Dialog Mit Hong Liang Von Der Shanghai Jiao Tong University: Es Ist Erfüllender, KI Für Die Wissenschaft Einzusetzen

In den letzten Jahren, als die neue Generation der Informationstechnologie, angeführt von der neuen Infrastruktur, in Tausenden von Branchen erprobt wurde, tauchte die „Zusammenarbeit zwischen Industrie, Universitäten, Forschung und Anwendung“ häufig in Strategiepapieren und Branchenentwicklungsplänen auf. Im diesjährigen Arbeitsbericht der Regierung wurde klar vorgeschlagen, die „Integration von Industrie, Universität, Forschung und Anwendung zu vertiefen“. Der Autor glaubt, dass„Industrie-Universität-Forschung-Anwendung“ kann eigentlich in zwei Bereiche unterteilt werden: Hochschulforschung und Industrieanwendung.Akademische Forschung bezieht sich auf Bildung und wissenschaftliche Forschung, nämlich Talentförderung und wissenschaftliche Forschung; Produktion und Anwendung bezieht sich auf die Implementierung innovativer Technologien in Produktionsverbindungen und tatsächlichen Anwendungsszenarien.

Lange Zeit waren Forschung und Produktion durch eine dichte Trennung voneinander getrennt. Die akademische Gemeinschaft konzentrierte sich auf bahnbrechende Spitzentechnologien, während sich die Industrie auf praktische Schwachstellen beschränkte und „keine Möglichkeit für medizinische Behandlung“ hatte. In der Folgezeit rückte die Bedeutung der Transformation wissenschaftlicher und technologischer Errungenschaften immer stärker in den Vordergrund und es entstand schrittweise eine Brücke der Kommunikation und des Austauschs zwischen Industrie und Forschung. Heute ist eine neue Welle der KI im Aufwind. Es ist nicht nur ein leistungsstarker Helfer für die Industrie bei der Verbesserung von Qualität und Effizienz, sondern gestaltet auch das Paradigma der wissenschaftlichen Forschung schrittweise um. Vor diesem HintergrundDie „Zweiwegebewegung“ zwischen Wissenschaft und Industrie ist zu einem allgemeinen Trend geworden.

einerseits,Industrielle KI-Anwendungen konzentrieren sich eher auf die intelligente Transformation von Geschäftsprozessen und Produktionsmethoden, und vollständig autonome und steuerbare KI-Tools oder -Lösungen sind relativ selten;auf der anderen Seite,Die Entwicklung von KI für die Wissenschaft hat den Fortschritt der wissenschaftlichen Forschung beschleunigt und auch eine große Zahl bahnbrechender und innovativer Ergebnisse hervorgebracht, die dringend mehr reale Daten oder Anwendungsszenarien benötigen, um ihre Machbarkeit zu überprüfen.

Hong Liang, angesehener Professor für naturwissenschaftliche Forschung an der Fakultät für Physik und Astronomie sowie der Fakultät für Pharmazie der Shanghai Jiao Tong University, sagte:„In der heutigen Entwicklungsumgebung sind sich Forscher zunehmend bewusst, dass die Veröffentlichung von Artikeln nicht mehr das einzige Ziel ist und es wichtiger ist, sich auf die Lösung praktischer technischer Probleme zu konzentrieren.“

Die offene Haltung von Professor Hong Liang gegenüber der Integration von Industrie und Forschung spiegelt sich auch in den von ihm organisierten Sommerschulaktivitäten wider. Anders als bei den meisten Schulen, deren Lehrplan sich ausschließlich auf die Präsentation und Weitergabe akademischer Leistungen konzentriert, konzentriert sich die AI for Bioengineering Summer School der Shanghai Jiao Tong University auf das Gebiet des Protein-Engineering. Es wurden nicht nur Experten der Shanghai Jiao Tong University, der Xiamen University, der Fudan University, der Sun Yat-sen University und des Shanghai Artificial Intelligence Laboratory eingeladen, um die neuesten Forschungsfortschritte zu teilen, sondern auch gemeinsam mit Jinsai Pharmaceutical, Weilan Biotechnology und Zhongyuan Huiji der Entwicklungsfortschritt des KI-Bioengineering-Bereichs in der Branche aus Anwendungsperspektive vorgestellt.

Erwähnenswert ist, dass zu den Teilnehmern dieser Sommerschule nicht nur Experten und Wissenschaftler zahlreicher inländischer Universitäten gehören, sondern auch F&E-Mitarbeiter aus fast 30 Unternehmen.Unter ihnen waren Teamleiter und sogar Vorstandsvorsitzende großer Unternehmen. Gemeinsam mit den anwesenden Studierenden hörten sie sich den gesamten dreitägigen Kurs an.Dieses Phänomen ist bei Seminaren zu Spitzentechnologien an Schulen und Forschungsinstituten selten zu beobachten, zeigte sich jedoch bei den Sommerschulaktivitäten der Universitäten und zeigt deutlich, dass die Branche voller Begeisterung für KI ist, insbesondere für „praktische KI“.

Während der Sommerschule hatte HyperAI die Ehre, ein ausführliches Gespräch mit Professor Hong Liang zu führen. Ausgehend von der Entwicklung der KI im Bereich des Protein-Engineerings untersuchte er umfassend die Herausforderungen und Ansätze der Implementierung von KI für die Wissenschaft (AI4S) sowie die Frage, wie KI und Wissenschaft organisch kombiniert werden können.

Entscheidende Transformation, Erwerb eines KI-Abschlusses an der Station B

Tatsächlich hat sich die KI für die Wissenschaft in den letzten zwei Jahren rasant weiterentwickelt. Zunächst haben einige Forschungsgruppen KI-Tools in kleinem Maßstab erkundet und ausprobiert und versucht, die Effizienz der Datenverarbeitung zu verbessern. Heutzutage ist die KI in vielen wissenschaftlichen Forschungsbereichen zum Schlüssel für die Überwindung von Forschungsengpässen geworden und ihre Leistung übertrifft sogar bei vielen technischen Aufgaben die Fähigkeiten menschlicher Experten. Es folgte ein Zustrom von KI-Praktikern in den wissenschaftlichen Forschungsbereich, und Forscher begannen, sich selbst KI beizubringen. Es besteht kein Zweifel, dass der Abbau der Barrieren zwischen KI und Wissenschaft eine große Zahl bemerkenswerter wissenschaftlicher Forschungsergebnisse hervorgebracht hat.Aber nur wenige verlassen tatsächlich das Labor.

In diesem Zusammenhang sagte Professor Hong Liang: „Bei der Umsetzung von AI4S müssen wir es vermeiden, des Kaisers neue Kleider zu weben, denn früher oder später wird dies auffliegen. Deshalb sollten wir dennoch über die Umsetzung nachdenken.“ Er gab zu,„Es wird erfüllender sein, AI4S erfolgreich umzusetzen.“

Professor Hong Liang analysierte den Reiz der AI4S-Implementierung anhand seiner eigenen Erfahrungen weiter. Er war zunächst in der wissenschaftlichen Grundlagenforschung tätig und „konnte sich nur anhand veröffentlichter Artikel vorstellen, wie wissenschaftliche Forschung in der Praxis angewendet werden könnte.“ Als sein Team jedoch erfolgreich die allgemeine künstliche Intelligenz für das Protein-Engineering implementierte und tatsächlich in mehr als 20 Unternehmen eintrat, um sie bei der Forschung und Entwicklung von Proteinprodukten zu unterstützen, und als er sah, wie die auf seinem Computer entworfenen Moleküle in einem 5.000-Liter-Fermentationstank produziert und im wirklichen Leben verwendet wurden,„In diesem Moment war das Glücksgefühl für die Wissenschaftler, die grundlegende wissenschaftliche Forschung betrieben hatten, überwältigend.“

Es ist erwähnenswert, dass derzeitBasierend auf dem selbst entwickelten Protein-Engineering-Pro-Series-Großmodell entwirft das Team Proteinsequenzen direkt basierend auf funktionalen Anforderungen.Wir haben bereits das weltweit erste und zweite Großmodelldesign und die Industrialisierung hochkomplexer Proteinprodukte erreicht.

Wenn es darum geht, als Erster die Industrialisierung im Bereich der Protein-Engineering-Forschung zu realisieren, ist Professor Hong Liang der Ansicht, dass die Plattform, der persönliche akademische Hintergrund, die Forschungsrichtung usw. allesamt entscheidend sind.

Was die Plattform angeht, ist die Shanghai Jiao Tong University, an der er arbeitet, eine Institution, die für ihre Ingenieurstudiengänge bekannt ist. „Ich bin der Schule sehr dankbar, dass sie das Forschungsteam bei der Integration von Industrie, Wissenschaft und Forschung unterstützt.“Die akademische Atmosphäre der Shanghai Jiao Tong University ist insgesamt offen und inklusiv gegenüber Industrie, Wissenschaft und Forschung.Die Schule wird dem Forschungsteam bei der Förderung der Umsetzung der Ergebnisse große materielle und geistige Unterstützung bieten.

Darüber hinaus sind Professor Hong Liangs akademischer Hintergrund und sein tiefes Verständnis der Entwicklungstrends der KI die Eckpfeiler, die ihn dazu veranlasst haben, sich der industriellen Forschung und Entwicklung zuzuwenden.

Er studierte Physik an der University of Science and Technology of China (Bachelor), an der Chinese University of Hong Kong (Master) und an der University of Akron (Doktorat). Seinen Schwerpunkt legte er auf die physikochemischen Eigenschaften, die Dynamik und die Phasenübergänge von Polymeren und Proteinen.

Im Jahr 2010 ging er in die USA, um sein Studium fortzusetzen, und trat dem Oak Ridge National Laboratory als Postdoktorand bei, wo er sich auf die Struktur, Dynamik und Funktion von Proteinen im Bereich der Computerbiologie konzentrierte.Vielleicht war es diese Erfahrung in den Vereinigten Staaten, die den Grundstein für sein zukünftiges Hauptforschungsgebiet – die Proteinfunktion – legte. Im Jahr 2015 kam er als unabhängiger PI an die Shanghai Jiao Tong University, um dort molekularbiophysikalische Forschung zu betreiben.

Im Jahr 2016 besiegte AlphaGo den südkoreanischen Go-Champion Lee Jae-seok, wurde berühmt und zeigte der Welt die Fähigkeiten der KI. Im Jahr 2018 kam AlphaFold aus dem Nichts und versetzte die Biologie in einen gewaltigen Schock. Professor Hong Liang begann darüber nachzudenken, wie er seine Forschungsrichtung mit KI kombinieren könnte.

Der eigentliche Wendepunkt kam Ende 2019, als die COVID-19-Pandemie wütete. Zu Hause besuchte er den KI-Kurs, der von Professor Li Hongyi von der National Taiwan University auf Bilibili veröffentlicht wurde, und vertiefte sich tief in diese scheinbar mysteriöse neue Technologie.Obwohl er scherzte, dass er „einen KI-Abschluss von Bilibili bekommen habe“, vermittelten ihm diese 80 Kurse ein klareres Verständnis von KI.Dann habe ich mich entschieden für AI for Science entschieden.

„Wenn sich die Technologie einer Industrie ändert, unterliegt dies nicht dem persönlichen Willen.“Angesichts der unaufhaltsamen KI-Revolution begann Professor Hong Liang im Jahr 2020, KI, Computertechnik und Nassexperimente zu kombinieren, um Proteindesignforschung zu betreiben. Von der Physik zur Chemie, dann von der Chemie zur Biologie entschied er sich für das Studium der Proteinfunktion und des Proteindesigns und schließlich von Nassexperimenten zur Computertechnik und künstlichen Intelligenz. Man kann sagen, dass er dem Rhythmus der technologischen Sprünge folgte und jeden Schritt auf die Erde mitnahm, bis er das Team schließlich mit experimentellen Ergebnissen aus dem Labor führen konnte.

Der Autor glaubt, dass dies eine wahre Darstellung von „Vorbereitung ist der Schlüssel zum Erfolg“ ist, aber Professor Hong Liang lachte und sagte:„Ich habe ziemliches Glück.“

Als Forscher im Bereich der Naturwissenschaften hat er sich aktiv mit KI beschäftigt und begann mit allgemeinem Wissen, um ihre Mechanismen zu verstehen. Dies legte den Grundstein für seine Erforschung von AI4S, während bei der Wahl der Forschungsrichtung eher Glück im Spiel war. „Nachdem ich mich entschieden hatte, an der KI für das Protein-Engineering zu arbeiten, wählte ich die Funktion aus den drei Richtungen Strukturvorhersage, Dynamik und Funktion.“Er gab zu, dass es „kein Produkt ohne Funktion gibt“.

Doch diese Entscheidung ist tatsächlich sehr mutig und voller Unsicherheit. „Auch wenn ein Produkt ausgefeilt ist, kann es sein, dass es nicht für die industrielle Fertigung geeignet ist.“ Doch Professor Hong Liang war damals genau 39 Jahre alt, also zwischen Dreißig und Vierzig, und er hatte noch immer seine Leidenschaft für den Kampf und den Mut, neu anzufangen.

„Ich war damals 39 Jahre alt und konnte es immer noch versuchen. Hätte ich versagt, hätte ich ein paar Jahre damit verschwendet, eine neue Richtung einzuschlagen und es noch einmal zu versuchen. Zum Glück hatten wir Glück und haben es schließlich geschafft.“ Aus technischer Sicht„Es ist auch eine Art Glück, dass die Datenstruktur und das Datenvolumen im Bereich der Wissenschaft mit dem technologischen Fortschritt der KI mithalten können.“

Obwohl er den Erfolg der Industrialisierung dem Glück zuschrieb, gibt es auch eine Analyse des Entwicklungstrends von AI4S. Als er beispielsweise sah, dass AlphaFold auf dem Gebiet der Proteinstrukturvorhersage einen solchen Erfolg erzielt hatte und dass ein Unternehmensgigant wie Google dahinter stand und es unterstützte, war er von dieser bahnbrechenden wissenschaftlichen Errungenschaft sehr begeistert. Doch nach reiflicher Überlegung und umfassender Betrachtung der Grundlagen und Stärken seines eigenen Teams,Nachdem er festgestellt hatte, dass er auf dem Gebiet der Proteinstrukturvorhersage nicht überleben konnte, gab er diese Forschungsrichtung entschieden auf.

Finale,Aufgrund seiner eigenen Stärken hat sich Professor Hong Liang für das Fachgebiet der allgemeinen künstlichen Intelligenz im Protein-Engineering entschieden.Eine Besonderheit dieses Forschungsgebiets besteht darin, dass Proteinfunktionsdaten nicht standardisiert werden können. Für Forscher, die sich ausschließlich auf die Informatik konzentrieren, ist dies eine Herausforderung, die sie nur schwer auf einmal bewältigen können. Nur Experten mit fundierten Kenntnissen auf dem jeweiligen Gebiet können durch die kontinuierliche Wiederholung von „Nassexperimenten“ im Labor Fortschritte erzielen.

Glücklicherweise gelang es dem Forschungsteam von Professor Hong Liang, auf der Grundlage seiner jahrelangen Erfahrung im interdisziplinären Feld der Informatik und Proteine, auf diesem Gebiet „die Barriere zu durchbrechen“ und als erste das Krabbenfleisch zu probieren.

AI4S: KI sollte die Wissenschaft respektieren und die Wissenschaft sollte KI selbstständig erlernen

Es besteht kein Zweifel, dass der Erfolg von AlphaFold die Entwicklung von AI4S stark gefördert und inspiriert und das Eis zwischen KI und Wissenschaft auf einen Schlag gebrochen hat. Allerdings steckt die aktuelle Entwicklung von AI4S noch in den Kinderschuhen und beide Seiten haben noch kein universelles Kooperationsmodell erkundet.Die Branche hat auch darüber nachgedacht: KI für die Wissenschaft – wird sie von KI oder von Wissenschaft geleitet?

Obwohl die Branche nach interdisziplinären Forschungstalenten in den Bereichen KI und traditionelle wissenschaftliche Forschung verlangt, ist ihr Wachstumszyklus vorstellbar und man kann sagen, dass man sie zwar antreffen, aber nicht anstreben kann. Die Effizienz und Designinnovation von Forschern im KI-Bereich bei der Modellkonstruktion, Framework-Optimierung usw. ist für wissenschaftliche Forscher oft schwer aufzuholen, während die präzise Positionierung und Analyse wissenschaftlicher Probleme in vertikalen Feldern durch wissenschaftliche Forscher für die KI nur schwer schnell zu erreichen ist.

Im Vergleich dazu glaubt Professor Hong Liang, dassDer Kern der KI für die Wissenschaft liegt in der Wissenschaft. Bevor KI-Lösungen vorgeschlagen werden können, müssen zunächst wissenschaftliche oder technische Probleme definiert werden.

Professor Hong Liang nahm das Teammodell von DeepMind als Beispiel. Sein Expertenteam deckt sowohl traditionelle wissenschaftliche Forschungsfelder als auch Datenwissenschaft und Informatik ab und schließt so einen geschlossenen Kreislauf von der wissenschaftlichen Problemidentifizierung bis zur Entwicklung von KI-Methoden. Ähnlich verhält es sich mit der Teambildung seiner Forschungsgruppe. „Im Jahr 2020 konnten wir mehrere Informatikstudenten zusammenbringen, um mit uns an KI für das Protein-Engineering zu arbeiten. Nach der endgültigen Implementierung hatten sie selbst ein neues Verständnis von AI4S und verspürten ein großes Erfolgserlebnis.“Die Forschungsgruppe von Hong Liang hat derzeit auch Talente auf den Gebieten der CS und des Protein-Engineering rekrutiert, um gemeinsame Forschungsarbeiten durchzuführen.

In der Praxis stellte Dr. Zhou Bingxin, ein Kernmitglied des Teams, vor, dass auch Studenten im Informatikbereich Ideen einbringen und versuchen würden, mithilfe von KI eine traditionelle wissenschaftliche Forschungsmethode zu optimieren. Zu diesem Zeitpunkt würde CS die Führung bei den Machbarkeitsdiskussionen übernehmen. In ähnlicher Weise würden auch Studierende der Fachrichtung Protein-Engineering die von ihnen gefundenen wissenschaftlichen Probleme klar beschreiben und nach Lösungen durch KI suchen. Zu diesem Zeitpunkt würde die Wissenschaft die Führung bei der gemeinsamen Suche nach innovativen Methoden übernehmen.

Professor Hong Liang und sein Team haben die Inklusivität dieses Wissenschaftsbereichs eindrucksvoll unter Beweis gestellt. Gleichzeitig schlug er vor, dass Forscher in traditionellen Bereichen, insbesondere die Leiter von Forschungsgruppen, KI selbstständig erlernen sollten.„Der Teamleiter ist wie ein Geschäftsinhaber. Die Umstellung von der traditionellen wissenschaftlichen Forschung auf AI4S ist wie eine strategische Transformation innerhalb des Unternehmens. Sie erfordert die Etablierung von Projekten. Es ist sehr gefährlich, wenn die verantwortliche Person keine Ahnung von neuen Produkten und Technologien hat.“

Er sagte jedoch auch offen, dass derzeit nicht alle Forschungsrichtungen mithilfe von KI Durchbrüche erzielen könnten, die aktuelle nationale Politik jedoch darauf abziele, dass KI verschiedene wissenschaftliche Forschungsfelder „beeinflusse“. Ich hoffe, dass Lehrkräfte im naturwissenschaftlichen Bereich, insbesondere junge Lehrkräfte, den Mut haben, es zu versuchen. Wenn sie das Glück haben, eine Forschungsrichtung zu finden, die bahnbrechende Fortschritte bringen kann, wird dies, sobald die Methodik durchbrochen ist, einen enormen Beitrag für das Fachgebiet leisten.

Allerdings muss man bedenken, dass eine erfolgreiche Wirkung nicht bedeutet, dass die Branche auch umgesetzt werden kann.

So ist etwa die Anwendung von KI im Bereich der Forschung und Entwicklung neuer Medikamente in vollem Gange. Von wissenschaftlichen Forschungseinrichtungen bis hin zu Unternehmen, von der Forschung bis hin zu klinischen Studien wurden enorme personelle und finanzielle Ressourcen investiert. Viele Start-ups sind sogar gestorben und aufgelöst worden, bevor sie überhaupt ihren Durchbruch erlebt hatten. Es genügt zu sehen, dass„Die Closed-Loop-Zeit für die KI-basierte Arzneimittelentwicklung ist zu lang.“Professor Hong Liang erklärte: „Die Computerbiologie (Physical Computing + KI) hilft Forschern oft hauptsächlich dabei, In-vitro-Experimente (molekulare oder zelluläre) zu bestimmen. Die Korrelation zwischen diesen In-vitro-Experimenten und den Ergebnissen von Tierversuchen kann jedoch sehr gering sein. Selbst wenn die Ergebnisse von Tierversuchen gut sind, bedeutet das nicht, dass klinische Studien ein gutes Feedback liefern können.“

Dies ist auch der Grund,Sein Team konzentriert sich stärker auf die Forschungsrichtung der Enzymfunktion.„Molekulare Experimente liefern die endgültigen Ergebnisse und können in einem geschlossenen Kreislauf schnell überprüft werden. Die Forschung und Entwicklung exzellenter Enzymprodukte kann in vielen Bereichen wie der Lebensmittel- und Getränkeindustrie, der Schönheits- und Hautpflege, der Wasch- und Textilindustrie, der Biomedizin usw. erhebliche Vorteile bringen und direkt zum wichtigsten Schlachtfeld der Volkswirtschaft beitragen.“

Tatsächlich hoffen neben wissenschaftlichen Forschungsteams wie Professor Hong Liang, die sich aktiv mit AI4S befassen, auch Forschungsteams im KI-Bereich, große Fortschritte im Bereich AI4S zu erzielen. Man kann sich jedoch vorstellen, auf welche technischen Hindernisse sie stoßen werden. In diesem ZusammenhangDer Rat von Professor Hong Liang lautet: „Finden Sie die richtige Forschungsrichtung und zeigen Sie nicht nur Ihre Fähigkeiten oder wenden Sie große Modelle mechanisch an.“

Konkret glaubt er, dass „Leute im KI-Bereich, die AI4S betreiben wollen, zunächst ein Forschungsfeld finden müssen, in dem Eingabe- und Ausgabedaten standardisiert und strukturiert werden können, und nicht imaginäre wissenschaftliche Probleme.“ Genau hierin liegt der Vorteil der Wissenschaftler: „Bei der Forschung mit Funktionen lassen sich die Daten nur schwer standardisieren und erfordern experimentelle Iterationen. Wenn KI eingesetzt werden kann, um die experimentellen Kosten zu senken, und dies mit einem tiefen Verständnis wissenschaftlicher Probleme einhergeht, wird dies einen enormen Beitrag zur Entwicklung der Branche leisten.“

Abschluss

Während des Interviews mit Professor Hong Liang erwähnte er „Glück“ mehr als einmal. Meiner Meinung nach ist es „Zeit, Glück und Schicksal, und das ist nichts, was ich kontrollieren kann.“ Wer jedoch Chancen wirklich ergreifen kann, muss über vorausschauende Erkenntnisse, effiziente Umsetzung und den Mut verfügen, es zu versuchen und zu scheitern. Dies spiegelt sich auch in jeder Entscheidung von Professor Hong Liang wider, und er entschied sich schließlich für KI zur Proteintechnik. Ich freue mich darauf, dass er und sein Team greifbarere Ergebnisse liefern.

Empfehlen Sie abschließend eine wissenschaftliche Tätigkeit! Klicken Sie auf das Bild für weitere Details ↓