《Science》公布年度十大突破，AIGC、AI for science赢麻了-轻识

机器之心报道 编辑：小舟、蛋酱

创造力和科研能力，AI都已具备。

刚刚，《Science》评选出 2022 年度十大科学突破。

今年为人工智能赢得一席之地的是 AI 生成内容（AIGC）和 AI 加速科学发现两个热门的研究方向。

艺术创作和科学发现曾被认为是人工智能难以涉足的两个领域，因为它们需要人类的智慧和创造力。但现在，AI 已经在这两个方向上做得很好。

2022 年 AIGC 领域研究最多的当属文本到图像生成模型。这类模型使用机器学习在线分析文本和图像的配对，找到根据新文本创建新图像的模式。

从 2021 年 OpenAI 展示 DALL·E 生成「牛油果形状的椅子」开始，文本到图像生成模型就进入了一个新的阶段。

2022 年 4 月，OpenAI 又发布了升级版模型 DALL·E 2。DALL·E 2 建立在 CLIP 的基础上，又使用称为扩散（diffusion）的过程从「噪声」中生成图像。

DALL·E 2 可以高效地生成逼真的图片。今年还有多种扩散模型面世，并且 Meta、谷歌等公司还发布了可以生成视频的扩散模型。

下图是文本到图像生成模型 Midjourney 生成的《太空歌剧院》，39 岁游戏设计师 Jason Allen 凭借这幅 AI 生成的画作获得在美国科罗拉多州举办的艺术博览会数字艺术类冠军。

2022 年 AIGC 模型的发展引发人们对于 AI 创作艺术的关注和伦理思考。

另一方面，在科学、数学和编程方面 AI 模型也延续了 2021 年的进展。2021 年《Science》的十大年度突破包括预测蛋白质结构的 AI 模型 AlphaFold。在这项工作的基础上，研究人员现在已经使用人工智能来设计可用于疫苗、建筑材料或纳米机器的全新蛋白质。

在《Science》今年 9 月发表的一篇论文中，华盛顿大学医学院生物化学教授 David Baker 等研究者提出，AI 可以通过两种思路从头设计蛋白质。其中一种被称为「幻想」，这种技术从随机序列开始，然后将它们突变为其他人工智能工具确信会折叠成稳定蛋白质的序列。

他们设计了一种用以生成氨基酸序列的新算法「ProteinMPNN」，可以在 1 秒钟内开始运算，比此前最顶尖软件的速度还要快 200 多倍。

与此同时，DeepMind 发布了一个名为 AlphaTensor 的工具。它发现了人类数学家几十年来所忽视的捷径，可以为矩阵乘法 block 设计更高效的算法。矩阵乘法是计算机图形学、数字通信、神经网络训练和科学计算等很多计算任务的核心组成部分，AlphaTensor 发现的算法可以显著提升这些领域的计算效率。

据 DeepMind 介绍，AlphaTensor 建立在 AlphaZero 的基础上。这项工作展示了 AlphaZero 从用于游戏到首次用于解决数学难题的一次转变。

虽然 AlphaTensor 诞生之初只专注于矩阵乘法这一特定问题，但 DeepMind 表示希望能够启发更多的人使用 AI 来指导其他基础计算任务的算法发现。并且，DeepMind 的研究还表明，AlphaZero 这种强大的算法远远超出了传统游戏的领域，可以帮助解决数学领域的开放问题。

DeepMind 还推出了 AlphaCode，这是一个可以编程解决数字问题的系统，比如计算多少个给定长度的二进制字符串没有连续的零。AlphaCode 使用一个根据以前的程序及其描述训练出来的模型来生成许多候选程序，然后挑选出最具前景的。

上周，AlphaCode 这项研究在《Science》上正式发表。

与人类程序员相比，AlphaCode 的成绩处于中等水平。DeepMind 的研究者将 AlphaCode 放在编程竞赛平台 Codeforces 挑战中进行了测试，AlphaCode 针对 Codeforces 网站上 5000 名用户解决的 10 项挑战进行了测试，总体排名位于前 54.3%，击败了 46% 的参赛者。

虽然未能赢得比赛，但这个结果已代表了人工智能解决问题能力的实质性飞跃，证明了深度学习模型在需要批判性思维的任务中的潜力。

DeepMind 指出，AlphaCode 目前的技能组合目前仅适用于竞赛性质的编程领域，但它的能力为创建未来工具打开了新的大门，这些工具使编程变得更加容易，并且有朝一日完全自动化。

除了关于这些壮举是否算作真正的创造力的辩论之外，它们还引起了现实与道德上的困境。一些观察家担心，这些人工打造程序员的和艺术家会侵犯版权、延续刻板印象、传播错误信息或削减工作岗位。但毫无疑问的是，人类将利用这些工具来扩展自身的创造力，就像过去利用织布机、照相机和其他曾经令人不安的发明那般。


推荐阅读
全网最全速查表：Python 机器学习
搭建完美的Python 机器学习开发环境
训练集，验证集，测试集，交叉验证
AI 绘画，StableDiffusion本地部署