剛剛，《Science》評選出 2022 年度十大科學(xué)突破。

今年為人工智能贏得一席之地的是 AI 生成內(nèi)容（AIGC）和 AI 加速科學(xué)發(fā)現(xiàn)兩個熱門的研究方向。

藝術(shù)創(chuàng)作和科學(xué)發(fā)現(xiàn)曾被認為是人工智能難以涉足的兩個領(lǐng)域，因為它們需要人類的智慧和創(chuàng)造力。但現(xiàn)在，AI 已經(jīng)在這兩個方向上做得很好。

2022 年 AIGC 領(lǐng)域研究最多的當(dāng)屬文本到圖像生成模型。這類模型使用機器學(xué)習(xí)在線分析文本和圖像的配對，找到根據(jù)新文本創(chuàng)建新圖像的模式。

從 2021 年 OpenAI 展示 DALL·E 生成「牛油果形狀的椅子」開始，文本到圖像生成模型就進入了一個新的階段。

2022 年 4 月，OpenAI 又發(fā)布了升級版模型 DALL·E 2。DALL·E 2 建立在 CLIP 的基礎(chǔ)上，又使用稱為擴散（diffusion）的過程從「噪聲」中生成圖像。

DALL·E 2 可以高效地生成逼真的圖片。今年還有多種擴散模型面世，并且 Meta、谷歌等公司還發(fā)布了可以生成視頻的擴散模型。

下圖是文本到圖像生成模型 Midjourney 生成的《太空歌劇院》，39 歲游戲設(shè)計師 Jason Allen 憑借這幅 AI 生成的畫作獲得在美國科羅拉多州舉辦的藝術(shù)博覽會數(shù)字藝術(shù)類冠軍。

2022 年 AIGC 模型的發(fā)展引發(fā)人們對于 AI 創(chuàng)作藝術(shù)的關(guān)注和倫理思考。

另一方面，在科學(xué)、數(shù)學(xué)和編程方面 AI 模型也延續(xù)了 2021 年的進展。2021 年 《Science》的十大年度突破包括預(yù)測蛋白質(zhì)結(jié)構(gòu)的 AI 模型 AlphaFold。在這項工作的基礎(chǔ)上，研究人員現(xiàn)在已經(jīng)使用人工智能來設(shè)計可用于疫苗、建筑材料或納米機器的全新蛋白質(zhì)。

在《Science》今年 9 月發(fā)表的一篇論文中，華盛頓大學(xué)醫(yī)學(xué)院生物化學(xué)教授 David Baker 等研究者提出，AI 可以通過兩種思路從頭設(shè)計蛋白質(zhì)。其中一種被稱為「幻想」，這種技術(shù)從隨機序列開始，然后將它們突變?yōu)槠渌斯ぶ悄芄ぞ叽_信會折疊成穩(wěn)定蛋白質(zhì)的序列。

他們設(shè)計了一種用以生成氨基酸序列的新算法「ProteinMPNN」，可以在 1 秒鐘內(nèi)開始運算，比此前最頂尖軟件的速度還要快 200 多倍。

與此同時，DeepMind 發(fā)布了一個名為 ??AlphaTensor?? 的工具。它發(fā)現(xiàn)了人類數(shù)學(xué)家?guī)资陙硭鲆暤慕輳?，可以為矩陣乘?block 設(shè)計更高效的算法。矩陣乘法是計算機圖形學(xué)、數(shù)字通信、神經(jīng)網(wǎng)絡(luò)訓(xùn)練和科學(xué)計算等很多計算任務(wù)的核心組成部分，AlphaTensor 發(fā)現(xiàn)的算法可以顯著提升這些領(lǐng)域的計算效率。

據(jù) DeepMind 介紹，AlphaTensor 建立在 AlphaZero 的基礎(chǔ)上。這項工作展示了 AlphaZero 從用于游戲到首次用于解決數(shù)學(xué)難題的一次轉(zhuǎn)變。

雖然 AlphaTensor 誕生之初只專注于矩陣乘法這一特定問題，但 DeepMind 表示希望能夠啟發(fā)更多的人使用 AI 來指導(dǎo)其他基礎(chǔ)計算任務(wù)的算法發(fā)現(xiàn)。并且，DeepMind 的研究還表明，AlphaZero 這種強大的算法遠遠超出了傳統(tǒng)游戲的領(lǐng)域，可以幫助解決數(shù)學(xué)領(lǐng)域的開放問題。

DeepMind 還推出了 AlphaCode，這是一個可以編程解決數(shù)字問題的系統(tǒng)，比如計算多少個給定長度的二進制字符串沒有連續(xù)的零。AlphaCode 使用一個根據(jù)以前的程序及其描述訓(xùn)練出來的模型來生成許多候選程序，然后挑選出最具前景的。

上周，AlphaCode 這項研究在《Science》上正式發(fā)表。

與人類程序員相比，AlphaCode 的成績處于中等水平。DeepMind 的研究者將 AlphaCode 放在編程競賽平臺 Codeforces 挑戰(zhàn)中進行了測試，AlphaCode 針對 Codeforces 網(wǎng)站上 5000 名用戶解決的 10 項挑戰(zhàn)進行了測試，總體排名位于前 54.3%，擊敗了 46% 的參賽者 。

雖然未能贏得比賽，但這個結(jié)果已代表了人工智能解決問題能力的實質(zhì)性飛躍，證明了深度學(xué)習(xí)模型在需要批判性思維的任務(wù)中的潛力。

DeepMind 指出，AlphaCode 目前的技能組合目前僅適用于競賽性質(zhì)的編程領(lǐng)域，但它的能力為創(chuàng)建未來工具打開了新的大門，這些工具使編程變得更加容易，并且有朝一日完全自動化。

除了關(guān)于這些壯舉是否算作真正的創(chuàng)造力的辯論之外，它們還引起了現(xiàn)實與道德上的困境。一些觀察家擔(dān)心，這些人工打造程序員的和藝術(shù)家會侵犯版權(quán)、延續(xù)刻板印象、傳播錯誤信息或削減工作崗位。但毫無疑問的是，人類將利用這些工具來擴展自身的創(chuàng)造力，就像過去利用織布機、照相機和其他曾經(jīng)令人不安的發(fā)明那般。