未來5年人工智慧將實現的5大突破

作者：王進

來源：資本實驗室（ID：coinsay）

這些突破包括：人工智慧將完全改變我們對傳統識別樣式的認識；醫生會越來越離不開機器學習；量子計算將大大提升藥物的研發效率；人工智慧設計系統將幫助我們實現原子精確製造。當然，網路攻擊也會與人工智慧的發展相伴相隨，但又從另一個方面帶來更多的商業機會。

01 人工智慧引發新的非人類樣式識別和智慧成果

AlphaGo Zero是一個機器學習程式，被用來訓練玩複雜的圍棋遊戲。在2017年，它以100比0擊敗其上一代程式AlphaGo。而就在此前不久，AlphaGo剛剛因為在2016年擊敗人類圍棋世界冠軍，受到全球矚目。

有趣的是，AlphaGo Zero不是從人類遊戲中學習，而是透過與自身的對抗，或者說“自學”方式來進行訓練，這是一種被稱為強化學習的方法。

從頭開始構建自己的知識，沒有人類的偏見——AlphaGo Zero展示了一種全新的創造方式。更具突破性的是，這種人工智慧樣式識別允許機器在幾個小時內飛速積累起數千年的知識。

雖然這些系統不能回答“什麼是橙汁？”，或者與一個五年級學生進行智力競爭，但值得關註的是，它們越來越具有戰略複雜性，並與其他形式的弱人工智慧融合在一起。

在接下來的五年裡，誰知道AlphaGo Zero的“繼承者”將會以怎樣的形式出現？但可以肯定的是，新的人工智慧將不僅增強商業上的功能，也將為你的日常生活帶來更多便利。

02 使用機器學習進行診斷和治療對醫生越來越重要

一組中美研究人員最近建立了一個人工智慧系統，可以診斷從流感到腦膜炎等常見的兒童疾病。透過對近60萬名患者、130萬次門診就診的電子病歷進行培訓，這一專案產生了前所未有的準確診斷結果。

此外，我們還可以看到，加州大學聖地亞哥分校眼科遺傳學主任張康博士建立了能夠精確診斷致盲性視網膜疾病與肺炎的人工智慧工具。與醫生相比，這一系統同樣展示出了非常高的準確率。

Jacobstein預測，“我們很快就會看到一個轉折點，醫生會覺得在他們的日常實踐中不使用機器學習和人工智慧是一種風險，因為他們不想錯過重要的診斷訊號。”

03 量子優勢將大大加速藥物設計和測試

研究人員估計，可能的類藥物分子數量可以達到10的60次方之多，其數量如此龐大，甚至超過了整個太陽系中的原子數量。但是，今天的化學家必鬚根據受分子結構影響的性質來預測藥物，然後合成許多變體來測試他們的假設。

量子計算可以將這個耗時的、成本高昂的過程轉變為一個高效的、改變生命的藥物發現新機制。

Jacobstein說：“量子計算將帶來重大的產業影響……不是透過破壞加密，而是透過大規模並行處理進入設計領域，這種處理可以利用量子疊加、量子干涉和量子糾纏，並且可以大大超過經典計算。”

04 人工智慧對安全系統脆弱性和防禦的影響

隨著人工智慧融入到我們生活的方方面面，網路攻擊變得越來越具有威脅性，而“深度攻擊（Deep attacks）”可以透過利用人工智慧生成的內容來避免人類和人工智慧的控制。

如果沒有適當的保護，人工智慧系統可以被操縱來執行任何數量的破壞性標的，無論是破壞名譽還是轉移自動駕駛汽車。

Jacobstein認為：“我們的建築物、家庭、醫療保健系統、空中交通管制、金融組織、軍事和情報部門都有安全系統。但我們都知道，這些系統已經被週期性的駭客攻擊，我們將看到這種加速。因此，這裡有很多重要的商業機會，而且在它影響到你之前，你有很多機會超越這個曲線。”

05 人工智慧設計系統推動原子精確製造的突破

正如現代計算機改變了我們與位元和資訊的關係一樣，人工智慧將重新定義和革新我們與分子和材料的關係。

人工智慧目前正在被用來發現清潔技術創新領域的新材料，如太陽能電池板、電池，以及可以進行人工光合作用的裝置。

據業內專家稱，現今製造一種新材料大約需要15到20年的時間。但是，隨著人工智慧設計系統的飛速發展，這將大大加速材料的發現過程，使我們能夠以創紀錄的速度解決諸如氣候變化等緊迫問題。例如，像Kebotix這樣的公司已經開始利用機器人和人工智慧技術，著手簡化材料與化學製品的發現和創造工作。

透過原子精確製造，未來我們可能只需要一個按鈕，就生產出我們以前無法想象的產品。