首页 / 部分 / 特性 / 人工智能智能的未来

人工智能:智能的未来

人工智能正在重塑我们的生活,也正在给科学带来革命

特性

日期: 2020年4月27日
来源:
魏茨曼杂志第17卷

在每一个科学分支中,研究人员都在一种好东西的重压下屈服:信息。从粒子物理学到遗传学,从细胞生物学到环境化学,新技术正在产生大量的数据集,使得实验结果的解释成为一个重大挑战。幸运的是,新兴的人工智能学科正在产生数学上的“思想伙伴”,它们可以在海量数据中筛选,并揭示几乎肯定会被单独工作的人类大脑忽视的发现。

人工智能到底是什么?

人工智能,简称AI,是机器对人类智能过程的模拟。当麻省理工学院人工智能实验室的创始人马文·明斯基(Marvin Minsky)为斯坦利·库布里克(Stanley Kubrick)的电影《2001:太空漫游》(2001:A Space odysodysde)提供建议时,人工智能还是科幻小说里的东西。但一点一滴(一个字节一个字节)的研究进展已经推动人工智能成为主流。从上世纪90年代末IBM的超级计算机深蓝(Deep Blue)与人类国际象棋冠军加里·卡斯帕罗夫(Garry Kasparov)对决,到2004年美国宇航局(NASA)登陆火星的机器人飞行器,再到今天的声控“个人助理”,如苹果(Apple)的Siri、谷歌Assistant或亚马逊(Amazon)的Alexa,社会已经进入了一种不断发展的人机合作关系,而合同条款仍在制定之中。


当今的“大数据”革命使得与人工智能相关的基础科学变得至关重要。魏茨曼研究所(Weizmann Institute)耗资1亿美元的新旗舰项目“科学发现人工智能企业”(Artificial Intelligence Enterprise for Scientific Discovery)将开发人工智能工具,并确保其与一系列科学领域的整合,同时提供存储、处理和分析数据所需的强大计算能力,这些数据将导致下一个重大发现。

人工智能是一个广泛的概念,用来描述计算机解决以前被认为是人类智能先决条件的任务的方案。在最简单的情况下,类智能行为可以通过简单的定义良好的计算机程序来实现。但更具挑战性的任务需要人工智能系统收集复杂的数据,揭示模式,并做出独立的决定。

与人脑类似,成功的人工智能系统包括传感器、经验和处理记忆数据以做出决策的能力。在人工智能中,传感器用于收集复杂数据,例如视觉图像,或者在生物医学应用中,用于收集遗传和分子数据。接下来,系统必须暴露于大型数据集,例如面部识别或癌症预测,这些数据集的解决方案已经已知。最后,人工智能必须由算法编程代码驱动,使计算机能够发现模式,并根据传感器和过去的经验做出决定。考虑到这些组件,如果人工智能系统的任务被正确定义,它将会做一些相当惊人的事情:它会学习。

越来越强大的计算机有望扩大人工智能的能力。新的算法方法,如受人脑启发的“深度神经网络”技术,将与新兴的多传感器系统结合起来,这些系统能够积累空前规模的数据集。这些发展指向了一个令人兴奋的未来,人工智能将超越想象的极限,并实现其作为人类创造者“思想伙伴”的潜力。

AI在魏茨曼

魏茨曼研究所拥有一些世界上最杰出的计算机科学和神经生物学专家,研究人员正在开发基于人工智能的方法,从药物发现和个性化医疗,到气候建模和环境保护。人工智能在历史上被认为是非计算的领域的应用——比如考古学和教育——正在展示这种系统“标记”重要模式的能力,而这些模式由于其巨大的复杂性,即使是最杰出的人类科学家也会忽视。

在许多使用人工智能的魏茨曼调查人员中,有三个人是魏茨曼教授。Amos Tanay、Ilan Koren教授和Eilam gross教授展示了新兴的人工智能工具如何帮助科学界实现改变世界的发现。

谭乃教授Ilan Koren教授

人工智能与健康

如果我们手头有几十年来所有人的详细健康数据,我们能学到什么?这就是同时在生物调控系和计算机科学与数学系任职的Amos tanay教授想要找到的答案。

电子健康记录的出现取代了传统的手写医疗图表,有助于标准化患者数据的记录方式,使共享和使用临床重要信息变得更容易。Tanay教授正在开发数据访问和操作软件,使“扫描”人口范围的数据成为可能,从而将这一技术提升到一个新的水平。

他是魏茨曼科学研究所和以色列最大的卫生组织Clalit卫生系统之间独特合作的主任。yabo怎么下载Weizmann/Clalit项目(及其由医生兼以色列卫生部前总干事Gabi Barbash教授指导的从工作台到床边的项目)为科学研究提供了20多年的数据,包括400多万以色列公民的实验室测试、治疗和结果的计算机记录。这个基于匿名患者记录的数据存储库正在使用人工智能机器学习协议以及来自新兴数据科学研究领域的见解进行分析。

人工智能在庞大数据集中识别模式的能力帮助Tanay教授和他的同事识别出了以前未被认识到的对人类健康起作用的因素。例如,Tanay教授与免疫学系的Liran Shlush博士合作,建立了一种基于人工智能的急性髓系白血病(AML)早期诊断策略。基于Clalit医疗记录,对AML中反复突变的基因进行深度测序,以及机器学习,科学家们确定了一个独特的基因突变谱,可以准确预测哪些患者会活到健康的晚年,而不会患上这种疾病,这个模型可能被用于在疾病发病前多年识别AML前期风险。

在最近的另一项人工智能成就中,在分子细胞生物学系和计算机科学与数学学系任职的Eran segal教授设计了一种算法,可以在怀孕前预测妊娠糖尿病的风险。这一基于机器学习算法的进步揭示了Clalit数据中具有临床意义的模式,也许有一天,医生可以通过处方生活方式干预来降低高血糖,从而预防特定患者的妊娠糖尿病。

如果塔内教授的方法可行,下一个基于人工智能的健康发现可能会出现在科学家和医生之间更密切的合作中。Tanay团队现在正在对一个新的界面进行最后的修改,该界面将允许没有接受过人工智能或机器学习培训的医生查询Clalit数据库,测试他们的假设,并为他们的病人提供更好、更个性化的护理。

人工智能与气候研究

一种新的基于人工智能的策略,基于三位研究人员的工作,包括地球与行星科学系的Ilan Koren教授,正在使用机器学习来实现对云的形成如何调节地球的能量平衡和水循环,并影响气候的前所未有的理解。

每个气候模型都必须考虑云,但这些数据通常是由卫星收集的,这些卫星捕获的低分辨率图像遗漏了许多小云,只揭示了云系统的最基本属性。另一方面,科伦教授正在开发一种完全不同的云分析方法,在人工智能的帮助下,将产生大量新的气候数据。

科伦教授的策略被称为“云断层扫描”(Cloud Tomography),它利用医学启发的CT算法,使由10颗鞋盒大小的微型卫星组成的协同团队能够收集云层外部和内部3D结构的图像,以及云层内水滴的大小和浓度。一项名为cloudct的科学太空任务将瞄准遥感技术经常忽略的小块云场,并有望解决围绕气候预测的一些未知问题。

卫星进入轨道后,将形成一个绵延数百公里的持续移动和联网的卫星“蜂群”。这些卫星将同时从云场中的各个点收集图像,并将图像传输到地面,使科学家能够获得关于这些云如何影响和响应不断变化的环境条件的3D信息。

在机器学习的帮助下,科伦教授和他的同事们将能够识别非常复杂的相互作用,特别强调能够调节气候的较小的云结构,这些云结构也可能对气候变化非常敏感。新系统有望提高当前气候模型的准确性。

人工智能和宇宙的本质

机器学习方法旨在探索和独立分析大型数据集。如果你正在寻找大型数据集,那么粒子物理学(一门科学家在非常高的能量下检查亚原子粒子行为的学科)是一个很好的起点。

魏茨曼研究所的科学家是ATLAS探测器的杰出领导者,ATLAS探测器是欧洲核子研究中心大型强子对撞机(LHC)的一部分,LHC是世界上最强大的粒子加速器。在大型强子对撞机中,数千块磁铁加速亚原子粒子,使它们以接近光速的速度碰撞。ATLAS探测器每秒发生超过10亿次这样的碰撞,产生大量数据,由全球130个计算中心进行分析。

粒子物理实验产生的复杂数据使世界上最强计算机的数据存储能力不堪重负。人工智能可以通过根据检测到的事件生成实时结果来提供帮助。人工智能架构也可能被训练来识别和保存不符合预期的事件,而不是拒绝它们,这可能会提醒科学家注意那些掌握下一个重大突破的关键现象。

埃拉姆·格罗斯教授是粒子物理和天体物理系的一员,他的大部分科学生涯都致力于ATLAS项目。格罗斯教授是大型强子对撞机最著名成就——发现希格斯玻色子的国际科学家小组的总团队协调员。他现在正在努力应对一项新的挑战:帮助设计算法,在即将升级的ATLAS实验中改善监测和数据分析。这些算法基于深度学习(一种基于人工神经网络的机器学习方法),将实现更快、更有效的数据分析。这将使描述罕见的亚原子事件成为可能,这些事件因为巨大的密度而被忽视——即使是按照ATLAS的标准!-所涉及的数据。

Eilam Gross教授,Yaron Lipman教授

格罗斯教授是人工智能和粒子物理交汇点的世界知名专家,通过与计算机科学与应用数学系的Yaron Lipman教授合作,推动了该领域的发展。科学家们共同开发了一种使用几何深度学习的新方法,通过“标记”感兴趣的粒子来提高探测器的性能。

在另一个项目中,格罗斯教授使用了一种称为卷积神经网络的机器学习,来预测ATLAS探测器的组件中会“沉积”多少某种类型的能量。这一进步使我们更容易将无关紧要的背景噪声与重要的实验结果分离开来。他还使用机器学习协议来识别检测器本身的故障。

人工智能的快速发展让格罗斯教授和他的同事们梦想着在不久的将来可能会发生什么。未来的人工智能平台可能不再使用机器学习在高密度数据中寻找模式,以回答现有的问题,而是能够独立地提出自己的问题,甚至可以进行实验。如果明天的人工智能系统自己问问题,当它们发现答案时,它们的电路会经历“尤里卡时刻”吗?只有时间会告诉我们答案。

Eilam Gross教授得到了Nella and Leon Benoziyo高能物理中心的支持。

Ilan Koren教授得到了de Botton海洋科学中心、Scott Eric Jordan、Scholl博士基金会水与气候研究中心、Sussman家庭环境科学研究中心、Bernard & Norton Wolf家庭基金会的支持。

Yaron Lipman教授得到了欧洲研究委员会的支持。

Amos Tanay教授得到Barry and Janet Lang, Ilana and Pascal Mantoux生物信息学研究所,Edmond de Rothschild基金会,Steven B. Rubenstein白血病和其他血液疾病研究基金,Alice Schwarz-Gardos遗产,Wolfson家族慈善信托基金的支持。