創造共同語言
新任教員Kaiming He討論了人工智能在降低科學領域之間的障礙及促進科學學科間合作的角色。
Kaitlin Provencher | 科學學院
發佈日期：2025年2月7日
自從Kaiming He作為麻省理工學院施瓦茨曼計算學院的Douglas Ross（1954）軟件技術職業發展教授，加入電氣工程與計算機科學系以來，已經過了七個月。他表示，這段時間他經歷了一種在他看來是“人類科學歷史上非常罕見”的現象——不同科學學科之間的界限正在降低。
“在我的博士階段，不同學科和主題之間有著高牆，甚至在計算機科學內部也是如此，”He說。“坐在我旁邊的人可能在做一些我完全無法理解的事情。”
構建AI橋樑
He指出，這一變化始於2012年“深度學習革命”之後，當時人們意識到基於神經網絡的這一機器學習方法是如此強大，可以被用於更廣泛的應用。
“在這一時點，計算機視覺——幫助計算機以人類的方式看待和理解世界——開始迅速增長，因為事實證明，你可以將這種方法應用於許多不同的問題和領域，”He說。“因此，計算機視覺社區迅速擴大，因為這些不同的子主題現在能夠使用共同的語言並分享一套共同的工具。”
隨著這一趨勢開始擴展到計算機科學的其他領域，包括自然語言處理、語音識別和機器人技術，為ChatGPT及其他邁向人工通用智能（AGI）的進展奠定了基礎。
“所有這一切在過去十年中發生，讓我期待一個新的新興趨勢，那就是觀察AI方法如何推廣到其他科學學科，”He說。
He提到的一個著名例子是AlphaFold，這是一個由谷歌DeepMind開發的人工智能程序，用於預測蛋白質結構。
“這是一個非常不同的科學學科，面對非常不同的問題，但人們也在使用相同的AI工具，同樣的方法來解決這些問題，”He說，“我認為這僅僅是個開始。”
科學中的AI未來
自2024年2月加入MIT以來，He表示他與幾乎每個系的教授都進行了交談。有些日子，他會與來自非常不同背景的兩位或多位教授交談。
“我當然不完全理解他們的研究領域，但他們會引入一些背景，然後我們可以開始談論深度學習、機器學習和神經網絡模型在他們問題中的應用，”He說。“在這個意義上，這些AI工具就像這些科學領域之間的共同語言：機器學習工具‘翻譯’他們的術語和概念成為我能理解的術語，然後我可以學習他們的問題，分享我的經驗，有時還能為他們提出解決方案或探索的機會。”
擴展到不同的科學學科具有重要潛力，從使用視頻分析來預測天氣和氣候趨勢，到加快研究週期並減少新藥發現的相關成本。
雖然AI工具為He的科學家同事的工作提供了明顯的好處，但He也指出，它們對AI的創造和進步也有互動的影響。
“科學家們提供新的問題和挑戰，幫助我們不斷發展這些工具，”He說。“但同時也要記住，今天的許多AI工具源於早期的科學領域——例如，人工神經網絡受到生物觀察的啟發；圖像生成的擴散模型則受到物理術語的激勵。”
“科學和AI不是孤立的主題。我們從不同的角度接近同一目標，而現在我們正在走到一起。”
而MIT正是這個相聚的最佳場所。
“He表示，MIT能夠比許多其他地方更早看到這一變化並不奇怪。”[施瓦茨曼計算學院]創造了一個環境，讓不同的人能夠坐在一起、交談、合作，交流他們的想法，同時使用相同的語言——我看到這一切開始發生。”
至於這些界限何時會完全降低，He指出，這是一項長期投資，無法在一夜之間實現。
“幾十年前，計算機被視為高科技，需要特定的知識才能理解，但現在每個人都在使用計算機，”He說。“我預計在十年或更長的時間內，每個人都將以某種方式在他們的研究中使用某種AI——這將成為他們的基本工具，他們的基本語言，並能利用AI來解決他們的問題。”
這段訪談不僅揭示了AI如何成為科學家之間的聯繫工具，還強調了跨學科合作的重要性。隨著AI技術的進步，未來的科學研究將不再被傳統學科的界限所限制，這將促進新知識的創造與應用。我們或許正在見證一個全新的科學時代的到來，這不僅是技術的突破，更是思維方式的變革。
以上文章由特價GPT API KEY所翻譯及撰寫。而圖片則由FLUX根據內容自動生成。
