人工智能對科研領(lǐng)域的顛覆才剛剛開始。

人工智能已經(jīng)開始在基礎(chǔ)科學(xué)領(lǐng)域大施拳腳，其中的思路相信會(huì)給人工智能領(lǐng)域的創(chuàng)業(yè)者帶來啟發(fā)。

目前利物浦大學(xué)的科學(xué)家正嘗試用機(jī)器學(xué)習(xí)算法，模擬原子之間的無窮多的組合方式，從而發(fā)現(xiàn)新的物質(zhì)，這讓計(jì)算機(jī)在某種程度上扮演了造物主的角色。

在該研究中，通過向機(jī)器學(xué)習(xí)算法輸入已知物質(zhì)的構(gòu)成數(shù)據(jù)，可以讓計(jì)算機(jī)預(yù)測與之類似的新物質(zhì)中原子可能的組合方式，這可以幫助科學(xué)家大大縮小尋找新物質(zhì)的范圍，從而提高發(fā)現(xiàn)新物質(zhì)的效率，這也使科學(xué)家得以將精力集中在實(shí)驗(yàn)結(jié)果分析上，避免像過去那樣陷于痛苦的實(shí)驗(yàn)階段。

近年來，人工智能輔助科研的案例層出不窮，這一領(lǐng)域涌現(xiàn)了一大批創(chuàng)業(yè)公司以及強(qiáng)強(qiáng)合作的項(xiàng)目。

例如2016年11月，強(qiáng)生公司與英國人工智能公司BenevolentAI合作，來使用人工智能評估小分子化合物的臨床潛力，目前BenevolentAI已經(jīng)獲得了一定數(shù)量臨床實(shí)驗(yàn)階段的新藥物。

類似的案例還有2016年12月，醫(yī)藥巨頭輝瑞與IBM 合作：將云端人工智能平臺(tái)Watson for Drug Discovery用于新型抗癌藥的研發(fā)，依靠Watson分析大量公共數(shù)據(jù)及自有數(shù)據(jù)，將得到的結(jié)果用于發(fā)現(xiàn)免疫腫瘤新藥物的靶點(diǎn)、研究組合療法以及選擇患者治療策略。

以上述的藥物研發(fā)為例，傳統(tǒng)的藥物開發(fā)是一個(gè)不斷試驗(yàn)和試錯(cuò)的過程，藥物從最初的實(shí)驗(yàn)室研究到最終擺放到藥柜銷售平均需要12年時(shí)間，1個(gè)藥物需要投入66.145億元人民幣、7000874個(gè)小時(shí)、6587個(gè)實(shí)驗(yàn)、423個(gè)研究者。

AI對藥物研發(fā)的幫助首先從數(shù)據(jù)開始，通過數(shù)據(jù)處理生成假定的藥物，從而更有效率地開發(fā)新藥。超級(jí)計(jì)算機(jī)可以通過在幾天之內(nèi)評估820萬種化合物，從而找到多發(fā)性硬化癥可能的治療方法。