似的地方，但也體現(xiàn)出與人的思維不同的機(jī)器“思維”方式。理性的人工智能發(fā)展模式應(yīng)該承認(rèn)人有人智、機(jī)有機(jī)“智”，要充分發(fā)揮機(jī)器“思維”的特長(zhǎng)，做人不擅長(zhǎng)做的事情。

AlphaFold 在蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)上體現(xiàn)出的才能不是“像人”，而是比人高明。人工智能是對(duì)人類的補(bǔ)充和增強(qiáng)，而非替代人類，我們并不需要復(fù)制人的智能，而是要建立一個(gè)新的智能系統(tǒng)。人工智能研究擺脫“模仿人”“替代人”的思想束縛后，會(huì)有更廣闊的發(fā)展空間。

AlphaFold的成功表明，疑難問題的解決不一定完全依賴于人類的先驗(yàn)知識(shí)，這意味著在人工智能時(shí)代，人類獲取知識(shí)的邏輯將發(fā)生根本性變革，對(duì)人類認(rèn)知將產(chǎn)生巨大沖擊。

機(jī)器學(xué)習(xí)是一種全新的、人類也無(wú)法真正理解、但能被實(shí)踐檢驗(yàn)的認(rèn)知方法論。我們是相信“實(shí)踐是檢驗(yàn)真理的標(biāo)準(zhǔn)”，人機(jī)互補(bǔ)構(gòu)建命運(yùn)共同體，還是堅(jiān)持機(jī)器必須給人講明白演繹和歸納過程才是真理，人類將面臨新的選擇。

機(jī)器學(xué)習(xí)可以正確預(yù)測(cè)蛋白質(zhì)結(jié)構(gòu)，說明機(jī)器已掌握了一些人類還不明白的“暗知識(shí)”。過去我們把可以表達(dá)的知識(shí)叫作“明知識(shí)”或“顯知識(shí)”，不可表達(dá)但可以感受的知識(shí)叫作“潛知識(shí)”或“默知識(shí)”?，F(xiàn)在又多出了一類既不可表達(dá)又不可感受但機(jī)器能明白的知識(shí)，可稱為“暗知識(shí)”。知識(shí)維度的增加大大擴(kuò)充了人類的視野。如果說“明知識(shí)”是冰山顯露出來的一角，“潛知識(shí)”是冰山海面下的部分，“暗知識(shí)”就如同大海。對(duì)人類而言，如何利用“暗知識(shí)”可能比弄明白“暗物質(zhì)”“暗能量”更重要、更緊迫。

蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)取得重大突破的另一個(gè)啟示是，科研范式已經(jīng)開始轉(zhuǎn)向。

AlphaFold團(tuán)隊(duì)是一個(gè)典型的跨學(xué)科合作團(tuán)隊(duì)，在《自然》發(fā)表此重大成果的論文作者有34位，其中19位并列第一作者，包括機(jī)器學(xué)習(xí)、語(yǔ)音和計(jì)算機(jī)視覺、自然語(yǔ)言處理、分子動(dòng)力學(xué)、生命科學(xué)、高能物理、量子化學(xué)等領(lǐng)域的知名學(xué)者。蛋白質(zhì)形成穩(wěn)定折疊結(jié)構(gòu)的原因是分子內(nèi)部的勢(shì)能會(huì)降到最低點(diǎn)，預(yù)測(cè)計(jì)算實(shí)際上是能量最小化的優(yōu)化。

深度學(xué)習(xí)的人工神經(jīng)網(wǎng)絡(luò)在計(jì)算機(jī)視覺、自然語(yǔ)言處理和生物信息學(xué)等領(lǐng)域表現(xiàn)優(yōu)異，不僅僅源于算法和數(shù)學(xué)，背后還有深層次的物理原理。因此，理論物理學(xué)家的介入十分重要?；谧罨A(chǔ)科學(xué)原理的機(jī)器學(xué)習(xí)需要人類多領(lǐng)域科學(xué)家的智慧和機(jī)器“智能”有機(jī)融合，不同于以發(fā)現(xiàn)相關(guān)性為主要目標(biāo)的科研第四范式——數(shù)據(jù)密集型科學(xué)發(fā)現(xiàn)，我認(rèn)為這是科研第五范式的雛形。

AlphaFold并沒有提出新的科學(xué)原理，而是研究已知原理的相互組合涌現(xiàn)出的大量新奇結(jié)構(gòu)、特性和行為，把對(duì)結(jié)構(gòu)的認(rèn)知抽象成各種模式的自動(dòng)化識(shí)別和匹配，本質(zhì)上是一種集成式的工程科學(xué)技術(shù)。

過去生物學(xué)家只是把人工智能當(dāng)成眾多的輔助工具之一，AlphaFold的成功改變了生物學(xué)家的看法。工程科學(xué)技術(shù)不只是工具，也不僅僅是基礎(chǔ)研究成果的應(yīng)用，而是在基礎(chǔ)研究中可以發(fā)揮巨大作用的重要組成部分。沒有像DeepMind團(tuán)隊(duì)一樣強(qiáng)大的工程技術(shù)實(shí)現(xiàn)能力，基礎(chǔ)研究也難以做出重大成果。

目前我國(guó)大學(xué)和企業(yè)的人工智能實(shí)驗(yàn)室大多遇到頂天頂不了、立地又落不下去的困境，希望人工智能界的學(xué)者認(rèn)真總結(jié)經(jīng)驗(yàn)教訓(xùn)，在研究方向選擇上多費(fèi)點(diǎn)心思，爭(zhēng)取獲得讓人眼睛一亮的重大成果。

標(biāo)簽： AI研究 人工智能 生物領(lǐng)域 科學(xué)領(lǐng)域

推薦

財(cái)富更多》

動(dòng)態(tài)更多》

熱點(diǎn)