想发现新材料？机器学习人工智能能够帮忙找到答案

应用深度学习的人工智能 AlphaGo 打败人类，让全球许多人类都感到危机意识，不过，或许在担忧将来可能遭到「天网」统治以前，先来想一想人工智能的好处。机器学习技术其实能够应用在许多复杂领域，帮助人类解开困难的习题，譬如过去想开发新材料，成分比例与制备方式要一试再试，但透过机器学习的人工智能根据化学原理来帮忙找出最佳解答，那不就轻松多了吗？人类史上最伟大的材料发明，大概是某天有位先民不知为什么把锡混进了铜里头，创造出青铜，青铜远比柔软的铜更有用处，开创了青铜器文明，可是人类发明青铜的过程彻底是碰运气，事实上，就算在发明青铜以后的 7 ,000 年，人类发明新材料也每每都是透过瞎猫碰到死耗子，不过，天然界但是有 95 个元素，发展新材料的混合、化合以及聚合方式有几乎无限种可能，要靠人类碰运气一个个慢慢试，得试到何时？

康涅狄格大学的研究团队认为，该是派出机器学习的人工智能的时候了，研究团队让机器自动学习每一个已知的聚合物，了解不一样反应聚合产生的材料在原子层级的特性，最后为什么有的成为良好的导体、有的却成为绝缘体，通过机器深度学习之后，人工智能就能预测须要什么样的反应才会产生什么样的成果，就有如 AlphaGo 预测围棋的盘面情势变化同样。不过毕竟不是人人都是家大业大的 Google，研究团队只先测试 7 种不一样的化学组件组成的聚合物，在其中只先给予计算机 283 种的基本数据去分析，一但计算机从这 283 种聚合物「学会」了化学的真理，它就再也不须要从量子层级从新分析起，而是能直接预测新分子的特性，并且准确度至关高，因为不用从基本的量子层级去计算，演算速度比起过去的方式快不少。能预测新材料的特质对化工产业可说有重大影响，如今工程师们能够先找出想要的特质的聚合物，而后才去合成它，最后发现果真真的跟预测同样，如此能大幅减小开发时间，也免除了一再试错而产生的大量成本。就如同 AlphaGo 虽然厉害，但专家表示它仍然只是个弱人工智能，是机器学习的过程让它变得如此强大，机器学习应用在其余方面，也可望大幅加速许多运算需求的效能，或是下降硬件的需求，而能对人类产生至关大的贡献。或许咱们先别悲叹 AlphaGo 打败人类，而是该欢呼像 AlphaGo 这样的机器学习人工智能，将很快的能为咱们的生活与科技发展，带来许多贡献。相关内文：http://www.cafes.org.tw/info.asp