人工智能不僅僅在改變?nèi)藗兊纳罘绞剑苍诟淖兛茖W家做研究的方式。

近日，北京大學人民醫(yī)院在其官網(wǎng)宣布，該院研究團隊利用人工智能方法協(xié)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(jù)。

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(xié)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(lǐng)域，不光是協(xié)助醫(yī)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(tǒng)，就引起不少關(guān)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(yù)測蛋白質(zhì)的3D結(jié)構(gòu)。

這可絕非易事。因為DNA信息只告訴科學家蛋白質(zhì)的基礎(chǔ)構(gòu)成即氨基酸殘基的序列。氨基酸殘基會形成長長的鏈狀結(jié)構(gòu)，預(yù)測這些鏈狀結(jié)構(gòu)如何折疊成蛋白質(zhì)成了生物學領(lǐng)域的大難題——蛋白質(zhì)折疊問題。

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

傳統(tǒng)做法是靠大量實驗來確定蛋白質(zhì)結(jié)構(gòu)。DeepMind公司的解決之道是，對深度神經(jīng)網(wǎng)絡(luò)進行訓練，使“阿爾法折疊”能夠根據(jù)基因序列數(shù)據(jù)來預(yù)測蛋白質(zhì)的物理特征，包括蛋白質(zhì)內(nèi)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(xiàn)精準預(yù)測蛋白質(zhì)3D結(jié)構(gòu)。

與北京大學人民醫(yī)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科技日報記者，他已經(jīng)與一些醫(yī)院合作，運用人工智能算法進行了幾項醫(yī)學領(lǐng)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(tǒng)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(yī)學檢查指標來直接判斷。

“我們構(gòu)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(shù)據(jù)分析，來預(yù)測是糖尿病腎病還是非糖尿病腎病。” 裴智勇介紹，在此基礎(chǔ)上，他們又篩選出關(guān)鍵指標，最后實現(xiàn)僅憑借8個檢查指標就達到95%的預(yù)測準確率。

努力擁抱人工智能

其他領(lǐng)域的科研人員也在努力擁抱人工智能。

南京大學現(xiàn)代工程與應(yīng)用科學學院教授李濤正嘗試將深度學習算法應(yīng)用在超構(gòu)光子技術(shù)領(lǐng)域。

“超構(gòu)光子技術(shù)是通過每一個納米結(jié)構(gòu)單元對光的調(diào)制來實現(xiàn)特定的光學功能。”李濤介紹，以往在設(shè)計納米結(jié)構(gòu)時，需要人工設(shè)計一系列復(fù)雜的參數(shù)。

李濤現(xiàn)在嘗試，將已知的一套參數(shù)輸入到深度學習網(wǎng)絡(luò)中進行訓練，使其學習參數(shù)的規(guī)律，然后不斷調(diào)試，最終通過深度學習網(wǎng)絡(luò)來設(shè)計更多的參數(shù)。

在李濤看來，當前基于納米結(jié)構(gòu)設(shè)計的超構(gòu)材料光子學提供了調(diào)控光場的強大手段，它正逐漸從物理演示走向技術(shù)應(yīng)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(shù)要求，且不同使用場景對相關(guān)參數(shù)有不同要求。人工智能算法能大大提高設(shè)計效率，在多參數(shù)空間的優(yōu)化上具有巨大的優(yōu)勢。

“人工智能算法的引入將對超構(gòu)光子技術(shù)發(fā)展，乃至變革光學技術(shù)的開發(fā)，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(fā)。他正在考慮如何用人工智能幫助他做化學研究。

李承輝告訴科技日報記者，他最近發(fā)現(xiàn)一種新的分子內(nèi)成環(huán)反應(yīng)，希望了解這種反應(yīng)是否在其他分子內(nèi)也存在。“要檢測這種化學反應(yīng)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(jié)果的前提下，可以通過輸入關(guān)鍵字在化學數(shù)據(jù)庫去搜索相關(guān)分子。問題在于，眼下并不知道精確結(jié)果。只知道滿足這種化學反應(yīng)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(shù)據(jù)庫中：只告訴化學數(shù)據(jù)庫這種分子的大致特征，讓數(shù)據(jù)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(shù)據(jù)中“采礦”

不過，目前來看，像“阿爾法折疊”這樣針對特定科研領(lǐng)域的人工智能應(yīng)用鳳毛麟角。普通科學家要想得心應(yīng)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(xiàn)想法的途徑。他和學生已經(jīng)找到一種開源算法，但這種算法對超構(gòu)光子技術(shù)研究而言并非最優(yōu)，因此需要不斷調(diào)試參數(shù)才行。

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

裴智勇則幸運得多。他的研究領(lǐng)域是生物信息學，是將計算機技術(shù)應(yīng)用于生物學領(lǐng)域的交叉學科，因此裴智勇對人工智能算法的關(guān)注比較早。在具體應(yīng)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(jù)自己的研究去修改其中的關(guān)鍵參數(shù)。也就是說，參數(shù)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(lǐng)域的應(yīng)用前景，不少人非常看好。

寒武紀公司總裁陳天石在接受科技日報記者采訪時說，人工智能的本質(zhì)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(yōu)選擇。這是科學研究經(jīng)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(lǐng)域，人工智能可以基于大數(shù)據(jù)幫助科研人員分析化學材料的性質(zhì)、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(yōu)路徑等等。

裴智勇的判斷是，人工智能算法在科研領(lǐng)域的應(yīng)用會形成一個產(chǎn)業(yè)。以基因領(lǐng)域為例，未來的基因組數(shù)據(jù)積累和增長速度越來越快，靠人工去處理、計算海量數(shù)據(jù)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(shù)據(jù)中“采礦”，催生有價值的發(fā)現(xiàn)。

“人工智能技術(shù)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(xiàn)不同科研領(lǐng)域的團隊與人工智能領(lǐng)域的團隊合作，前者實現(xiàn)業(yè)務(wù)層工作，后者實現(xiàn)技術(shù)層工作。同時，科研領(lǐng)域可能會涌現(xiàn)出更多“阿爾法折疊”這樣的人工智能應(yīng)用。