人工智能對科研領(lǐng)域的顛覆才剛剛開始。

人工智能已經(jīng)開始在基礎(chǔ)科學(xué)領(lǐng)域大施拳腳，其中的思路相信會給人工智能領(lǐng)域的創(chuàng)業(yè)者帶來啟發(fā)。

目前利物浦大學(xué)的科學(xué)家正嘗試用機器學(xué)習(xí)算法，模擬原子之間的無窮多的組合方式，從而發(fā)現(xiàn)新的物質(zhì)，這讓計算機在某種程度上扮演了造物主的角色。

在該研究中，通過向機器學(xué)習(xí)算法輸入已知物質(zhì)的構(gòu)成數(shù)據(jù)，可以讓計算機預(yù)測與之類似的新物質(zhì)中原子可能的組合方式，這可以幫助科學(xué)家大大縮小尋找新物質(zhì)的范圍，從而提高發(fā)現(xiàn)新物質(zhì)的效率，這也使科學(xué)家得以將精力集中在實驗結(jié)果分析上，避免像過去那樣陷于痛苦的實驗階段。

近年來，人工智能輔助科研的案例層出不窮，這一領(lǐng)域涌現(xiàn)了一大批創(chuàng)業(yè)公司以及強強合作的項目。

例如2016年11月，強生公司與英國人工智能公司BenevolentAI合作，來使用人工智能評估小分子化合物的臨床潛力，目前BenevolentAI已經(jīng)獲得了一定數(shù)量臨床實驗階段的新藥物。

類似的案例還有2016年12月，醫(yī)藥巨頭輝瑞與IBM 合作：將云端人工智能平臺Watson for Drug Discovery用于新型抗癌藥的研發(fā)，依靠Watson分析大量公共數(shù)據(jù)及自有數(shù)據(jù)，將得到的結(jié)果用于發(fā)現(xiàn)免疫腫瘤新藥物的靶點、研究組合療法以及選擇患者治療策略。

以上述的藥物研發(fā)為例，傳統(tǒng)的藥物開發(fā)是一個不斷試驗和試錯的過程，藥物從最初的實驗室研究到最終擺放到藥柜銷售平均需要12年時間，1個藥物需要投入66.145億元人民幣、7000874個小時、6587個實驗、423個研究者。

AI對藥物研發(fā)的幫助首先從數(shù)據(jù)開始，通過數(shù)據(jù)處理生成假定的藥物，從而更有效率地開發(fā)新藥。超級計算機可以通過在幾天之內(nèi)評估820萬種化合物，從而找到多發(fā)性硬化癥可能的治療方法。