时光如白驹过隙，转眼间已是新的一年，那些旧岁未完成的梦想又将翻开新章。去年底英国《自然》杂志刊文预测的2024年十大科学进展中，人工智能的进步和ChatGPT人工智能占据前两位。人工智能的发展，在过去一年中已有无数突破，也引起了广泛的争议，但不可否认的是，人工智能已成为未来已来的标志，将在当下和今后继续走近和影响人们的生活，并对人类社会进步产生广泛而深刻的影响。那么，人工智能对于科学而言，它的哪些成果将带来有益的发展？今天我们就来聊聊这个话题。
国产“PANDA”用于胰腺癌早筛
人工智能逐渐走入人们的生活，其中在疾病诊治领域，人工智能已发挥出较强的影响力。
被称为“癌王”的胰腺癌5年生存率极低，美国癌症协会2023年最新数据显示，胰腺癌患者的5年生存率为11%-12%，中国的最新数据为7.20%。患者如果能尽早发现病情并实施手术，疗效相对更好，但是，胰腺癌往往不易查出，确诊时大多已是晚期。因此，采用人工智能技术帮助早期诊断胰腺癌和其他癌症，是科学家寄予厚望的努力方向。
最近，上海市胰腺疾病研究所与阿里达摩院、浙江大学医学院附属第一医院等机构联合，采用“平扫CT联合人工智能”(平扫CT+AI)进行大规模的胰腺癌早期筛查，在真实世界中的敏感性达92.9%(判断存在胰腺肿瘤的准确率)、特异性达99.9%(判断无肿瘤的准确率)。这一结果发表在国际一流期刊《自然-医学》上，该期刊还专门刊登评论文章称：人工智能和基于图像的癌症筛查，即将迎来黄金时代。
我国研究团队开发并训练了一种基于人工智能的胰腺癌早期筛查模型PANDA，利用AI放大并识别平扫CT图像中肉眼难以识别的细微病灶特征。结果显示，PANDA能够在平扫CT上准确地检测和诊断胰腺导管腺癌(胰腺癌中最常见的类型，占90%以上)和非胰腺导管腺癌病变，并可随时用于大规模无症状患者群体的筛查。
与增强CT相比，对患者使用平扫CT可减少辐射剂量，且能消除患者因对比剂产生不良反应的风险。临床上，即使是经验丰富的放射科医生也难以通过平扫CT来识别胰腺导管腺癌，但PANDA与平扫CT结合使用，在鉴别常见胰腺病变亚型方面有一定优势。研究人员收集了多家医疗机构3208例真实患者的数据训练PANDA，然后用于10个医学中心6239例患者的验证。结果显示，这一模型识别胰腺导管腺癌的灵敏度和特异性表现优秀。
PANDA有望作为一种新的大规模胰腺癌筛查工具，在医院或体检中心广泛应用。目前，该模型已在就医、体检等场景中被使用超过50万次，假阳性非常低。除用于胰腺癌诊断筛查之外，研究团队正在联合全球多家一流医疗机构，利用PANDA与平扫CT检查更多的癌症，包括食管癌、肺癌、乳腺癌、肝癌、胃癌、结直肠癌等6种高发癌症。
GPT等生成式AI将更新迭代
展望今年的人工智能发展，《自然》杂志列出了几个代表性AI模式的出现和作用，比如，GPT-5将会问世，而且可能比其前身GPT-4展示出更先进的功能。同时，GPT-4的竞争对手Gemini(另一个生成式AI工具)和其他AI工具也将推出。
GPT-5和Gemini都是大语言模型，也是生成式人工智能，可用于创建新的内容和想法，包括对话、故事、图像、视频和音乐等。因此，它们不仅能生成多种语言文字、翻译作品，还能生成艺术产品，用于科研和教学。
生成式人工智能模型在人的交流和服务方面具有巨大潜力。不同的语言导致生活在不同地区的人类有交流障碍，同声翻译AI软件可能有助于解决这一难题。美国的元宇宙(Meta)公司研发出开源无缝交流语音翻译模型Seamless，谷歌公司则研发了无监督语音翻译AI系统Translation 3。其中，元宇宙公司的Seamless是个“大一统模型”，集成了其他3款深度学习模型的全部功能，可以实时进行更自然、更真实的跨语言交流。谷歌公司的Translation 3在翻译词汇的同时，还能处理停顿、语速、说话者身份等非文本语音的细微差异。
更为神奇的是，人工智能软件还有望用于“嗅闻”气味，并分析气味分子的结构。目前，人们可以用波长来研究视觉、用频率来研究听觉，并可通过仪器进行测量和评估，但还无法根据分子结构来测量或准确预测物质分子的气味。
美国的谷歌公司、莫奈尔化学感官中心和英国雷丁大学等研究机构的研究人员研发了一种仅根据分子结构就能预测其气味特征的AI工具，它可以识别外观不同但气味相同的分子，还可以识别外观非常相似但气味完全不同的分子。
这个人工智能系统被称为气味图谱(odor map)，经过气味分子的大数据训练，它不仅适用于辨别已知的气味物质，也可用来辨识结构非常相似的气味物质，还可以描述具有不同分子特征的大量不相关分子。从应用场景来看，气味图谱不仅可以用于食品和农业，以预测和发现新的化合物、香料和食物，还可以用于化工产品和化妆品的研发以及生物医学等领域，其“嗅觉”灵敏度比狗的鼻子还可靠。
对付抗生素耐药菌有新突破
《自然》杂志预测，今年，深度思考人工智能公司将发布人工智能工具阿尔法折叠(AlphaFold)的新版本。此前，研究人员已经用阿尔法折叠的旧版本高精度预测了蛋白质的3D形状，而新的阿尔法折叠将以原子精度模拟蛋白质、核酸和其他分子之间的相互作用，这一突破将为药物研发开辟新的途径。
人工智能在化学、生物医学、药学方面更能大展身手，最主要的原因是它能快速发现新物质、发明新材料。
所有人都会生病，过去人类为此使用了太多抗生素，再加上在养殖业中对动物使用的抗生素，使得很多细菌的耐药性大增。早在几年前，世界卫生组织就警示，如果人类没有节制地使用抗生素，未来感染性疾病将陷入无药(抗生素)可用的困境。
或许，人工智能的介入可解决这一难题。美国麻省理工学院一个研究团队发表的研究成果显示，人工智能从上千万种化合物中识别出了一类新型抗生素类型，它可以杀死临床上常见的超级细菌——耐甲氧西林金黄色葡萄球菌(MRSA)。
研究团队通过测试约3.9万种化合物对耐甲氧西林金黄色葡萄球菌的抗生素活性来生成训练数据，然后将这些数据以及化合物的化学结构信息输入一个深度学习模型。与此同时，研究团队还训练了3个额外的深度学习模型，以预测这些化合物是否对3种不同类型的人类细胞有毒性。最终研究人员发现，一些化合物既可以杀死细菌，又对人体产生的不良影响最小。
研究团队筛选出大约1200万种化合物，人工智能模型根据分子内的化学亚结构识别出5种不同类别的化合物，并预测它们可对抗耐甲氧西林金黄色葡萄球菌。最后，人工智能模型选出两种化合物，认为是最好的抗生素候选者。
之后，研究团队用两种小鼠模型来验证抗生素候选者，一种是耐甲氧西林金黄色葡萄球菌皮肤感染小鼠模型，另一种是耐甲氧西林金黄色葡萄球菌系统感染小鼠模型。结果显示，这两种抗生素候选者均明显降低了耐甲氧西林金黄色葡萄球菌的数量。也就是说，人工智能模型选出来的化合物对耐甲氧西林金黄色葡萄球菌的局部和全身感染都有效，适合进一步研发并用于治疗严重的、败血症相关的耐药菌感染。
耐甲氧西林金黄色葡萄球菌是一种革兰氏阳性菌，具有较厚的细胞壁。进一步的研究表明，这两种抗生素候选者能破坏该细菌的细胞壁，却不会对人类细胞膜造成实质性损害，对人类细胞是安全的。我们有理由相信，未来人工智能还可以筛选出更多的抗生素用于治疗疾病。
研究“AI会不会产生意识”很必要
有意思的是，《自然》杂志还把关于意识的辩论和发现列入了今年的科学进展，认为这不仅是对人类基于大脑和神经产生意识的研究，也表明在这个基础上可以获得关于人类心理学和哲学研究的突破。当然，关于这项研究最大的争议仍然是人工智能是否会产生意识，以及人类如何对待可能拥有意识的人工智能。
此前，邓普顿世界慈善基金会资助3000万美元对意识产生的两种主要理论进行研究和验证，一是整合信息理论，二是全局神经元工作空间理论。来自不同实验室的研究者利用功能性磁共振成像、脑磁图和脑电图，研究了256名人类参与者视觉体验的内容和持续时间的神经相关性。结果发现，在视觉皮层、腹颞叶皮层和额叶下皮层中存在反映意识内容的信息；在枕叶皮层和外侧颞叶皮层中的持续反应反映了刺激持续时间；在额叶和早期视觉区域之间存在内容特异性同步。
简单来说，这些结果证实了整合信息理论和全局神经元工作空间理论的一些预测，但这两种理论都不能解释意识是如何产生的。《自然》杂志预测，在今年年底之前，科学家会对意识的神经基础有新的认识，并公布新的实验结果。
与此相关联的是，人工智能是否真的会产生意识？有科学家担心，如果人工智能演化出意识，就有可能从人控制人工智能转化为人工智能控制人，那将是人类的末日。尽管更多的人对“人工智能产生意识”这个假设不屑一顾，但是数学意识科学协会(AMCS)的成员呼吁联合国提供更多资金，来支持意识和人工智能的研究。该协会称，迫切需要对有意识和无意识系统之间的界限进行科学调查，这涉及伦理、法律和安全问题。这些问题使得理解人工智能意识变得至关重要，例如，如果人工智能发展出意识，是否应该允许人们在使用后能有效而简单地将其关闭？
当前，国际上有一些研究人员预测，人工智能产生意识将在5-20年内实现。但事实是，这一结论缺少研究支持，2023年没有一项资助是用于“研究人工智能产生意识”的。数学意识科学协会的研究人员认为，了解什么可以使人工智能有意识，才能评估有意识的人工智能系统对社会所带来的影响，包括它们可能引发的危险及如何应对这种危险。
无论如何，在科学技术飞速发展的今天，研究人工智能是否会产生意识并得出确切结论，对于人类社会文明的未来极具意义，届时，再评估人工智能对于人类社会文明是恩惠还是负担也不迟。
(北京日报)
京公网安备 11010802035086号