人工智能带来的科学革命：给科学家打下手，比博士生还高效

近日，著名学术期刊《科学》上刊登了一系列报道，记录人工智能带给科学的革命。

大数据与深度学习

踏过各自的风雨历程，科研与人工智能在大数据时代这个路口，注定相遇。从千变万化的染色体与蛋白质结构、恒河沙数的宇宙星体数据，到互联网上每天批量诞生的文字视频，自然和社会科学家的烦恼终于逐渐从数据不够，演变为数据太多，多到超出人类目力和脑力的极限。

而在另一边，“深度学习”（deep learning）赋予了算法“智能”的雏形，恰好为大数据而生。在前深度学习时代，研究员们需要依靠自己的智慧建立某种关系，设定计算机如何由一个输入值，得出一个对应的输出值。深度学习则解放了人类：“喂”给程序大量相匹配的输入值和输出值，由程序自身摸索出其中的关系。

科学家们就亟待这种解放。对普通人来说神秘而高深的科研工作，其实包含了无数对海量数据的机械性处理，不仅枯燥，而且博士生的一个马虎，就可能毁掉一个团队几年的心血。

粒子物理

早在1980年代，粒子物理学家们就看上了人工智能。毕竟，粒子物理学家们很多时候在做的工作，就是一次又一次地把粒子放在加速器里对撞，期待在这些看起来很相似的实验数据里发现一点点不同的迹象——那可能就是新粒子的魅影。这个工作连篇累牍，枯燥透顶，却是人工智能最擅长的领域。人工智能善于通过给定的几个变量，从庞大的背景数据中找出有用的信号。

欧洲大型强子对撞机（LHC）

2012年，欧洲大型强子对撞机（LHC）终于“撞”见了预言中的“上帝粒子”——希格斯玻色子。这是标准模型中最后被发现的粒子，它的发现就有人工智能的一份功劳。毕竟，每对撞10亿次质子，才可能会产生1个希格斯玻色子，而它产生10^-22秒后就会衰变为其他粒子。不难想象，阅读这些数据，是怎样浩大的工作量。

正在解读LHC数据的神经网络 来源：CERN（欧洲核子中心）

当然，在现阶段，人工智能只能这样给物理学家们打打下手，找找数据。具体怎么找，还是基于物理学家们对物理学的理解。但人工智能会变得越来越重要。在未来的几年内，欧洲大型强子对撞机的对撞速度将提升至目前的10倍。面对汹涌而至的数据，人工智能不可或缺。