Der Science-AI-Boom Ist Da, Und Das Ministerium Für Wissenschaft Und Technologie Hat Wichtige Maßnahmen Ergriffen

Generative KI boomt. Wie kann China im KI-Zeitalter andere Länder überholen? Als Reaktion darauf gab das Ministerium für Wissenschaft und Technologie eine persönliche Antwort: die Einführung des Sondereinsatzes von KI für die Wissenschaft. Es ist absehbar, dass eine neue Welle der KI für die Wissenschaft bevorsteht.

Am 27. März berichtete die Nachrichtenagentur Xinhua, dass das Ministerium für Wissenschaft und Technologie zur Umsetzung des nationalen „Entwicklungsplans für künstliche Intelligenz der neuen Generation“ zusammen mit der Nationalen Stiftung für Naturwissenschaften Chinas vor kurzem die Sondereinsatzarbeiten „Künstliche Intelligenz getriebene wissenschaftliche Forschung“ (KI für die Wissenschaft) gestartet habe.

„KI für die Wissenschaft hat das Potenzial, uns an die Spitze der nächsten Runde der wissenschaftlichen und technologischen Revolution zu bringen“, prognostizierte Ou Weinan, Mitglied der Chinesischen Akademie der Wissenschaften, Präsident des Beijing Institute of Scientific Intelligence und Leiter der Expertengruppe des großen Forschungsprogramms „Künstliche Intelligenz der nächsten Generation“ der National Natural Science Foundation Chinas.

Wie kann die neue Runde der wissenschaftlichen Revolution andere überholen?

Zhang Linfeng, stellvertretender Direktor des Beijing Institute of Scientific and Intelligent Technology sowie Gründer und Chefwissenschaftler von Deepin, ist davon überzeugt, dass das größte Merkmal der wissenschaftlichen Forschung auf Basis künstlicher Intelligenz darin besteht, dass sie Menschen aus unterschiedlichen Disziplinen und mit unterschiedlichem Hintergrund auf beispiellose Weise miteinander verbindet. „KI für die Wissenschaft ist ein Prozess der umfassenden Umstrukturierung von Disziplinen und Wissenssystemen. Er erfordert nicht nur die übergreifende Integration von Disziplinen wie Informatik, Datenwissenschaft, Materialwissenschaften, Chemie und Biologie, sondern auch eine tiefergehende theoretische Konstruktion und Algorithmenentwicklung in Grundlagendisziplinen wie Mathematik und Physik.“ Zhang Linfeng erinnerte: „Nur wenn die entsprechende Integration gut gelingt, haben wir die Möglichkeit, in der neuen Runde der wissenschaftlichen Revolution die Initiative zu ergreifen.“

Dieses Mal wird der Aufbau des Forschungs- und Entwicklungssystems für Spitzentechnologien im Bereich „KI für die Wissenschaft“ in meinem Land Schlüsselthemen in grundlegenden Disziplinen wie Mathematik, Physik, Chemie und Astronomie eng integrieren und sich auf den wissenschaftlichen Forschungsbedarf in Schlüsselbereichen wie Arzneimittelentwicklung, genetische Forschung, biologische Züchtung und Entwicklung neuer Materialien konzentrieren. In diesem Zusammenhang erklärte Xu Bo, Direktor des Instituts für Automatisierung der Chinesischen Akademie der Wissenschaften, dass die Entwicklung neuer Medikamente, die genetische Forschung, die biologische Züchtung, die Forschung und Entwicklung neuer Materialien und andere Bereiche wichtige Richtungen seien, in denen die Kombination von künstlicher Intelligenz und wissenschaftlicher Forschung dringend erforderlich sei, hervorragende Fortschritte erzielt worden seien und repräsentativ sei.

Beispielsweise können künstliche Intelligenzmodelle, die auf biologischen Mechanismen, krankheits- und arzneimittelbezogenen Daten sowie verschiedenen pharmazeutischen Eigenschaften von Medikamenten basieren, die Sicherheit und Wirksamkeit neuer Medikamente vorhersagen. Mithilfe künstlicher Intelligenz können der Personal-, Material- und Zeitaufwand für Forschung und Entwicklung reduziert und so die Erfolgsquote der Arzneimittelforschung und -entwicklung verbessert werden. Wenn künstliche Intelligenz die Forschung und Entwicklung neuer Materialien unterstützt, kann sie computergestützte Simulationsmethoden für Materialien auf mehreren Skalen, wie etwa auf elektronischer und molekularer Ebene, koppeln, schnell neue Materialzusammensetzungen und -konfigurationen prüfen, die die Zielleistung erfüllen, und den Forschungs- und Entwicklungszyklus sowie die Kosten neuer Materialien und Geräte verkürzen.

Das neue Schlachtfeld der KI: traditionelle wissenschaftliche Forschung

In den letzten Jahren wurde künstliche Intelligenz zunächst im Bereich der wissenschaftlichen Forschung eingesetzt. Immer mehr Wissenschaftler entwickeln oder übernehmen ausgereifte Algorithmen der künstlichen Intelligenz, um die wissenschaftliche Forschung zu unterstützen, etwa bei Data-Mining-Analysen, Modellierungen, Simulationen und Prognosen. Dadurch wird die Entdeckung neuer Gesetze und Modelle in den Naturwissenschaften beschleunigt, wiederholte manuelle Arbeit reduziert, die Genauigkeit wissenschaftlicher Entdeckungen verbessert und die Arbeitseffizienz wissenschaftlicher Forscher deutlich gesteigert. Mit der zunehmenden Integration von künstlicher Intelligenz und wissenschaftlicher Forschung ist das neue Forschungsfeld „KI für die Wissenschaft“ entstanden, und seit 2020 befindet sich dieses neue Feld in einer Phase konzentrierter Ausbreitung.

Im Januar 2021 schlugen Forscher der University of California, San Diego und anderer Institutionen eine maschinelle Lernmethode namens „Multi-fidelity Materials Graph Networks“ vor, die die Eigenschaften von Materialien durch KI-Modelle vorhersagt, indem sie Daten aus mehreren Mess- und Simulationsquellen lernt. Mit dieser Methode lässt sich ein präziseres „Materialeigenschaftsmodell“ mit universeller Bedeutung erstellen, das Wissenschaftlern dabei hilft, Materialien mit Forschungspotenzial zu prüfen.

Im Juli 2021 veröffentlichte DeepMind AlphaFold 2, das die dreidimensionale Struktur menschlicher Proteine mit einer Präzision von 98,5% erfolgreich vorhergesagt hat. Die vorhergesagten Ergebnisse unterscheiden sich nur um ein Atom von der tatsächlichen Struktur der meisten Proteine und erreichen das Niveau, das zuvor durch komplexe experimentelle Beobachtungen wie Kryo-Elektronenmikroskopie vorhergesagt wurde. Im Dezember wurde diese Forschung vom Magazin Nature zum technologischen Durchbruch des Jahres 2021 gekürt.

Ebenfalls im Juli 2021 schlugen Forscher der University of Washington, der Harvard University und anderer den Algorithmus RoseTTAFold zur Vorhersage von Proteinstrukturen vor. Diese Methode basiert auf Deep Learning und kann durch Lernen aus Proteinsequenzinformationen schnell die genaue Struktur von Proteinen generieren, wodurch der Zeit- und Arbeitsaufwand für experimentelle Messungen mit herkömmlichen Methoden reduziert wird. Der Algorithmus ist jetzt Open Source.

GitHub-Adresse:

https://github.com/RosettaCommons/RoseTTAFold

Im Oktober 2021 veröffentlichte DeepMind in der Zeitschrift Nature einen Artikel über die Anwendung von KI-Technologie zur Niederschlagsvorhersage in Zusammenarbeit mit dem britischen Wetterdienst. Mithilfe eines tiefen generativen Modells können Forscher die Niederschlagsbedingungen in einem Gebiet von 1536 km × 1280 km 5 bis 90 Minuten im Voraus vorhersagen. Im Vergleich zu anderen Methoden weist das vorgeschlagene Modell im Fall von 89% die höchste Genauigkeit und Nützlichkeit auf.

Zusätzlich zu den im Ausland in den oben genannten verwandten Bereichen erzielten Forschungsergebnissen nimmt auch die Popularität von KI für die Wissenschaft in China zu.

Aus politischer Sicht wurde die beschleunigte Entwicklung der Hochdurchsatz-Gensequenzierungstechnologie bereits im Mai 2022 im „14. Fünfjahresplan zur Entwicklung der Bioökonomie“ der Nationalen Entwicklungs- und Reformkommission klar als wichtiges Mittel zur Umsetzung modernster biotechnologischer Innovationen definiert, bevor das Ministerium für Wissenschaft und Technologie persönlich eingriff, um dies zu unterstützen. Unterstützung des Einsatzes von Informationstechnologien wie künstlicher Intelligenz, um eine präzise Forschung und Entwicklung in der Pharmaindustrie zu erreichen und so durch die Integration von Biotechnologie und Informationstechnologie einen größeren Nutzen für die Menschen zu erzielen.

Aus Talentsicht haben sich viele große Namen im KI-Bereich entschieden, diesem Bereich beizutreten. Mitte dieses Monats sprach He Kaiming, ein führender Experte im Bereich Lebenslauf, über seine akademische Rede am MIT, in der er über den zukünftigen Schwerpunkt auf KI für die Wissenschaft sprach, insbesondere über die Integration von Vision und NLP zur Schaffung einer selbstüberwachten X+KI.

Aus der Perspektive der Ergebnisse hat ein Forschungsteam des Shenzhen Institute of Advanced Technology der Chinesischen Akademie der Wissenschaften vor Kurzem zum ersten Mal datengesteuerte automatisierte Synthese, robotergestützte steuerbare Synthese und durch maschinelles Lernen unterstütztes inverses Design für die Synthese kolloidaler Nanokristallmaterialien (wie etwa Perowskit) eingesetzt und eine „Maschinenwissenschaftler“-Plattform erforscht und konstruiert, die wissenschaftliche Forscher von traditionellen Versuch-und-Irrtum-Experimenten und arbeitsintensiver Charakterisierung befreien, den Fokus auf wissenschaftliche Innovation legen und eine digitale intelligente Herstellung von Nanokristallmaterialien ermöglichen soll.

Am 2. März 2023 wurde die Forschung in Nature Synthesis unter dem Titel „Eine Roboterplattform für die Synthese kolloidaler Nanokristalle“ veröffentlicht.

Link zum Artikel:

https://www.nature.com/articles/s44160-023-00250-5

KI für die Wissenschaft: Chancen und Herausforderungen

Anders als die jedem bekannte generative KI umfasst „KI für die Wissenschaft“ wissenschaftliche Forschungsfelder wie Biopharmazeutika, Energie sowie Materialforschung und -entwicklung. Die Öffentlichkeit kann die relevanten Ergebnisse zwar nicht sofort erfahren, doch sein beschleunigender Effekt auf die Spitzenforschung wird grundlegendere und weitreichendere Auswirkungen auf die menschliche Gesellschaft und die wirtschaftliche Entwicklung haben.

Allerdings muss auch beachtet werden, dass der umfassende und tiefgreifende Innovationswert der KI für die Wissenschaft auch mit weitaus höheren Implementierungshürden verbunden ist als bei herkömmlichen KI-Anwendungen. Laut dem Bericht „Top Ten Technology Trends 2022“ der Alibaba DAMO Academy muss sich die tiefgreifende Integration von künstlicher Intelligenz und wissenschaftlicher Forschung noch immer auf die Lösung von drei Herausforderungen konzentrieren:

• In Bezug auf die Mensch-Computer-Interaktion müssen der Kollaborationsmechanismus und die Arbeitsteilung zwischen KI und Wissenschaftlern im wissenschaftlichen Forschungsprozess klarer definiert werden, um eine enge interaktive Beziehung aufzubauen.
• Erklärbarkeit von KI: Wissenschaftler benötigen klare Ursache-Wirkungs-Beziehungen, um wissenschaftliche Theorien zu entwickeln, und KI muss leichter verständlich sein, um ein Vertrauensverhältnis zwischen Wissenschaft und KI aufzubauen.
• Zwischen interdisziplinären Talenten, Fachwissenschaftlern und KI-Experten besteht ein geringes Maß an gegenseitigem Verständnis und die Hürden für eine gegenseitige Förderung sind nach wie vor hoch.

Bemerkenswert ist, dass der Bericht auch vorhersagt, dass die Technologie der künstlichen Intelligenz in den nächsten drei Jahren in den angewandten Wissenschaften breite Anwendung finden und in einigen technischen Wissenschaften zu einem Forschungsinstrument werden wird.

Referenzartikel:

[1]https://baijiahao.baidu.com/s?id=1761512222605101709&wfr=spider&for=pc

[2]https://new.qq.com/rain/a/20221230A04ZWS00

[3]https://www.ncsti.gov.cn/kjdt/kjrd/202112/P020211231640762390337.pdf

[4] Die zehn wichtigsten Technologietrends der Damo Academy im Jahr 2022