Ai将会改变人们传统生活方式

分享到微信朋友圈

打开微信。点击 “ 发现 ” ,
使用 “ 扫一扫 ” 即可将网页分享至朋友圈。

但我认为,重要的不是Gordon-BellPrize(Gordon-BellPrize),而是我们首次将机器学习、科学计算和高性能计算这三种主要工具结合起来。7月8日,2021世界人工智能大会全体会议科学前
但我认为,重要的不是Gordon-BellPrize(Gordon-BellPrize),而是我们首次将机器学习、科学计算和高性能计算这三种主要工具结合起来。7月8日,2021世界人工智能大会全体会议科学前沿举行。他说:“这是中国科学院院士,普林斯顿大学数学系和应用数学研究所教授,北京大数据研究所主任鄂维南。戈登贝尔奖被誉为超算界诺贝尔奖。去年11月19日,美国计算机协会ACM公布了2020年戈登贝尔奖的颁奖结果,包括鄂维南在内的一个中美研究小组获奖。他们通过机器学习将分子动力学的极限从基线提高到1亿原子的惊人数量,同时保证了从头计算的高精度,效率是以前人类基线水平的1000倍。一九八二年,鄂维南毕业于中国科学技术大学数学系,1985年获中国科学院计算中心硕士学位,1989年获加州大学洛杉矶分校博士学位。2009年入选首届美国数学学会会士,2011年入选中国科学院院士,2012年入选首届美国工业与应用数学学会会士。2003年获得国际工业与应用数学协会科拉兹奖。2009年获得美国工业与应用数学学会克来曼奖。2014年获得美国工业与应用数学学会卡门奖。2019年荣获美国工业与应用数学学会(SIAM)和苏黎世联邦理工学院联合授予的PeterHenrici奖。到2020年,我们将获得国际高性能计算应用领域的最高奖项——戈登贝尔奖(ACMGordonBellPrize)。鄂维南,大数据研究中心主任,中国科学院院士,普林斯顿大学数学与应用数学研究所教授。许多实际问题都没有得到解决:维数灾难鄂维南这次演讲的题目是AIforScience,我们研究科学有两个基本目的,第一个目的是寻求基本规律,比如行星运动的三个定律,量子力学的基本方程;第二个目的是解决实际问题,比如航空航天,生物制药等等。他认为,从寻求基本规律,特别是基本原理的角度来看,90年前量子力学建立后,这项任务基本完成,当然不是完全完成的。然而,随着人类的真正进步,鄂维南认为电子计算机始于20世纪50年代。在此基础上,开发了一系列数值方法,包括差分方法和有限元方法,人们首次大规模实现了基本原理解决实际问题。在此之前,虽然有基本原理,虽然有一定的方程,但是很难用它来解决实际问题,几乎做不到。这些方法有一个共同的起点,就是可以用多项式接近一般函数,影响很大。特别是在工程领域,利用计算方法解决问题已成为现代工业和技术赖以生存的基础,是一种非常重要的工具。但鄂维南强调,我们仍有许多问题没有得到解决。比如材料的性质和设计,分子和药物的分子和设计,远没有得到解决,基于基本原理的控制方法也没有得到解决。结果就是做理论的人,做实验的人,做实际场景的人差得很远。理论化学、实验室化学和实际工业应用化学差距很大。这些问题有哪些困难?鄂维南总结说,它们都有一个共同的根源,即所谓的维数灾难,即它们依赖的变量太多。维数灾难是什么意思?也就是说,随着变量的数量或维数的增加,计算复杂度是指数的增加。就数学而言,它也有一个基本的困难,即多项式在高维中不是一个有效的工具。鄂维南提出,深度学习可以解决这个困境。他以深度学习中最简单的图像识别为例。给你一个图像,你必须告诉我这个图像的内容。从图像到内容,这是一个函数。这个函数有多少维度,也就是它有多少自由度?他在演讲中指出,每个图像都可以被视为3072维空间的函数。所以我们以前不能处理这样的高维函数。鄂维南提到的第二个例子是众所周知的AlphaGo。围棋的最佳策略其实是Bellman方程的解,所以AlphaGo做的事情其实是试图解决Bellman方程。其中,图像识别接近于高维函数,AlphaGo解决了超大空间Bellman方程。我也可以给你举很多例子。这些例子有一个共同的特点。他们正在处理高维空间的数学问题。为什么要这样做?鄂维南表示,由于神经网络可以帮助我们有效地表示或接近高维空间的函数,多项式不行,深度神经网络是有效的替代品。因此,在最基本的层面上,我们有一个全新而有效的工具,它带来了巨大的影响。他总结说,从科学的角度来看,机器学习在科学和科学计算领域的应用可以带来新的计算方法、新的科学模型、新的实验方法和新的产业业态。传统的科学领域是人工智能更大的主战场,使他获得戈登贝尔奖的分子动力学领域的应用就是一个例子。分子生物学(MD)是一种计算机模拟方法,可用于分析原子和分子在一定时间内的运动与相互作用。其实际应用包括大分子研究,如用于药物研发的蛋白质。它解决的方程是牛顿方程。困难在哪里?难点在于描述原子之间相互作用的势能函数。鄂维南提到,传统的方法之一就是猜,如果能猜出来当然很好,但猜出来的可能性有多大?因此,这种方法非常不可靠。第二种方法是1985年发展起来的第一种原理方法,即通过量子力学模型,在线计算原子与原子之间的相互作用力。很靠谱,但是只能处理小系统,1000个原子到顶。通过运用机器学习、科学计算和高性能计算这三个主要工具,鄂维南等人认为,这些空间不仅是我在前面所提到的分子动力学的例子,还包括我在前面讲的很多东西,包括量子力学、密度泛函、分子动力学等等。这样的空间是存在的,所以影响很大。鄂维南在演讲结束时还表示,他个人认为,现在做科研,做理论,做实验,基本上是一种小农经济的模式。整个过程需要很多年,是一种非常低效的模式。未来的模式是什么?就是‘Android模式’。我们有一个统一的大平台。这个大平台是我们共同贡献的,所以这个平台提供了我们最基本的模型,比如分子动力学模型。您需要什么系统,只要您在此平台上做简单的应用开发。他最后强调,我个人认为,传统的科学领域是化学、材料、电子工程、化学工程、机械工程生物等。,这是人工智能更大的主战场。带来的不只是科学研究范式的转变,更是传统产业转型升级。

标签:科技探索,

网友评论:

热门文章HOT NEWS