阿尔法狗打败了人类棋手 “阿尔法折叠”们成了科学家助手

　　阿尔法狗打败了人类棋手  “阿尔法折叠”们成了科学家助手

　　本报记者 刘园园

　　人工智能不仅仅在改变人们的生活方式，也在改变科学家做研究的方式。

　　近日，北京大学人民医院在其官网宣布，该院研究团队利用人工智能方法协助确定中国及美国初步诊断糖尿病人群的糖尿病分型，为糖尿病的精准治疗提供了理论依据。

　　人工智能学会下围棋、冲咖啡、打乒乓球就已赚足人气，干嘛要做协助确定糖尿病分型这种深奥的事情呢？因为，科学家需要它们。

　　正在成为得力助手

　　人工智能感兴趣的深奥领域，不光是协助医学专家确定糖尿病分型。

　　DeepMind公司之前公布的“阿尔法折叠”人工智能系统，就引起不少关注。与“阿尔法狗”不同，“阿尔法折叠”的特长是通过基因序列来预测蛋白质的3D结构。

　　这可绝非易事。因为DNA信息只告诉科学家蛋白质的基础构成即氨基酸残基的序列。氨基酸残基会形成长长的链状结构，预测这些链状结构如何折叠成蛋白质成了生物学领域的大难题——蛋白质折叠问题。

　　偏偏预测蛋白质折叠对科学家而言非常有用：不但有助于理解蛋白质形状在人体中扮演的角色，还有助于诊疗与蛋白质错误折叠有关的疾病，如阿尔兹海默症、帕金森综合征等。

　　传统做法是靠大量实验来确定蛋白质结构。DeepMind公司的解决之道是，对深度神经网络进行训练，使“阿尔法折叠”能够根据基因序列数据来预测蛋白质的物理特征，包括蛋白质内部两个氨基酸之间的距离，以及连接氨基酸化学键的角度。最终实现精准预测蛋白质3D结构。

　　与北京大学人民医院的科研团队一样，不少科研人员开始把人工智能当做得力助手。

　　北科院北京市计算中心副研究员裴智勇告诉科技日报记者，他已经与一些医院合作，运用人工智能算法进行了几项医学领域的研究。

　　其中一项研究是判断肾病病人是糖尿病肾病还是非糖尿病肾病。因为二者虽然都是肾病，但致病机制不同，治疗方法也不同。传统的判断方法是做肾穿刺，但这种方法比较痛苦，成本也高。裴智勇介绍，他们希望通过凭借一些医学检查指标来直接判断。

　　“我们构建了一个机器学习模型，运用人工智能算法对病人的几十种检查指标进行大数据分析，来预测是糖尿病肾病还是非糖尿病肾病。” 裴智勇介绍，在此基础上，他们又筛选出关键指标，最后实现仅凭借8个检查指标就达到95%的预测准确率。

　　努力拥抱人工智能

　　其他领域的科研人员也在努力拥抱人工智能。

　　南京大学现代工程与应用科学学院教授李涛正尝试将深度学习算法应用在超构光子技术领域。

　　“超构光子技术是通过每一个纳米结构单元对光的调制来实现特定的光学功能。”李涛介绍，以往在设计纳米结构时，需要人工设计一系列复杂的参数。

　　李涛现在尝试，将已知的一套参数输入到深度学习网络中进行训练，使其学习参数的规律，然后不断调试，最终通过深度学习网络来设计更多的参数。

　　在李涛看来，当前基于纳米结构设计的超构材料光子学提供了调控光场的强大手段，它正逐渐从物理演示走向技术应用。而对于实用化的光学器件，需要满足诸如工作效率、工作带宽、成像分辨率、像差和色差等一系列性能参数要求，且不同使用场景对相关参数有不同要求。人工智能算法能大大提高设计效率，在多参数空间的优化上具有巨大的优势。

　　“人工智能算法的引入将对超构光子技术发展，乃至变革光学技术的开发，如无标记超分辨成像、无透镜成像等起到不可估量的推动作用。”李涛说。

　　南京大学化学化工学院副教授李承辉前不久看到一篇科研论文，介绍如何用人工智能算法来推荐分子的合成路线，这给了他不少启发。他正在考虑如何用人工智能帮助他做化学研究。

　　李承辉告诉科技日报记者，他最近发现一种新的分子内成环反应，希望了解这种反应是否在其他分子内也存在。“要检测这种化学反应是否具有普适性，需要用不同分子做大量实验才行。” 李承辉说，假如能利用人工智能缩小目标范围，将大大减少他的工作量。

　　在知道精确结果的前提下，可以通过输入关键字在化学数据库去搜索相关分子。问题在于，眼下并不知道精确结果。只知道满足这种化学反应的大致条件，比如分子具有某种特殊的功能团等。因此李承辉期待将人工智能算法引入化学数据库中：只告诉化学数据库这种分子的大致特征，让数据库去智能搜索、筛选匹配的分子，缩小目标范围。

　　帮助科学家在大数据中“采矿”