9 способов, как ИИ продвигает науку

Последнее обновление: 22 ноября 2024 г.

Мы живем в эпоху, когда прикладная наука, изобретательность человека и новые технологии проливают свет на некоторые из самых самых старых вопросов человечества. Хотя мы часто думаем о научном прогрессе как о быстром и неудержимым, правда в том, что в течение многих десятилетий прогресс фактически замедлился. Научное сообщество по-прежнему обсуждает причины этого замедления, но большая часть современных технологий-от самолетов до производственных процессов-не сильно изменилась за последние полвека.

Тем не менее, в последние годы прорывы в таких областях, как искусственный интеллект и квантовые вычисления, действительно увеличили темпы научного открытия. От достижений здравоохранения до обнаружения ферментов, которые едят пластик, мы уже видим преимущества.

Эти прорывы являются результатом десятилетий сотрудничества между исследователями, технологами, политиками, гражданскими организациями и людьми из всех слоев общества. Они обеспечивают дорожную карту для того, как ИИ может быть использован в науке, чтобы значительно улучшить нашу жизнь.

Имея это в виду, Королевское общество в партнерстве с Google DeepMind проводит сегодня первый ИИ для научного форума. Это событие в Лондоне объединяет ученых, политиков и лидеров отрасли, чтобы изучить, как ИИ может трансформировать науку и роль государственных частных партнерств в движении инноваций.

Чтобы понять, как мы достигли этой точки и куда мы могли бы направиться дальше, давайте посмотрим на девять недавних вех, которые проложили путь для будущего научного прогресса:

1. Решение 50-летней «грандиозной проблемы» прогнозирования структуры белка

В течение десятилетий эксперты называли понимание белка, складывающего «грандиозный вызов». В 2022 году Google DeepMind выпустила прогнозируемые структуры 200 миллионов белков, используя их модель Alphafold 2. Перед этим выяснение 3D -структуры одного белка может занять более года - алфафол может сделать это за считанные минуты с невероятной точностью. Сделав эти предсказания свободно доступными, ученые по всему миру теперь могут ускорить исследования в таких областях, как разработка новых лекарств, борьба с устойчивостью к антибиотикам и борьбу с пластическим загрязнением. Следующий шаг, Alphafold 3, основан на этом, предсказывая структуру и взаимодействия всех молекул жизни.

2. Раскрытие человеческого мозга в беспрецедентных деталях для поддержки исследований в области здравоохранения

Человеческий мозг всегда был загадкой. После 10 лет исследований Connectomics Google, наряду с лабораторией Lichtman в Гарварде и других, наметил крошечный кусок человеческого мозга более подробно, чем когда -либо прежде. Выпущенный в 2024 году, этот проект показал структуры в мозге, которые мы никогда не видели раньше. Полный набор данных, в комплекте с сгенерированными AI аннотациями для каждой ячейки, теперь является публичным, помогая ускорить исследования.

3. спасение жизней с точным прогнозированием наводнения

Когда Google начал свой проект прогнозирования наводнений в 2018 году, многие думали, что невозможно точно предсказать наводнения в больших масштабах из -за ограниченных данных. Но исследователи разработали модель искусственного интеллекта, которая может предсказать экстремальные речные события в негагентных водосборных бассейнах до пяти дней, с сопоставлением надежности или даже превзойденными в Nowcasts. К 2024 году Google Research расширило это, чтобы охватить 100 стран и 700 миллионов человек по всему миру, и улучшило модель, чтобы предложить ту же точность в семидневном времени заказа, что и предыдущая модель, сделала в пять.

4. Наметить лесной пожары раньше, чтобы помочь пожарным остановить их быстрее

Ледяные пожары становятся все более распространенными и разрушительными из -за более жаркого и более сухого климата. В 2024 году Google Research объединилась с Лесной службой США, чтобы создать Firesat, модель ИИ и новое глобальное спутниковое созвездие, предназначенное для обнаружения и отслеживания лесных пожаров, таких же небольших, как классная комната. Благодаря тому, что образы с более высоким разрешением доступны в течение 20 минут, это поможет пожарным органам реагировать быстрее, потенциально спасая жизни, имущество и природные ресурсы.

5. Прогнозирование погоды быстрее и с более точности

В 2023 году Google DeepMind запустила Graphcast, модель машинного обучения, которая прогнозирует погоду до 10 дней вперед более точно и намного быстрее, чем отраслевой стандарт (HRE). График также может предсказать пути циклонов и связанных с ними связанных рисков, таких как наводнение более точно, и она правильно предсказал, что ураган Ли поразит Новую Шотландию за три дня до традиционных моделей.

6. Продвижение границы математических рассуждений

ИИ всегда боролся со сложной математикой из -за ограниченных данных и навыков рассуждений. Но в 2024 году Google Deepmind представила альфагейпейтрию, систему ИИ, которая решила сложные задачи геометрии на уровне, близком к уровню олимпиада олимпиады человека. Это был большой шаг вперед в производительности искусственного интеллекта и разработке более продвинутых общих систем ИИ. Последующая модель, Alphageometry 2, в сочетании с Alphaproof, решила 83% всех проблем исторической международной математической олимпиады (IMO) за последние 25 лет. Это показывает растущую способность ИИ рассуждать и потенциально решать проблемы, помимо современных возможностей человека, приближая нас к системам, которые могут обнаружить и проверять новые знания.

7. Использование квантовых вычислений для точного прогнозирования химической реактивности и кинетики

Исследователи Google, наряду с Калифорнийским университетом в Беркли и Колумбийском университете, провели крупнейшее химическое моделирование на квантовом компьютере. Опубликованные в 2022 году, эти результаты были не только конкурентоспособны с классическими методами, но и не требовали обычного смягчения ошибок, связанных с квантовыми вычислениями. Эта способность запускать эти моделирования приведет к более точным прогнозам химической реакционной способности и кинетики, прокладывая путь для новых применений химии для решения реальных проблем.

8. Ускорение материаловедения и потенциал для более устойчивых солнечных батарей, батарей и суперпроводников

В 2023 году Google DeepMind анонсировала графические сети для разведки материалов (GNOME), инструмента ИИ, который уже обнаружил 380 000 материалов, стабильных при низких температурах, согласно моделированию. В то время, когда мы ищем новые энергетические решения, обработку мощности и развития материаловедения, это может привести к лучшим солнечным элементам, батареям и потенциальным сверхпроводникам. Чтобы сделать эту технологию доступной для всех, Google DeepMind сделал самые стабильные прогнозы Gnome, доступными в рамках проекта Materials в их открытой базе данных.

9. Сделать значимый шаг к ядерному слиянию - и обильную чистую энергию

Как гласит старая поговорка: «Слияние - это энергия будущего - и всегда будет». Использование энергии, которая поддерживает звезды, в том числе наше солнце, было давним вызовом. В 2022 году Google DeepMind разработал ИИ, который может автономно контролировать плазму внутри ядерного слияния. Работая со швейцарским плазменным центром в EPFL, они построили первую систему подкрепления, способную стабилизации и формированию плазмы в рамках оперативного слияния реактора, открывая новые пути к стабильному слиянию и обильной чистой энергии для всех.