從處理深海生物到改善氣候預(yù)測，該技術(shù)可以是變革性的。

人工智能（AI）已經(jīng)被證明是生物信息學(xué)的革命性工具；谷歌旗下的倫敦DeepMind公司建立的AlphaFold數(shù)據(jù)庫允許科學(xué)家預(yù)測100萬個物種中2億個蛋白質(zhì)的結(jié)構(gòu)。但其他領(lǐng)域也在受益。在這里，我們描述了研究人員的工作，他們追求尖端的人工智能和機(jī)器人技術(shù)，以更好地預(yù)測地球上不斷變化的氣候，揭開藝術(shù)品背后隱藏的歷史，了解深海生態(tài)，開發(fā)新材料。

具有柔軟觸感的海洋生物學(xué)

要承受深海生活的嚴(yán)酷考驗(yàn)，需要一種堅(jiān)韌的生物體。但是這些有彈性的物種往往也是非常精致的，從柔軟的生物，如水母和海參，到堅(jiān)固但脆弱的深海魚類和珊瑚。它們的脆弱性使得研究這些生物體成為一項(xiàng)復(fù)雜的任務(wù)。

在許多海底機(jī)器人上發(fā)現(xiàn)的堅(jiān)固的金屬操縱器更有可能傷害這些標(biāo)本，而不是將它們完整地打撈出來。但是基于柔性聚合物的 "軟體機(jī)器人 "正在為紐約市立大學(xué)的David Gruber等海洋生物學(xué)家提供一種更溫和的替代方案，與這些神秘的深海居民進(jìn)行互動。

一些方法涉及用這些柔軟的元素來建造傳統(tǒng)自主車輛上的樣本處理臂，而另一些方法則更接近于模仿它們的對象，完全由柔軟和靈活的材料組成。Gruber說，問題是這是否將允許科學(xué)家在深海中采集活體樣本，"并做一些我們通常在受控的實(shí)驗(yàn)室環(huán)境中，在潛艇的球體內(nèi)做的事情"。

答案似乎是一個決定性的肯定。在過去的八年里，格魯伯一直在與馬薩諸塞州劍橋市哈佛大學(xué)的機(jī)器人專家羅伯特-伍德合作，構(gòu)建能夠在潛水員害怕去的環(huán)境中有效運(yùn)作的機(jī)器人，他在該領(lǐng)域的其他一些同事也完成了類似的壯舉。例如，在2021年，由浙江大學(xué)的機(jī)器人專家李鐵峰領(lǐng)導(dǎo)的中國研究人員設(shè)計了一個機(jī)器人，可以在馬里亞納海溝的陰暗深處--西太平洋表面以下近11公里的地方航行。

早期的這些軟體機(jī)器人主要集中在安全捕捉和處理活的海洋生物，但是下一波機(jī)器人應(yīng)該能夠在不返回陸地的情況下進(jìn)行更廣泛的分析。Gruber描述了在水下進(jìn)行質(zhì)譜分析或復(fù)雜的成像方法的系統(tǒng)開發(fā)進(jìn)展，他和Wood甚至開發(fā)了一個軟體機(jī)器人，可以對新捕獲的標(biāo)本進(jìn)行基因組分析。

成本仍然是一個非常大的障礙。Gruber指出，即使是較小的潛水器系統(tǒng)也要花費(fèi)數(shù)十萬美元。但是軟體機(jī)器人的設(shè)計也賦予了很大的靈活性。例如，格魯伯的同事已經(jīng)證明，他們可以在海上工作時使用3D打印機(jī)來創(chuàng)建專門的操縱和抓取部件，使他們能夠迅速為考察期間發(fā)現(xiàn)的水母、珊瑚或其他生物定制其機(jī)器人。

盡管這項(xiàng)技術(shù)還沒有被廣泛接受，但格魯伯對軟體機(jī)器人技術(shù)可能改變海洋生物學(xué)充滿熱情，因?yàn)樗试S研究人員快速獲得對新物種的有用見解，而不僅僅是來自潛水艇攝像機(jī)的轉(zhuǎn)瞬即逝的快照。"他說："這些動物中的大多數(shù)都是非常新的，我們對它們要么所知甚少，要么一無所知。

改變氣候預(yù)測

每隔三到七年，太平洋的水域就會在相對溫暖和涼爽的表面溫度之間波動。雖然只有幾度，但這些變化對全球氣候有深遠(yuǎn)的影響，對亞洲、大洋洲和美洲的降雨和風(fēng)暴活動有很大影響。

對這些變化時間的了解--正式稱為厄爾尼諾-南方濤動，或ENSO--可以幫助社區(qū)為干旱、嚴(yán)重颶風(fēng)或其他極端天氣事件做好準(zhǔn)備。這種預(yù)測很難有很大的把握，但在2019年，韓國光州全南國立大學(xué)的Yoo-Geun Ham團(tuán)隊(duì)開發(fā)了一種算法，基于一種被稱為深度學(xué)習(xí)的人工智能技術(shù)，可以提前兩年成功預(yù)測這些海洋變暖和變冷事件。事實(shí)上，他們的算法的預(yù)測在過去三年里一直在預(yù)測ENSO模式。"到目前為止，這么好。"Ham說。

人工智能是氣候科學(xué)工具箱的新成員，但已經(jīng)證明它擅長通過觀測數(shù)據(jù)來發(fā)現(xiàn)有意義的大氣和海洋活動模式。在某些情況下，人工智能可以產(chǎn)生很好的未來預(yù)測，例如 Ham 與 ENSO 的合作，但該技術(shù)也可以立即提供相關(guān)的見解。例如，谷歌姊妹公司 DeepMind 的科學(xué)家在 2021 年進(jìn)行的一項(xiàng)研究展示了一種“臨近預(yù)報”算法，該算法將深度學(xué)習(xí)應(yīng)用于實(shí)時雷達(dá)數(shù)據(jù)，以準(zhǔn)確預(yù)測未來幾個小時內(nèi)的降水模式。

可以提前很好地預(yù)測 ENSO 模式信號事件（例如臺風(fēng)）

氣候研究人員也在使用人工智能來克服傳統(tǒng)的基于統(tǒng)計或物理學(xué)的氣候?qū)W方法的一些缺點(diǎn)。例如，深度學(xué)習(xí)算法可用于識別氣候建模的基本參數(shù)，這些參數(shù)無法根據(jù)當(dāng)前知識或直接觀察準(zhǔn)確量化，例如海水混合或云的區(qū)域運(yùn)動。人們甚至可以應(yīng)用人工智能來填補(bǔ)歷史氣候數(shù)據(jù)的空白。

迄今為止，大多數(shù)工作都集中在全球氣候的特定組成部分或區(qū)域要素上，但目前更大的、全球范圍的問題仍然很大程度上超出了人工智能的范圍。這種規(guī)模的預(yù)測通常來自地球系統(tǒng)模型——基于對海洋、大氣和陸地生態(tài)系統(tǒng)中關(guān)鍵物理過程的理解的數(shù)學(xué)框架。Ham 表示，該領(lǐng)域“是應(yīng)用深度學(xué)習(xí)進(jìn)行氣候預(yù)測和氣候建模的未來”，盡管他指出，該領(lǐng)域的大部分初步工作尚未在準(zhǔn)確性方面得到強(qiáng)有力的評估或驗(yàn)證。

部分問題在于，當(dāng)前的人工智能系統(tǒng)通常是在研究數(shù)據(jù)中的模式，而不是對物理現(xiàn)象的真正理解。除此之外，還難以追溯算法使用的過程以得出結(jié)論。漢姆說，他的團(tuán)隊(duì)在他們的工作中努力克服與這個問題相關(guān)的懷疑。“我們應(yīng)用了一種非常嚴(yán)格的驗(yàn)證方法來證明我們的深度學(xué)習(xí)模型確實(shí)超越了其他最先進(jìn)的預(yù)測系統(tǒng)，”Ham 認(rèn)為，人工智能最終將改變氣候預(yù)測領(lǐng)域。“我認(rèn)為未來非常光明。”

催化材料發(fā)現(xiàn)

過渡金屬元素，如鐵、銅和鉑，廣泛用于各種行業(yè)的化學(xué)加工和合成——部分原因在于它們獨(dú)特的電子結(jié)構(gòu)，適合催化。然而，材料科學(xué)家只觸及了眾多可能配方的表面，還有更多的化合物有待發(fā)現(xiàn)，它們可以提供卓越的催化性能、更低的成本或更簡單的生產(chǎn)方法。

美國麻省理工學(xué)院的計算化學(xué)家 Heather Kulik 是不斷壯大的研究人員社區(qū)的一員，他們正在使用 AI 算法來顯著加快材料發(fā)現(xiàn)和設(shè)計過程。在今年發(fā)表的一項(xiàng)研究中（A. Nandyet al.JACS Au2, 1200–1213; 2022），她的團(tuán)隊(duì)使用了一種稱為“主動學(xué)習(xí)”的方法——人工智能算法使用自己的模型來識別可能導(dǎo)致進(jìn)一步提高性能——揭示可以有效地將甲烷轉(zhuǎn)化為甲醇的過渡金屬催化劑的結(jié)構(gòu)和化學(xué)特征。

Kulik 說：“我們搜索了大約 1600 萬種候選催化劑。并且能夠在幾天到幾周內(nèi)提出設(shè)計原則，否則這需要幾十年的時間。這種催化劑很重要，因?yàn)樗鼈兛梢源龠M(jìn)甲烷（化石燃料和溫室氣體的主要成分）有效轉(zhuǎn)化為更通用和更有用的化學(xué)構(gòu)件。“

Kulik 將該領(lǐng)域的增長部分歸功于開源工具包的開發(fā)激增，這些工具包使研究人員更容易在廣泛的物理化學(xué)特征上訓(xùn)練人工智能以發(fā)現(xiàn)潛在材料。盡管 Kulik 指出，獲取高質(zhì)量數(shù)據(jù)仍然是一個緊迫的問題，但還有許多可公開訪問的理論和實(shí)驗(yàn)衍生化學(xué)數(shù)據(jù)存儲庫可以輸入這些算法。“我認(rèn)為對于生成高質(zhì)量數(shù)據(jù)集需要什么達(dá)成共識，”她說，并指出她的團(tuán)隊(duì)通常完全依賴內(nèi)部生成的數(shù)據(jù)來訓(xùn)練他們的算法。人工智能在這里也有其可能的用途；

目前，這些分析主要用于識別針對某一特定特性進(jìn)行優(yōu)化的材料，例如特定環(huán)境條件下的穩(wěn)定性。但現(xiàn)在“多目標(biāo)優(yōu)化”領(lǐng)域正在進(jìn)行有前途的工作，其中機(jī)器學(xué)習(xí)算法被用于研究化合物和結(jié)構(gòu)，這些化合物和結(jié)構(gòu)同時在各種不同的參數(shù)上產(chǎn)生出色的性能。

Kulik 還熱衷于計算化學(xué)的新興領(lǐng)域，該領(lǐng)域使用算法來監(jiān)督 AI 建模過程本身的關(guān)鍵方面。這個想法是通過訓(xùn)練計算機(jī)識別質(zhì)量差的數(shù)據(jù)、不現(xiàn)實(shí)的材料或其他可能導(dǎo)致失敗的條件來消除典型的基于機(jī)器學(xué)習(xí)的實(shí)驗(yàn)可能出現(xiàn)的錯誤開始和死胡同。

對 Kulik 來說，這并不是要把人類專家排除在外，而是讓他們將更多的時間和精力投入到高質(zhì)量計算結(jié)果的分析中，“這樣博士生就不必把所有的時間都花在做乏味的事情”。

刮擦表面

即使是最偉大的藝術(shù)家也是從草稿開始的。對于列奧納多·達(dá)·芬奇這樣的大師來說，許多早期的努力都已被歷史遺忘，但復(fù)雜的成像技術(shù)和人工智能算法的結(jié)合使得挖掘隱藏在成品畫下的初步草圖成為可能。

英國倫敦國家美術(shù)館首席科學(xué)家 Catherine Higgitt 與倫敦帝國理工學(xué)院電氣工程師 Pier Luigi Dragotti 合作，發(fā)現(xiàn)了隱藏在 15 世紀(jì)后期達(dá)芬奇作品《圣母瑪利亞》中的天使和其他人物的蹤跡巖石。他們首先使用 X 射線熒光檢測與整個繪畫中某些顏料相關(guān)的元素，然后使用人工智能重建由這些顏料形成的隱藏圖案。

非侵入性成像正在成為藝術(shù)修復(fù)領(lǐng)域的標(biāo)準(zhǔn)工具，但生成的數(shù)據(jù)量很快就會變得不堪重負(fù)。“我們很少依賴單一技術(shù)。”Higgitt 說：“我們傾向于將信息拼湊在一起，因此您可能擁有一系列不同波長的成像數(shù)據(jù)。這就是人工智能可以派上用場的地方：幫助集成和解釋復(fù)雜的數(shù)據(jù)集。”

De Goya 的Do?a Isabel de Porcel，在其下發(fā)現(xiàn)了另一幅肖像。

這些類型的人工智能輔助圖像分析現(xiàn)在在生物醫(yī)學(xué)成像等學(xué)科中相當(dāng)普遍，但博物館科學(xué)家通常缺乏計算資源和使用這些技術(shù)的專業(yè)知識。Higgitt 與英國一項(xiàng)名為 ARTICT 的研究計劃聯(lián)手，該計劃匯集了來自藝術(shù)界的專家和來自不同學(xué)科的計算專家。

今天，人工智能是 Higgitt 在國家美術(shù)館工作的常規(guī)組成部分，這使她的團(tuán)隊(duì)相對于大多數(shù)其他博物館處于最前沿，盡管她承認(rèn)“這仍然是非常初級的步驟”。

許多其他小組也展示了通過將算法分析應(yīng)用于藝術(shù)品可以獲得的見解。例如，俄羅斯和比利時的研究人員已經(jīng)使用神經(jīng)網(wǎng)絡(luò)進(jìn)行“虛擬修復(fù)”，以數(shù)字方式修補(bǔ)裂縫，并在退化的畫作上填充缺失和褪色的油漆。位于美國俄亥俄州克利夫蘭的凱斯西儲大學(xué)的另一個團(tuán)隊(duì)設(shè)計了一種算法，可以幫助根據(jù)物理筆觸識別對給定作品負(fù)責(zé)的藝術(shù)家——甚至可能揭示贗品。

在她的學(xué)科中使用人工智能的早期階段，希吉特對它給予過多的信任持謹(jǐn)慎態(tài)度。她指出了檢查人工智能系統(tǒng)如何得出答案的困難，目前尚不清楚在一件藝術(shù)品上訓(xùn)練的算法在其他藝術(shù)品上的表現(xiàn)如何。她認(rèn)為它提供了數(shù)據(jù)的“第一次通過”，以幫助提取“專家——化學(xué)家、保護(hù)者或策展人——會回來審查的趨勢或信息”。

隨著進(jìn)展的繼續(xù)，Higgitt 看到了令人興奮的機(jī)會，讓人工智能改變策展人和公眾與藝術(shù)互動的方式。希吉特說，這甚至可能包括重建藝術(shù)品“生活故事”的各個方面，讓觀眾“不僅了解一件作品最初可能位于的位置，還可以了解它在過去不同時間點(diǎn)的樣子” .