（要闻）阿尔法狗打败了人类棋手 “阿尔法折叠”们成了科学家助手

本篇文章2520字，读完约6分钟

人工智能不仅改变了人们的生活方式，也改变了科学家的研究方式。

近日，北京大学人民医院在其官网上宣布，其研究团队利用人工智能帮助确定中美两国初诊糖尿病人群的糖尿病类型，为准确治疗糖尿病提供了理论依据。

人工智能通过学习玩围棋、煮咖啡和打乒乓球而获得了普及。为什么一定要做帮助确定糖尿病类型这样深奥的事情？因为科学家需要它们。

正在成为一个得力助手

人工智能对这个深奥的领域感兴趣，不仅仅是协助医学专家确定糖尿病类型。

deepmind宣布的“Alpha Folding”人工智能系统引起了很多关注。与Alpha Dog不同，Alpha Folding的特长是通过基因序列预测蛋白质的3d结构。

这不是一项容易的任务。因为dna信息只告诉科学家蛋白质的基本组成，也就是氨基酸残基的序列。氨基酸残基会形成长链结构。预测这些链结构如何折叠成蛋白质已经成为生物学中的一个大问题——蛋白质折叠。

对科学家来说，预测蛋白质折叠是非常有用的，这不仅有助于理解蛋白质形状在人体中的作用，而且有助于诊断和治疗与蛋白质错误折叠有关的疾病，如阿尔茨海默病和帕金森综合征。

传统的方法是通过大量的实验来确定蛋白质结构。Deepmind的解决方案是训练深层神经网络，使Alpha Folding可以根据基因序列数据预测蛋白质的物理特性，包括蛋白质中两个氨基酸之间的距离和氨基酸化学键连接的角度。最后，可以准确预测蛋白质的三维结构。

像北大人民医院的研究团队，很多研究人员开始把人工智能当做自己的得力助手。

北京科学院北京计算中心副研究员裴志勇告诉《科技日报》记者，他与一些医院合作，利用人工智能算法在医学领域进行了几项研究。

其中一项研究是判断肾病患者是糖尿病肾病还是非糖尿病肾病。因为两者都是肾脏疾病，所以发病机制不同，治疗方法也不同。传统的判断方法是肾穿刺，但这种方法痛苦且昂贵。裴志勇介绍，他们希望依靠一些体检指标直接判断。

“我们构建了一个机器学习模型，利用人工智能算法，利用大数据对患者的几十项检查指标进行分析，预测是糖尿病肾病还是非糖尿病肾病。”裴志勇介绍，在此基础上，他们筛选出关键指标，最终只用8个检验指标就达到了95%的预测准确率。

尝试拥抱人工智能

其他领域的研究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在尝试将深度学习算法应用到超结构光子技术领域。

"超结构光子技术通过每个纳米结构单元调制光来实现特定的光学功能."李涛介绍说，过去在设计纳米结构时，需要手动设计一系列复杂的参数。

李涛现在正试图将一组已知的参数输入到深度学习网络中进行训练，使其能够学习参数的规律，然后不断调试，最后通过深度学习网络设计出更多的参数。

在李涛看来，目前基于纳米结构设计的超结构光子学为控制光场提供了强有力的手段，并且正在从物理演示逐渐走向技术应用。对于实际的光学器件，需要满足工作效率、工作带宽、成像分辨率、像差、色差等一系列性能参数，不同的使用场景对相关参数有不同的要求。人工智能算法可以大大提高设计效率，在多参数空.优化中具有很大优势

“人工智能算法的引入，将对推动超结构光子技术的发展，乃至无标记超分辨率成像、无透镜成像等革命性光学技术的发展，起到不可估量的作用。”李涛说。

南京大学化学化工学院副教授李最近看到一篇关于如何利用人工智能算法推荐分子合成路线的科研论文，给了他很多启发。他正在考虑如何利用人工智能来帮助他做化学研究。

李告诉《科技日报》记者，他最近发现了一个新的分子内环化反应，希望知道这个反应是否也存在于其他分子中。“要测试这种化学反应是否具有普遍性，你需要用不同的分子做大量的实验。”李说，如果能利用人工智能缩小目标范围，他的工作量将大大减少。

在知道确切结果的前提下，可以通过输入关键词在化学数据库中搜索相关分子。问题是目前还不知道确切的结果。只满足这个化学反应的一般条件，比如分子有一些特殊的官能团等。因此，李期望在化学数据库中引入人工智能算法:只告诉化学数据库这个分子的一般特征，让数据库智能搜索，筛选匹配的分子，缩小目标范围。

帮助科学家“挖掘”大数据

但目前针对特定科研领域的Alpha Folding等人工智能应用还很少。普通科学家要想轻松使用这个工具，还是有一定门槛的。

人工智能的开源算法是实现李涛思想的途径。他和他的学生已经找到了一种开源算法，但是这种算法对于超结构光子技术的研究并不是最优的，所以需要不断调试参数。

李打算与人工智能领域的专业人士交谈，学习如何将人工智能算法应用到自己的研究中。

裴志勇幸运多了。他的研究领域是生物信息学，这是一门将计算机技术应用于生物学的交叉学科，所以裴志勇很早就关注人工智能算法。在具体应用中，开源的人工智能算法如支持向量机(svm)和随机森林(Random Forest)为他提供了很多帮助。

“这些算法都是开源的，我们只需要根据自己的研究修改关键参数。换句话说，参数训练是我们团队做的。”裴志勇说。

至于人工智能在科学研究中的应用前景，很多人都很乐观。

寒武纪公司总裁陈石天在接受《科技日报》采访时表示，人工智能的本质是提供问题的解决方案，比如在非常多的选择中做出最佳选择空.这是科学研究中常见的问题，人工智能可以帮助研究人员更快更好地解决这类问题。

"未来的人工智能可能会取代科学家的部分思维过程."李说，例如，在化学领域，人工智能可以帮助研究人员基于大数据分析化学材料的性质和特性，为研究人员提供多种合成路线作为参考，并推荐廉价合成某一化合物的最佳路线。

裴志勇的判断是，人工智能算法在科研中的应用会形成产业。以基因领域为例，未来基因组数据的积累和增长会越来越快，手工处理和计算海量数据远远不够。因此，需要人工智能算法来帮助研究人员在大数据中“挖掘”，产生有价值的发现。

“人工智能技术正在迅速更新和迭代。研究人员自己探索开源算法是不够的。”裴志勇认为，未来不同科研领域的团队可能会与人工智能领域的团队合作，前者实现业务层面的工作，后者实现技术层面的工作。同时，科研领域可能会出现更多的Alpha Folding等人工智能应用。(记者李媛媛)