9 가지 방법 AI는 과학을 발전시키는 것입니다

마지막 업데이트 : 2024 년 11 월 22 일

우리는 응용 과학, 인간의 독창성 및 신기술이 인류의 가장 크고 가장 오래된 질문에 대해 밝히고있는 시대에 살고 있습니다. 우리는 종종 과학적 진보를 빠르고 막을 수없는 것으로 생각하지만, 진실은 수십 년 동안 실제로 진보가 느려 졌다는 것입니다. 과학계는 여전히 이러한 둔화의 이유에 대해 토론하고 있지만, 제트기에서 제조 공정에 이르기까지 오늘날의 기술의 대부분은 지난 반세기 동안 크게 변하지 않았습니다.

그러나 최근 몇 년 동안 인공 지능 및 양자 컴퓨팅과 같은 분야의 돌파구는 실제로 과학적 발견의 속도를 높였습니다. 건강 관리 발전에서 플라스틱을 먹는 효소 발견에 이르기까지 우리는 이미 이점을보고 있습니다.

이러한 돌파구는 연구원, 기술자, 정책 입안자, 민사 조직 및 모든 생계의 사람들 간의 수십 년간의 협력의 결과입니다. 그들은 AI가 과학에서 우리의 삶을 크게 향상시키는 방법에 대한 로드맵을 제공합니다.

이를 염두에두고 Royal Society는 Google DeepMind와 파트너십을 맺고 오늘날 과학 포럼의 첫 번째 AI를 주최합니다. 런던에서 열리는이 행사는 과학자, 정책 입안자 및 업계 리더들을 모아 AI가 과학을 변화시킬 수있는 방법과 혁신 주도에서 공공-민간 파트너십의 역할을 탐구합니다.

우리 가이 시점에 어떻게 도달했는지, 다음에 향할 수있는 곳을 이해하려면, 미래의 과학적 진보를위한 길을 열어 준 9 가지 최근의 이정표를 살펴 보겠습니다.

1. 단백질 구조 예측의 50 년 "그랜드 챌린지"해결

수십 년 동안 전문가들은 단백질 접기를 이해하는 것을 "그랜드 챌린지"라고 불렀습니다. 2022 년에 Google DeepMind는 Alphafold 2 모델을 사용하여 2 억 개의 단백질의 예상 구조를 발표했습니다. 그 전에 단일 단백질의 3D 구조를 파악하는 데 1 년이 걸릴 수 있습니다. Alphafold는 놀라운 정확도로 몇 분 안에이를 수행 할 수 있습니다. 이러한 예측을 자유롭게 이용할 수있게함으로써 전세계 과학자들은 이제 신약 개발, 항생제 내성 퇴치 및 플라스틱 오염을 다루는 분야에서 연구 속도를 높일 수 있습니다. 다음 단계 인 Alphafold 3은 모든 생명 분자의 구조와 상호 작용을 예측하여이를 바탕으로합니다.

2. 건강 연구를 지원하기 위해 전례없는 세부 사항으로 인간의 뇌를 드러내는 것

인간의 두뇌는 항상 미스터리였습니다. 10 년간의 Connectomics Research, Google은 Harvard 및 기타의 Lichtman Lab과 함께 그 어느 때보 다 작은 인간 뇌를 매핑했습니다. 2024 년에 출시 된이 프로젝트는 우리가 전에 본 적이없는 뇌의 구조를 보여주었습니다. 각 셀에 대한 AI 생성 주석으로 완성 된 전체 데이터 세트는 이제 공개되어 연구를 가속화하는 데 도움이됩니다.

3. 정확한 홍수 예측으로 생명을 구하십시오

Google이 2018 년에 홍수 예측 프로젝트를 시작했을 때, 많은 사람들은 제한된 데이터로 인해 홍수를 대규모로 정확하게 예측하는 것이 불가능하다고 생각했습니다. 그러나 연구원들은 최대 5 일 전에 미리 uged 유역의 극도의 강변 사건을 예측할 수있는 AI 모델을 개발했으며, 신뢰성은 Nowcast의 신뢰성과 일치하거나 심지어 능가했습니다. 2024 년까지 Google Research는 전 세계적으로 100 개국과 7 억 명의 사람들을 커버하기 위해 이것을 확장했으며, 이전 모델이 5시에 한 것과 같은 7 일 리드 타임에서 동일한 정확도를 제공하도록 모델을 개선했습니다.

4. 소방관이 더 빨리 막을 수 있도록 산불을 발견했습니다.

더 뜨겁고 건조한 기후로 인해 산불이 점점 일반적이고 파괴적이되고 있습니다. 2024 년에 Google 연구는 미국 산림청과 협력하여 AI 모델 및 강의실처럼 작은 산불을 감지하고 추적하도록 설계된 Firesat, AI 모델 및 새로운 글로벌 위성 별자리를 만들었습니다. 20 분 이내에 고해상도 이미지를 이용할 수있게되면, 이는 소방 당국이 더 빠르게 대응하여 생명, 재산 및 천연 자원을 절약 할 수 있도록 도와줍니다.

5. 날씨를 더 빠르고 정확하게 예측합니다

2023 년에 Google Deepmind는 업계 표준 (HRES)보다 최대 10 일 동안 더 정확하고 훨씬 빠르게 날씨를 예측하는 기계 학습 모델 인 Graphcast를 시작했습니다. 그래프 캐스트는 또한 사이클론 경로와 더 정확하게 홍수와 같은 관련 위험을 예측할 수 있으며, 허리케인 리는 전통적인 모델이 3 일 전에 노바 스코샤를 강타 할 것으로 예측했습니다.

6. 수학적 추론의 국경을 전진 시키십시오

AI는 제한된 데이터와 추론 기술로 인해 항상 복잡한 수학으로 어려움을 겪었습니다. 그러나 2024 년에 Google Deepmind는 인간 올림피아드 골드-메달리스트와 가까운 수준에서 복잡한 지오메트리 문제를 해결하는 AI 시스템 인 알파시 메 트리를 도입했습니다. 이것은 AI 성능과보다 진보 된 일반 AI 시스템의 개발에서 큰 발전이었습니다. 후속 모델 인 Alphageometry 2는 알파 루프와 결합하여 지난 25 년 동안 모든 역사적 국제 수학적 올림피아드 (IMO) 기하학적 문제의 83%를 해결했습니다. 이는 AI가 현재의 인간 능력을 넘어서 문제를 추론하고 잠재적으로 해결하는 능력이 증가함에 따라 새로운 지식을 발견하고 검증 할 수있는 시스템에 더 가깝게 나타납니다.

7. Quantum Computing 사용하여 화학 반응성 및 동역학을 정확하게 예측합니다.

UC Berkeley 및 Columbia University와 함께 Google 연구원들은 양자 컴퓨터에서 가장 큰 화학 시뮬레이션을 수행했습니다. 2022 년에 출판 된이 결과는 고전적인 방법과 경쟁 할뿐만 아니라 양자 컴퓨팅과 관련된 일반적인 오류 완화를 요구하지 않았습니다. 이러한 시뮬레이션을 실행하는이 능력은 화학 반응성과 동역학에 대한보다 정확한 예측으로 이어지고 새로운 화학의 적용이 실제 문제를 해결하기위한 길을 열어 줄 것입니다.

8. 재료 과학 가속 및보다 지속 가능한 태양 전지, 배터리 및 초전도 기의 잠재력

2023 년에 Google DeepMind는 시뮬레이션에 따르면 저온에서 380,000 개의 재료를 이미 발견 한 AI 도구 인 GNOME (Graph Networks for Materials Exploration)을 발표했습니다. 우리가 새로운 에너지 솔루션, 가공 전력 및 재료 과학 발전을 찾고있을 때, 이것은 더 나은 태양 전지, 배터리 및 잠재적 초전도기로 이어질 수 있습니다. Google Deepmind는이 기술을 모두에게 액세스 할 수 있도록 Google Deepmind는 오픈 데이터베이스의 재료 프로젝트를 통해 Gnome의 가장 안정적인 예측을 제공했습니다.

9. 핵 융합을 향한 의미있는 단계를 밟고 풍부한 청정 에너지

오래된 말이 "퓨전은 미래의 에너지이며 항상있을 것입니다." 우리의 태양을 포함하여 별을 힘을 얻는 에너지를 활용하는 것은 오랜 도전이었습니다. 2022 년에 Google Deepmind는 핵 융합 반응기 내부의 혈장을 자율적으로 제어 할 수있는 AI를 개발했습니다. EPFL의 스위스 플라즈마 센터와 협력하여 그들은 작동 융합 반응기 내에서 혈장을 안정화하고 형성 할 수있는 최초의 강화 된 학습 시스템을 구축하여 안정적인 융합을 향한 새로운 경로와 모든 사람을위한 풍부한 청정 에너지를 열었습니다.