隨著人工智能和機器學(xué)習(xí)開始在影像識別和語言理解方面取得令人印象深刻的成就，已經(jīng)有許多科學(xué)家認(rèn)為其可以改變?nèi)祟愒景l(fā)明的方式。其中，尋找新藥成為人工智能能夠發(fā)揮的重要領(lǐng)域之一。

每一種有效的新藥，都必須歷經(jīng)非常昂貴且經(jīng)常令人沮喪的實驗與猜測過程，才能完成。簡單來說，藥物化學(xué)家必須使用他們對分子結(jié)構(gòu)知識，來猜測哪些化合物合成能夠成為優(yōu)質(zhì)藥物?？墒沁@一合成并測試過程中，要歷經(jīng)無數(shù)變種的猜測，且大多數(shù)測試都是失敗的。這也是為什么找到好的藥物需要很長時間，且新藥剛推出時，都非常昂貴的主因。

世界領(lǐng)先的人工智能研究人員之一Barzilay認(rèn)為，透過深度學(xué)習(xí)可以加速這一實驗與猜測的過程。因為透過訓(xùn)練的人工智能機器，其可能嘗試人類不易嘗試的領(lǐng)域，進而發(fā)掘出優(yōu)質(zhì)藥物。

使用機器學(xué)習(xí)來嘗試創(chuàng)造新材料，也是值得關(guān)注的領(lǐng)域。其中，環(huán)保清潔技術(shù)應(yīng)用也依賴人工智能的協(xié)助。人們希望在電網(wǎng)和有機太陽能上儲存電力的電池能夠透過深度學(xué)習(xí)帶來大躍進，甚至進一步降低制造成本，讓性價比更高。

其實，在人工智能尚未出現(xiàn)之前，無論是化學(xué)，材料科學(xué)和藥物等都變得相當(dāng)復(fù)雜，使得這些領(lǐng)域想要突破現(xiàn)狀變得愈來愈困難。深度學(xué)習(xí)的優(yōu)勢在于可以減緩這些領(lǐng)域進展的復(fù)雜性。

人工智能的簡單經(jīng)濟學(xué)作者兼多倫多羅特曼管理學(xué)院經(jīng)濟學(xué)家Ajay Agrawal說，透過多維空間的搜索，得以找出有價值的預(yù)測，他稱之為“人工智能的甜蜜點（AI’s sweet spot）”。透過這一結(jié)論，讓來自于麻省理工學(xué)院，哈佛大學(xué)和波士頓大學(xué)的經(jīng)濟學(xué)家都認(rèn)為，人工智能的最大經(jīng)濟影響力是來自于改變?nèi)藗儭鞍l(fā)明方法”的潛力，這一過程最終會重塑“創(chuàng)新過程的本質(zhì)和研發(fā)的組織”。

換句話說，人工智能的主要貢獻可能不是現(xiàn)今高科技公司關(guān)注的無人駕駛汽車或者影像搜索，甚至不是亞馬遜透過Alexa接受訂單的能力，而是能夠提出一種新思路來推動創(chuàng)新本身，進而改變?nèi)祟悇?chuàng)新的過程。