阿爾法狗打敗了人類棋手“阿爾法折疊”們成了科學家助手

劉園園

人工智能不僅僅在改變人們的生活方式，也在改變科學家做研究的方式。

近日，北京大學人民醫院在其官網宣布，該院研究團隊利用人工智能方法協助確定中國及美國初步診斷糖尿病人群的糖尿病分型，為糖尿病的精準治療提供了理論依據。

人工智能學會下圍棋、沖咖啡、打乒乓球就已賺足人氣，干嘛要做協助確定糖尿病分型這種深奧的事情呢？因為，科學家需要它們。

正在成為得力助手

人工智能感興趣的深奧領域，不光是協助醫學專家確定糖尿病分型。

DeepMind公司之前公布的“阿爾法折疊”人工智能系統，就引起不少關注。與“阿爾法狗”不同，“阿爾法折疊”的特長是通過基因序列來預測蛋白質的3D結構。

這可絕非易事。因為DNA信息只告訴科學家蛋白質的基礎構成即氨基酸殘基的序列。氨基酸殘基會形成長長的鏈狀結構，預測這些鏈狀結構如何折疊成蛋白質成了生物學領域的大難題——蛋白質折疊問題。

偏偏預測蛋白質折疊對科學家而言非常有用：不但有助于理解蛋白質形狀在人體中扮演的角色，還有助于診療與蛋白質錯誤折疊有關的疾病，如阿爾茲海默癥、帕金森綜合征等。

傳統做法是靠大量實驗來確定蛋白質結構。DeepMind公司的解決之道是，對深度神經網絡進行訓練，使“阿爾法折疊”能夠根據基因序列數據來預測蛋白質的物理特征，包括蛋白質內部兩個氨基酸之間的距離，以及連接氨基酸化學鍵的角度。最終實現精準預測蛋白質3D結構。

與北京大學人民醫院的科研團隊一樣，不少科研人員開始把人工智能當做得力助手。

北科院北京市計算中心副研究員裴智勇告訴筆者，他已經與一些醫院合作，運用人工智能算法進行了幾項醫學領域的研究。

其中一項研究是判斷腎病病人是糖尿病腎病還是非糖尿病腎病。因為二者雖然都是腎病，但致病機制不同，治療方法也不同。傳統的判斷方法是做腎穿刺，但這種方法比較痛苦，成本也高。裴智勇介紹，他們希望通過憑借一些醫學檢查指標來直接判斷。

“我們構建了一個機器學習模型，運用人工智能算法對病人的幾十種檢查指標進行大數據分析，來預測是糖尿病腎病還是非糖尿病腎病。”裴智勇介紹，在此基礎上，他們又篩選出關鍵指標，最后實現僅憑借8個檢查指標就達到95%的預測準確率。

努力擁抱人工智能

其他領域的科研人員也在努力擁抱人工智能。

南京大學現代工程與應用科學學院教授李濤正嘗試將深度學習算法應用在超構光子技術領域。

“超構光子技術是通過每一個納米結構單元對光的調制來實現特定的光學功能。”李濤介紹，以往在設計納米結構時，需要人工設計一系列復雜的參數。

李濤現在嘗試，將已知的一套參數輸入到深度學習網絡中進行訓練，使其學習參數的規律，然后不斷調試，最終通過深度學習網絡來設計更多的參數。

在李濤看來，當前基于納米結構設計的超構材料光子學提供了調控光場的強大手段，它正逐漸從物理演示走向技術應用。而對于實用化的光學器件，需要滿足諸如工作效率、工作帶寬、成像分辨率、像差和色差等一系列性能參數要求，且不同使用場景對相關參數有不同要求。人工智能算法能大大提高設計效率，在多參數空間的優化上具有巨大的優勢。

“人工智能算法的引入將對超構光子技術發展，乃至變革光學技術的開發，如無標記超分辨成像、無透鏡成像等起到不可估量的推動作用。”李濤說。

南京大學化學化工學院副教授李承輝前不久看到一篇科研論文，介紹如何用人工智能算法來推薦分子的合成路線，這給了他不少啟發。他正在考慮如何用人工智能幫助他做化學研究。

李承輝告訴筆者，他最近發現一種新的分子內成環反應，希望了解這種反應是否在其他分子內也存在。“要檢測這種化學反應是否具有普適性，需要用不同分子做大量實驗才行。”李承輝說，假如能利用人工智能縮小目標范圍，將大大減少他的工作量。

在知道精確結果的前提下，可以通過輸入關鍵字在化學數據庫去搜索相關分子。問題在于，眼下并不知道精確結果。只知道滿足這種化學反應的大致條件，比如分子具有某種特殊的功能團等。因此李承輝期待將人工智能算法引入化學數據庫中：只告訴化學數據庫這種分子的大致特征，讓數據庫去智能搜索、篩選匹配的分子，縮小目標范圍。

幫助科學家在大數據中“采礦”

不過，目前來看，像“阿爾法折疊”這樣針對特定科研領域的人工智能應用鳳毛麟角。普通科學家要想得心應手地用上人工智能這個工具，還是有一定門檻。

人工智能開源算法，是李濤實現想法的途徑。他和學生已經找到一種開源算法，但這種算法對超構光子技術研究而言并非最優，因此需要不斷調試參數才行。

李承輝則打算找人工智能領域的專業人士聊一聊，學習一下怎么將人工智能算法應用到自己的研究當中。

裴智勇則幸運得多。他的研究領域是生物信息學，是將計算機技術應用于生物學領域的交叉學科，因此裴智勇對人工智能算法的關注比較早。在具體應用中，開源的人工智能算法如支持向量機（SVM）和隨機森林等為他提供了不少幫助。

“這些算法本身是開源的，我們只需要根據自己的研究去修改其中的關鍵參數。也就是說，參數訓練是我們團隊自己來做。”裴智勇說。

至于人工智能在科研領域的應用前景，不少人非常看好。

寒武紀公司總裁陳天石在接受筆者采訪時說，人工智能的本質是提供求解問題的方法，比如在非常大的選擇空間當中做出最優選擇。這是科學研究經常會遇到的問題，而人工智能恰恰可以幫助科研人員更快更好地解決此類問題。

“未來的人工智能可能會替代科學家的部分思考過程。”李承輝說，比如在化學領域，人工智能可以基于大數據幫助科研人員分析化學材料的性質、特征，向科研人員提供多種合成路徑作為參考，并推薦低廉合成某種化合物的最優路徑等等。

裴智勇的判斷是，人工智能算法在科研領域的應用會形成一個產業。以基因領域為例，未來的基因組數據積累和增長速度越來越快，靠人工去處理、計算海量數據是遠遠不夠的。這就需要人工智能算法幫助科研人員在大數據中“采礦”，催生有價值的發現。

“人工智能技術迅速更新迭代，僅靠科研人員自己摸索開源算法是不夠的。”裴智勇認為，今后可能會出現不同科研領域的團隊與人工智能領域的團隊合作，前者實現業務層工作，后者實現技術層工作。同時，科研領域可能會涌現出更多“阿爾法折疊”這樣的人工智能應用。