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

Am 27. März berichtete die Nachrichtenagentur Xinhua, dass das Ministerium für Wissenschaft und Technologie und die Nationale Stiftung für Naturwissenschaften Chinas zur Umsetzung des Nationalen Entwicklungsplans für künstliche Intelligenz der neuen Generation kürzlich Spezielle Einsatzarbeiten zu „KI für die Wissenschaft“

„KI für die Wissenschaft hat das Potenzial, uns an die Spitze der nächsten technologischen Revolution zu bringen.“Mitglied der Chinesischen Akademie der Wissenschaften, Präsident des Beijing Institute of Scientific Intelligence und Leiter der Expertengruppe des Forschungsprogramms „Künstliche Intelligenz der nächsten Generation“ der National Natural Science Foundation ChinasE WeinanMachen Sie eine Vorhersage dazu. ^[1]

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 die bereichsübergreifende Integration von Disziplinen wie Informatik, Datenwissenschaft, Materialwissenschaften, Chemie und Biologie sowie eine tiefergehende theoretische Konstruktion und Algorithmenentwicklung in Grundlagendisziplinen wie Mathematik und Physik“, erinnerte Zhang Linfeng.„Nur wenn uns die relevante Integration gut gelingt, haben wir eine Chance, in der neuen Runde der wissenschaftlichen Revolution die Initiative zu ergreifen.“

Dieses Mal hat mein Land das Forschungs- und Entwicklungssystem für Spitzentechnologie „KI für die Wissenschaft“ eingerichtet, das eng integriert sein wird mitEs werden zentrale Fragen grundlegender Disziplinen wie Mathematik, Physik, Chemie und Astronomie im Hinblick auf den wissenschaftlichen Forschungsbedarf in Schlüsselbereichen wie Arzneimittelentwicklung, genetische Forschung, biologische Züchtung und Entwicklung neuer Materialien behandelt.^[2]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. ^[3]Mit der zunehmenden Integration von künstlicher Intelligenz und wissenschaftlicher Forschung ist ein neues Forschungsfeld entstanden: KI für die Wissenschaft.Und ab 2020 ist dieses aufstrebende Feld in eine Phase konzentrierter Ausbreitung eingetreten.

Im Januar 2021 schlugen Forscher der University of California, San Diego und anderer Institutionen eine Methode namens Methoden des maschinellen Lernens für „Multi-fidelity Materials Graph Networks“,Das KI-Modell sagt die Eigenschaften von Materialien voraus, indem es aus Daten mehrerer 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,Die dreidimensionale Struktur des menschlichen Proteins 98.5% konnte erfolgreich vorhergesagt werden. Die vorhergesagten Ergebnisse weichen nur um eine Atombreite von der tatsächlichen Struktur der meisten Proteine ab und erreichen damit das Niveau, das zuvor durch komplexe experimentelle Beobachtungen wie Kryo-Elektronenmikroskopie vorhergesagt wurde. Im Dezember wurde diese Forschung vom Magazin Nature zum technologischen Durchbruch 2021 gekürt.

Ebenfalls im Juli 2021 schlugen Forscher der University of Washington, der Harvard University und anderer einen Algorithmus zur Vorhersage der Proteinstruktur vor RoseTTAFold,Diese Methode basiert auf Deep Learning. Durch Lernen aus Proteinsequenzinformationen kann die genaue Struktur des Proteins schnell ermittelt werden, 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 Zusammenarbeit mit dem britischen Wetterdienst einen Artikel im Magazin Nature.Anwendung von KI-Technologie zur Niederschlagsvorhersage.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 oben genannten Forschungsleistungen in verwandten Bereichen,Auch die Popularität von KI in der Wissenschaft nimmt in China zu.

Aus politischer SichtBevor das Ministerium für Wissenschaft und Technologie persönlich eingriff, um dies zu unterstützen, definierte der „14. Fünfjahresplan für die Entwicklung der Bioökonomie“ der Nationalen Entwicklungs- und Reformkommission im Mai 2022 die beschleunigte Entwicklung der Hochdurchsatz-Gensequenzierungstechnologie klar als wichtiges Mittel zur Durchführung modernster biotechnologischer Innovationen; unterstützte den Einsatz 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 den Menschen einen größeren Nutzen zu bringen. ^[4]

Aus der Perspektive des Talents,Viele große Namen im KI-Bereich haben sich entschieden, in diesen Bereich zu investieren. Mitte dieses Monats sprach He Kaiming, ein führender Experte im Bereich Lebenslauf, über seine akademische Rede am MIT, in der er sich in Zukunft auf KI für die Wissenschaft konzentrieren würde, insbesondere auf die Integration von Vision und NLP zur Schaffung einer selbstüberwachten X+KI.

Aus der Perspektive der Ergebnisse,Kürzlich hat ein Forschungsteam des Shenzhen Institute of Advanced Technology der Chinesischen Akademie der Wissenschaften erstmals datengesteuerte automatisierte Synthese, robotergestützte steuerbare Synthese und durch maschinelles Lernen unterstütztes inverses Design auf die Synthese kolloidaler Nanokristallmaterialien (wie etwa Perowskit) angewendet und eine „Maschinenwissenschaftler“-Plattform erforscht und konstruiert, die wissenschaftliche Forscher von traditionellen Versuch-und-Irrtum-Experimenten und arbeitsintensiver Charakterisierung befreien, den Fokus auf wissenschaftliche Innovationen 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

Im Gegensatz zur bekannten generativen KI umfasst „KI für die Wissenschaft“ wissenschaftliche Forschungsfelder wie Biopharmazeutika, Energie sowie Materialforschung und -entwicklung. Es kann der Öffentlichkeit nicht ermöglichen, die relevanten Ergebnisse sofort zu erfahren, aber seine beschleunigende Wirkung auf die Spitzenforschung istEs 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 sind künstliche Intelligenz und wissenschaftliche Forschung eng miteinander verknüpft.Es gibt noch drei Herausforderungen, die bewältigt werden müssen:

* Probleme der Mensch-Computer-Interaktion: Der Mechanismus der Zusammenarbeit und die Arbeitsteilung zwischen KI und Wissenschaftlern im wissenschaftlichen Forschungsprozess müssen klarer sein, 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;

* Interdisziplinäre Talente, Wissenschaftler in Fachbereichen und KI-Experten haben ein geringes Maß an gegenseitigem Verständnis und die Barrieren für die gegenseitige Förderung sind immer noch hoch.

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

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