剛剛,《Science》選出 2022 年度十大科學突破。
今年為人工智慧贏得一席之地的是 AI 生成內容(AIGC)和 AI 加速科學發現兩個熱門的研究方向。
藝術創作和科學發現曾被認為是人工智慧難以涉足的兩個領域,因為它們需要人類的智慧和創造力。但現在,AI 已經在這兩個方向上做得很好。
2022 年 AIGC 領域研究最多的當屬文字到影像生成模型。這類模型使用機器學習在線上分析文字和圖像的配對,找到根據新文字建立新圖像的模式。
從 2021 年 OpenAI 展示 DALL·E 生成「酪梨形狀的椅子」開始,文字到圖像生成模型就進入了一個新的階段。
2022 年 4 月,OpenAI 又發布了升級版模型 DALL·E 2。 DALL·E 2 建立在 CLIP 的基礎上,又使用稱為擴散(diffusion)的過程從「雜訊」產生影像。
DALL·E 2 可以有效率地產生逼真的圖片。今年還有多種擴散模型面世,而 Meta、Google等公司也發布了可以產生影片的擴散模型。
下圖是文字到圖像生成模型Midjourney 生成的《太空歌劇院》,39 歲遊戲設計師Jason Allen 憑藉這幅AI 生成的畫作獲得在美國科羅拉多州舉辦的藝術博覽會數位藝術類冠軍。
2022 年 AIGC 模式的發展引發人們對 AI 創作藝術的關注和倫理思考。
另一方面,在科學、數學和程式設計方面 AI 模型也延續了 2021 年的進展。 2021 年 《Science》的十大年度突破包括預測蛋白質結構的 AI 模型 AlphaFold。在這項工作的基礎上,研究人員現在已經使用人工智慧來設計可用於疫苗、建築材料或奈米機器的全新蛋白質。
在《Science》今年 9 月發表的一篇論文中,華盛頓大學醫學院生物化學教授 David Baker 等研究者提出,AI 可以透過兩種想法從頭設計蛋白質。其中一種被稱為“幻想”,這種技術從隨機序列開始,然後將它們突變為其他人工智慧工具確信會折疊成穩定蛋白質的序列。
他們設計了一種用以產生氨基酸序列的新演算法「ProteinMPNN」,可以在1 秒內開始運算,比此前最頂尖軟體的速度還要快200 多倍。
同時,DeepMind 發布了一個名為 ##AlphaTensor 的工具。它發現了人類數學家幾十年來所忽視的捷徑,可以為矩陣乘法 block 設計更有效率的演算法。矩陣乘法是電腦圖形學、數位通訊、神經網路訓練和科學計算等許多運算任務的核心組成部分,AlphaTensor 發現的演算法可以顯著提升這些領域的運算效率。
根據 DeepMind 介紹,AlphaTensor 是建立在 AlphaZero 的基礎上。這項工作展示了 AlphaZero 從用於遊戲到首次用於解決數學難題的一次轉變。
雖然 AlphaTensor 誕生之初只專注於矩陣乘法這一特定問題,但 DeepMind 表示希望能夠啟發更多的人使用 AI 來指導其他基礎運算任務的演算法發現。並且,DeepMind 的研究也表明,AlphaZero 這種強大的演算法遠遠超出了傳統遊戲的領域,可以幫助解決數學領域的開放性問題。
DeepMind 也推出了 AlphaCode,這是一個可以編程解決數字問題的系統,例如計算多少個給定長度的二進位字串沒有連續的零。 AlphaCode 使用一個根據先前的程序及其描述訓練出來的模型來產生許多候選程序,然後挑選出最具前景的。
上週,AlphaCode 這項研究在《Science》上正式發表。
與人類程式設計師相比,AlphaCode 的成績處於中等水平。 DeepMind 的研究者將 AlphaCode 放在程式設計競賽平台 Codeforces 挑戰中進行了測試,AlphaCode 針對 Codeforces 網站上 5000 名用戶解決的 10 項挑戰進行了測試,總體排名位於前 54.3%,擊敗了 46% 的參賽者。
雖然未能贏得比賽,但這個結果已代表了人工智慧解決問題能力的實質性飛躍,證明了深度學習模型在需要批判性思考的任務中的潛力。
DeepMind 指出,AlphaCode 目前的技能組合目前僅適用於競賽性質的程式設計領域,但它的能力為創建未來工具打開了新的大門,這些工具使程式設計變得更加容易,並且有朝一日完全自動化。
除了關於這些壯舉是否算作真正的創造力的辯論之外,它們還引起了現實與道德上的困境。一些觀察家擔心,這些人工打造程式設計師的和藝術家會侵犯版權、延續刻板印象、傳播錯誤訊息或削減工作。但毫無疑問的是,人類將利用這些工具來擴展自身的創造力,就像過去利用織布機、相機和其他曾經令人不安的發明一樣。
以上是《Science》公佈年度十大突破,AIGC、AI for science贏麻了的詳細內容。更多資訊請關注PHP中文網其他相關文章!