人工智能已經(jīng)成為許多科學(xué)家生活中不可或缺的工具，因此，研究人員使用人工智能，現(xiàn)在有了自己的綽號——AI4Science，被會議和實驗室使用。近日，微軟宣布了自己的AI4Science計劃，雇傭了分布在幾個國家的數(shù)十名員工。其主管Chris Bishop在轉(zhuǎn)向人工智能之前就開始了科學(xué)方面的工作。他在愛丁堡大學(xué)（University of Edinburgh）獲得量子場論博士學(xué)位，然后在20世紀80年代專注于機器學(xué)習(xí)之前從事核聚變研究。而后，他開始將神經(jīng)網(wǎng)絡(luò)應(yīng)用到自己的工作中。“我早了25年，”他說，“但它真的已經(jīng)起飛了。”他于1997年加入微軟研究部劍橋?qū)嶒炇遥罱K成為該實驗室的主任，現(xiàn)在有了一個新角色。

Q

IEEE Spectrum：什么是微軟AI4Science？

Chris Bishop：他們正在建立一支新的團隊。在未來十年里，我們看到了一個非常令人興奮的機會，專注于在機器學(xué)習(xí)與自然科學(xué)的交叉點——化學(xué)、物理、生物學(xué)、天文學(xué)等等。它不僅僅是機器學(xué)習(xí)在自然科學(xué)中的應(yīng)用。

Q

如何超越這一點？

Chris Bishop：微軟的一位技術(shù)人員Jim Gray談到了四種科學(xué)發(fā)現(xiàn)范式。第一種范式是純經(jīng)驗的。它在觀察我們周圍世界的規(guī)律。

第二種范式是理論。想想牛頓運動定律或麥克斯韋方程。這些是典型的微分方程。這是一個歸納的步驟，一個假設(shè)，他們描述的世界更普遍。一個方程在許多長度和時間尺度上都非常精確，你可以把它寫在你的T恤上。

隨著數(shù)字計算機和模擬技術(shù)的發(fā)展，科學(xué)發(fā)現(xiàn)的第三次轉(zhuǎn)變開始于20世紀中期，有效地解決了這些用于天氣預(yù)報和其他應(yīng)用的微分方程。

第四種范式是在21世紀興起的，它不是關(guān)于使用計算機從第一原理解方程。這相當(dāng)于使用計算機在規(guī)模上分析經(jīng)驗數(shù)據(jù)。機器學(xué)習(xí)在這個領(lǐng)域蓬勃發(fā)展。想想大型強子對撞機、詹姆斯·韋伯太空望遠鏡或蛋白質(zhì)結(jié)合實驗。

這四種范式都是協(xié)同工作的。

我們看到一種新的范式正在出現(xiàn)。它的起源可以追溯到幾十年前，但它是在自然科學(xué)中使用機器學(xué)習(xí)的另一種方式。在第三種范式中，你在超級計算機上運行一個復(fù)雜的模擬；第二天，有人問了一個不同的問題，就要投入更多來進行解答。我們現(xiàn)在可以使用這些模擬輸入和輸出作為機器學(xué)習(xí)深度神經(jīng)網(wǎng)絡(luò)的訓(xùn)練數(shù)據(jù)，學(xué)習(xí)復(fù)制或模擬模擬器。如果多次使用仿真器，這將分攤生成培訓(xùn)數(shù)據(jù)的成本和培訓(xùn)成本。現(xiàn)在你有了這個很有希望的通用模擬器，你可以比模擬快幾個數(shù)量級。

Q

訓(xùn)練仿真器大約需要多少仿真數(shù)據(jù)？

Bishop：很多機器學(xué)習(xí)都是經(jīng)驗科學(xué)。它包括嘗試不同的體系結(jié)構(gòu)和數(shù)據(jù)量，并了解事物的規(guī)模。你不能提前說，我需要5600萬個數(shù)據(jù)點來完成這項特定任務(wù)。

然而，有趣的是，機器學(xué)習(xí)中的技術(shù)比常規(guī)培訓(xùn)更智能一些。像主動學(xué)習(xí)和強化學(xué)習(xí)這樣的技術(shù)，系統(tǒng)對其局限性有一定的了解。在不確定性較大的地方，它可能需要更多的數(shù)據(jù)。

Q

仿真的弱點是什么？

Bishop：它們在計算上仍然非常昂貴。此外，模擬器從數(shù)據(jù)中學(xué)習(xí)，因此它們通常不會比用于訓(xùn)練它們的數(shù)據(jù)更準確。此外，當(dāng)呈現(xiàn)的場景與他們接受培訓(xùn)的場景明顯不同時，他們可能給出的結(jié)果不夠準確。

Q

微軟AI4Science的所有項目都是基于仿真的嗎？

Bishop：沒有。我們在藥物研發(fā)方面做了很多工作。目前，這完全基于第四種范式。它是基于對某些分子性質(zhì)的經(jīng)驗觀察，并使用機器學(xué)習(xí)來推斷不屬于訓(xùn)練集的分子的性質(zhì)，然后反過來說，給定一組性質(zhì)，我們能找到具有這些性質(zhì)的新分子嗎？我們與Novartis有五年的研究合作關(guān)系。

Q

除此之外，你還從事哪些其他項目的研究？

Bishop：我們正在積極尋找合作伙伴關(guān)系。微軟在機器學(xué)習(xí)方面有很多專業(yè)知識。我們在超大規(guī)模計算和云計算方面也有很多專業(yè)知識。然而，我們不想做的是成為領(lǐng)域?qū)＜摇Ｎ覀儾幌氤蔀橐患抑扑?a target="_blank">公司，也不想成為催化領(lǐng)域的專家。我們正在引進在量子化學(xué)、量子物理、催化等方面具有專業(yè)知識的人，但實際上是為了讓我們與合作者和合作伙伴建立接口。

更重要的是，我們在任何有微分方程的地方工作。它可以是流體流動，設(shè)計渦輪機，預(yù)測天氣，大規(guī)模天文現(xiàn)象，核反應(yīng)堆中的等離子體。我們的重點是分子尺度的模擬。在科學(xué)上，它有一些最具挑戰(zhàn)性和最有趣的問題，但其適用性也是巨大的藥物發(fā)現(xiàn)和可持續(xù)性。我們一直在考慮直接捕集空氣中的二氧化碳。

Q

目標是發(fā)表論文還是建立知識產(chǎn)權(quán)和產(chǎn)品？

Bishop：我想我們有三個目標。首先也是最重要的是關(guān)于加強我們的研究。同行評審出版物將是一個關(guān)鍵渠道。

第二，微軟是一家通過其商業(yè)模式來助力他人成功的公司。因此，我們將要研究的一件事是，我們?nèi)绾螌⒁恍┭芯窟M展轉(zhuǎn)化為基于云的服務(wù)，然后可以用于商業(yè)或?qū)W術(shù)界。這種方法的適用范圍可能是巨大的。如果你只考慮分子模擬，它可以是藥物，是潤滑劑，是保護腐蝕，是碳捕獲，也是化學(xué)工業(yè)的催化劑，等等。

最后，第三個目標是看到對于現(xiàn)實世界的影響：衛(wèi)生保健、可持續(xù)性、和氣候變化。

Q

你是否預(yù)見到不僅在你幫助合作伙伴的領(lǐng)域，而且在純粹的計算機科學(xué)和機器學(xué)習(xí)方面都有進步？

Bishop：這是一個很好的問題。我相信“啟發(fā)性的基礎(chǔ)研究”的使用是有意義的。人們用一個非常線性的模型來思考，在這個模型中，一端是基礎(chǔ)研究，另一端是應(yīng)用研究。愛因斯坦就是一個很好的例子。他用鉛筆、紙和大腦發(fā)現(xiàn)了受激發(fā)射，后來它被用來制造激光器。

我希望在我們處理真正困難的問題時看到這一點。我們正試圖構(gòu)建一個能夠理解分子動力學(xué)的神經(jīng)網(wǎng)絡(luò)，我們將需要新的神經(jīng)網(wǎng)絡(luò)架構(gòu)。這可能會蔓延到完全不同的領(lǐng)域。