2016年2月11日，科學(xué)家宣布，人類首次直接探測(cè)到引力波及雙黑洞合并事件【GW20150914】，標(biāo)志著人類文明又上升了一個(gè)臺(tái)階。4000公里長(zhǎng)的探測(cè)器只要伸縮原子核直徑的千分之一，就能被捕捉到?。?！這在過去是不可想象的事情，多虧了人工智能和大數(shù)據(jù)處理技術(shù)，人類才做到了這一點(diǎn)。換句話說，是人工智能發(fā)現(xiàn)了引力波，然后“告訴”人類的。
探測(cè)到引力波最難的事情在于：這需要從嘈雜的背景噪音中提取出真實(shí)信號(hào)，并與數(shù)據(jù)模板進(jìn)行匹配。
位于美國(guó)路易斯安那州的引力波探測(cè)器
LIGO獲取的數(shù)據(jù)不但包括激光干涉儀引力波探測(cè)器輸出的數(shù)據(jù)，還包括了各種獨(dú)立的對(duì)探測(cè)器的環(huán)境和探測(cè)器設(shè)備狀態(tài)進(jìn)行監(jiān)控的探測(cè)器和紀(jì)錄儀，對(duì)諸如溫度﹑氣壓﹑風(fēng)力﹑大雨﹑冰雹﹑地表震動(dòng)﹑聲響﹑電場(chǎng)﹑磁場(chǎng)等環(huán)境條件進(jìn)行監(jiān)測(cè)，以及對(duì)引力波探測(cè)器內(nèi)部的平面鏡和透鏡的位置等探測(cè)器自身狀態(tài)進(jìn)行監(jiān)測(cè)的數(shù)據(jù)。
升級(jí)的LIGO的設(shè)計(jì)為記錄大于300000個(gè)通道的數(shù)據(jù)采集，其中大約3000個(gè)快速通道。 這是典型的大數(shù)據(jù)分析處理問題，需要強(qiáng)大的計(jì)算資源與先進(jìn)的算法，才能有效處理如此巨大的數(shù)據(jù)量。其中一些人工智能技術(shù)被應(yīng)用到LIGO。
技術(shù)革命與人類文明的躍遷
我們知道，第一次工業(yè)革命和第二次工業(yè)革命分別以蒸汽機(jī)和電氣化為標(biāo)志，讓人類從繁重的體力勞動(dòng)中解放出來，帶來了生產(chǎn)效率的極大提高。
第三次工業(yè)革命以信息化為標(biāo)志，計(jì)算機(jī)技術(shù)的應(yīng)用讓人類從腦力勞動(dòng)中初步解放，帶來了生產(chǎn)效率的進(jìn)一步飛躍。腦力勞動(dòng)的進(jìn)一步解放——機(jī)器學(xué)習(xí)和人工智能無疑將是第三次工業(yè)革命的下一波浪潮。
在智能化時(shí)代，機(jī)器不僅能感知、收集并處理數(shù)據(jù)，還能按照與人類思維模式相近的方式對(duì)數(shù)據(jù)處理結(jié)果進(jìn)行再次反饋，能夠按照給定的知識(shí)和規(guī)則對(duì)具有隨機(jī)性的外部環(huán)境自行做出決策并執(zhí)行。
同時(shí)，智能化的最大特點(diǎn)是機(jī)器之間具備高度的協(xié)同合作與數(shù)據(jù)共享效應(yīng)，信息化所產(chǎn)生的信息孤島均基于統(tǒng)一的數(shù)據(jù)平臺(tái)，從而實(shí)現(xiàn)了互聯(lián)互通。
頂級(jí)科學(xué)家力薦人工智能
#Always Curious
未來，人工智能還將怎樣影響科學(xué)研究？會(huì)讓研究者的工作方式發(fā)生怎樣的變化？會(huì)不會(huì)像取代其他職業(yè)一樣，取代科學(xué)家？這也是許多科學(xué)家正在思考的問題。默克公司在慶祝創(chuàng)立350周年并召開Curious2018未來洞察大會(huì)之際，邀請(qǐng)了四名來自科學(xué)及科技界的頂尖人物，詢問他們對(duì)于科學(xué)及科技的未來有怎樣的疑問，又會(huì)給出怎樣的答案。這些科學(xué)家不約而同地提到了人工智能。
美國(guó)工程院院士邵陽教授就機(jī)器學(xué)習(xí)和人工智能（AI）如何改變培養(yǎng)研究生的方式，如何改變基礎(chǔ)研究和應(yīng)用研究的方式，以及如何定義創(chuàng)造力等問題與三位諾貝爾獎(jiǎng)得主進(jìn)行了探討。（邵陽教授因在電化學(xué)能量轉(zhuǎn)換及存儲(chǔ)方面的專業(yè)知識(shí)享譽(yù)國(guó)際）。
2015年諾貝爾化學(xué)獎(jiǎng)得主，詹姆斯·弗雷澤·司徒塔特勛爵（Sir James Fraser Stoddart）教授：
我深信人工智能將對(duì)我們未來解決問題的方式產(chǎn)生極大的影響。
早年，我曾經(jīng)在一個(gè)農(nóng)場(chǎng)度過了我生命的前25年。我在那里學(xué)習(xí)到的是，跟上時(shí)代的發(fā)展是件非常重要的事情。幸運(yùn)的是，我的父親能夠接受新理念，而且購(gòu)買了當(dāng)時(shí)農(nóng)業(yè)領(lǐng)域所有的新裝置，并且予以實(shí)際應(yīng)用。這對(duì)于我父親未造成任何障礙，其他家人也在經(jīng)營(yíng)農(nóng)場(chǎng)上十分有創(chuàng)意。
所以，我將這個(gè)經(jīng)驗(yàn)推廣到自己的研究中并且認(rèn)為，通過機(jī)器學(xué)習(xí)或其他任何人工智能出現(xiàn)的任何事物都只會(huì)用來幫助和支持源于人類思維的創(chuàng)造力。
2011年諾貝爾生理或醫(yī)學(xué)獎(jiǎng)得主，布魯斯·博伊特勒（Bruce Beutler）教授：
今天起，我們必須關(guān)注人工智能，以及用來推進(jìn)研究的技巧和新工具。
大約在35到40年前，我開始從事生物學(xué)工作時(shí)，那時(shí)并沒有今天認(rèn)為的理所當(dāng)然的簡(jiǎn)單工具。例如，沒有蛋白質(zhì)序列的資料庫(kù)。
我記得有次 Ross Dooiittle教授做演講，他是一位著名的生物進(jìn)化學(xué)家。他告訴我們，在他的個(gè)人電腦上（那個(gè)時(shí)代大概只是5M的硬盤），他正在通過Edman降解法定序，儲(chǔ)存蛋白質(zhì)序列，隨著時(shí)間變化也可以找到與其他蛋白質(zhì)序列的同源，僅能做到這種程度。現(xiàn)在，我們可以去比對(duì)一組序列，對(duì)比工具Blast出現(xiàn)時(shí)，我?guī)缀鯚o法相信，這是真的！運(yùn)作的如此之快，您提交一組序列，一秒鐘內(nèi)就可以得到該序列所有同源的結(jié)果，這在今天遠(yuǎn)遠(yuǎn)不是最新發(fā)明。我們依賴電腦完成幾乎所有的工作。
在遺傳學(xué)工作中查找突變，排除掉人為錯(cuò)誤，評(píng)估某個(gè)突變是有害的可能性，辨識(shí)基因以及在一定程度上預(yù)測(cè)蛋白質(zhì)的結(jié)構(gòu)。熟悉所有這些工具的人士，會(huì)擁有更大優(yōu)勢(shì)。比起其他生物學(xué)中的東西，它的變化快得多，今天起，我們必須關(guān)注人工智能。
1987年諾貝爾化學(xué)獎(jiǎng)得主，簡(jiǎn)-馬里·萊恩（Jean-Marie Lehn）教授：
雖然擁有人工智能很好，但大腦仍然是功能強(qiáng)大的實(shí)體。人工智能這個(gè)術(shù)語現(xiàn)在遍布世界各地，已被過度使用。我堅(jiān)定地認(rèn)為，雖然電腦表現(xiàn)杰出，但大腦仍然是最重要的，或許人類未來會(huì)有一個(gè)更優(yōu)秀，更龐大，更復(fù)雜的大腦。因此，人工智能以給定的方式運(yùn)作，效率極高。
人工智能是人類智能的產(chǎn)物，我們必須學(xué)會(huì)使用所有的這些工具。這其實(shí)與使用其他工具是一樣的，例如搭乘飛機(jī)可以讓我們走得更遠(yuǎn)，都是一個(gè)類別的事情。
在平時(shí)做研究的時(shí)候千萬不要錯(cuò)過“預(yù)料之外的事情”，這通常都是重要發(fā)現(xiàn)的信號(hào)?？茖W(xué)史上這樣的例子不勝枚舉，有些人明明得到了結(jié)果，卻看不出來，這在我以及周圍同事身上都發(fā)生過。時(shí)機(jī)出現(xiàn)時(shí)，千萬不要錯(cuò)過它。我的另一個(gè)建議是，做研究的時(shí)候，要學(xué)會(huì)對(duì)經(jīng)典的知識(shí)提出質(zhì)疑，許多答案往往很蠢，但卻非常重要，而且有潛力發(fā)展成完全不一樣的新領(lǐng)域。
通過以上諾獎(jiǎng)得主的回答，我們可以看出：雖然他們的觀點(diǎn)并不完全相同，但核心觀點(diǎn)是一致的，那就是人工智能將極大改變?nèi)祟惢A(chǔ)研究和應(yīng)用研究的方式，極大提高工作效率，也會(huì)極大改變?nèi)祟愃伎紗栴}的方式，要積極擁抱人工智能時(shí)代的來臨。
