胡德良/編譯
人工智能
——科學家的學徒
胡德良/編譯

在神經網絡中,每個概念性的實例都可以產生一個節點。為了對輸入數據做出反應,模擬神經元之間的連接會發生變化,而神經網絡則會隨著變化的發生“進行學習”
大數據已經找到了與之相適應的數據處理方式。各個學科領域收集數據的能力都呈現出爆炸式增長——生物學領域的基因組和蛋白質數據庫發展迅猛、天文學領域的巡天測量產生了PB級數據、社會科學領域每天數以百萬計的帖子和微博充斥著互聯網……數據的洪流可以淹沒人類的分析和認知,但是計算機的發展既幫助實現了大數據,也帶來了分析這些大數據所需要的強有力的新工具。
在這場跨越了科學領域諸多學科的革命中,研究人員在數據的洪流中推出了通常以人造神經網絡形式存在的人工智能(AI)。不同于人工智能領域的其他嘗試,“深度學習”系統不需要利用人類專家的知識進行編程。相反,這種系統往往可以通過用于訓練的巨量數據集實現自行學習,直到能夠看到數據集中的模式并發現異常現象,而這些數據集要龐大得多、復雜得多,這是人類難以應付的。
人工智能不僅僅是科學的變革,它還通過智能手機跟你講話,使無人駕駛車輛適應路況,而且還使未來學家感到不安——他們擔心人工智能會導致大規模失業。對于科學家來說,AI的前景是最光明的:人工智能有望主導科學發現的進程。
然而,跟研究生或博士后研究人員不同,神經網絡不能解釋自身的思維:計算機形成的結果是不透明的。因此,人工智能的興起已經產生了有人稱之為“AI神經科學”的領域:努力打開神經網絡的“黑匣子”,讓科學家對神經網絡所帶來的見解建立信心。隨著AI在科學領域的作用越來越重要,理解機器內部的“思維”也變得越來越迫切。一些先驅已經在利用人工智能設計實驗、開展實驗和分析實驗結果了,這展現了全自動化科學的前景。AI這一不知疲倦的學徒可能很快就會變成一個訓練有素的同事!
[資料來源:Science][責任編輯:彥 隱]