By Michael Krause
隨著生成式人工智能《Generative AI》擴展到新的行業，以及專家們決定如何最好地使用這些新工具來解決他們的挑戰，它無疑將繼續發展。
最近，隨著強大的基礎模型的公開發佈，Generative AI已經成為AI世界的前沿和中心。簡單地說，生成式模型學習數據中的模式，並可以在他們看到的樣本之間進行插值，以創建新的東西。這些模型有可能改變行業。Generative AI已被用於創建一些最廣為人知的AI技術，如DALL-E，這是一種在創意人員中被消費者廣泛采用的圖像生成器。盡管科技行業最近面臨挑戰，但GPT-4等Generative AI模型的未來發佈仍吸引著大量關注。
大多數情況下，生成式模型被應用於圖像和計算機視覺問題。然而，它們也可以用於工業甚至科學研究與開發應用。與更常見的判別AI模型不同，Generative AI創建輸出示例，而不是標簽或分類。例如，這些模型學習了『狗』的概念，並生成了一個甚至可能是新的雜交物種的例子，而不是簡單地標記或回憶『狗』《如『拉佈拉多』》的特定例子。這樣，它可以將AI的使用方式從簡單的執行明確任務的工具轉變為幫助解決具有挑戰性問題的創造性合作夥伴。
隨著新行業的發展，新一代的模式將繼續滲透到這些行業中。已經有許多現實世界中的應用在發揮作用，正在進行研究，以開發新的生成式模型，擴大其潛力。一個特別令人興奮的領域是醫療保健和能源行業的材料發現，用例包括藥物發現、新的電池成分和開發新一代碳捕獲材料。這些用例關注現實世界中的實際問題，引起公眾的共鳴，並為更健康、更可持續的未來打開大門。
醫療保健研究中的Generative AI
Generative AI模型已經顯示出準確檢測癌症的前景，尤其是在數據不足以訓練更傳統的模型的情況下，就像許多癌症一樣。由於大量的理論藥物可能性，藥物發現中的新應用正引起人們的極大興趣。從歷史上看，研究人員一直依賴於計算技術，如藥物發現的虛擬篩選，這涉及搜索已知的藥物或化合物數據庫，以匯集數量減少的靶向材料進行進一步研究。然而，主要的挑戰之一是，在總共1060種理論化合物中，模擬或合成的例子非常少，限制了使用傳統方法鑒定新的新化合物的能力。
鑒於這一挑戰，生成式模型之所以出現，是因為它們能夠通過從相對較少的已知例子中學習來生成新的分子。這一點，再加上快速掃描數據庫和預測材料性能的能力，激發了一組研究人員使用生成式模型來設計治療新冠肺炎的新藥。研究人員開發了一系列基於晶體結構數據訓練的生成式模型，用於設計抗擊新冠肺炎的分子。
這種類型的研究加上深入疫苗建模和個性化醫學的研究，可以為一個在流行病開始時阻止它們並延長人類壽命的世界奠定了基礎。大幅加速疫苗和藥物的開發將是Generative AI對醫療保健行業最重要的貢獻之一。
更快的電池成分設計
Generative AI還可以幫助科學家發現電池材料的替代品，這一過程目前是時間和資源密集型的。對氣候變化和向電動汽車轉型的擔憂引發了發現新儲能材料的研究熱潮。利用Generative AI可以改進高通量篩選，以識別新的、更好的材料，這也簡化並減少了實驗室實驗的數量。
到目前為止，傳統的機器學習已經在識別更好的候選材料和預測預期性能方面取得了一些成功。生成式模型提供了一種替代方法，根據給定的一組期望的性能生成新的、穩定的和可合成的化學結構。這些方法的優點是能夠將多尺度數據集成到一個連貫的框架中，並接受不完整的數據集，這對實驗數據來說是一個常見的挑戰。此外，這種系統的行為往往不太清楚，或者過於復雜，以至於直接模擬是不可行的，而使用AI模型是唯一現實的高保真度選擇。
隨著電動汽車越來越受歡迎，改進電池對確保其成功至關重要。需要增加能量密度來提高裡程和減輕重量，而替代材料是提高耐用性和降低成本的必備材料。電池性能的提高將推動用戶采用，研發周期的加快將導致更快的迭代，降低開發成本。最終，在我們向碳中和的社會轉型的過程中，Generative AI在加速和確保成功方面發揮著重要作用。
新的碳捕獲技術
碳捕獲是Generative AI對新材料發現或膜設計產生重大影響的另一個領域。二氧化碳排放是導致全球變暖的最大因素，但將其與發電廠等大型工業廢氣分離既昂貴又低效。更好的分離技術將使我們能夠安全地在地下儲存大量的二氧化碳，例如將二氧化碳儲存在舊的油氣儲層中，並大大加快我們向碳中和的轉型。
事實上，IBM最近使用分子Generative AI建模來識別數百種分子結構，這些結構有可能在工業環境中作為當前碳捕獲結構的更便宜、更有效的替代品。Generative AI幫助該公司定義搜索參數並找到潛在的結構，以分析和確定它們是否適用於現實世界的膜分離應用。
通過加快設計過程，Generative AI可以縮短研發周期，提高候選品的生存能力，加快社會實現氣候目標所需的關鍵技術的創新步伐。
期待
隨著Generative AI擴展到新的行業，以及專家們決定如何最好地使用這些新工具來解決他們的挑戰，它無疑將繼續發展。該技術在更多面向消費者的應用中，總體上令人興奮，降低了采用的障礙，如DALL-E2。這將支持新應用的采用，如醫療保健和氣候變化解決方案的材料發現，最終推動技術的不斷增強和改進。將這一令人興奮的新技術與人類創造力相結合，將解決許多尚未解決的問題，並為下一代AI技術奠定基礎。《小晨編譯》
更多精彩內容，敬請關注我們的微信公眾號：智慧能源之窗