發展新材料不用亂槍打鳥,機器學習人工智慧幫忙找答案

作者 | 發布日期 2016 年 03 月 18 日 8:49 | 分類 AI 人工智慧 , 環境科學 follow us in feedly

應用深度學習的人工智慧 AlphaGo 戰勝人類,讓全球許多人類都感到危機意識,不過,或許在擔心未來可能遭到「天網」統治之前,先來想想人工智慧的好處。機器學習技術其實可以應用在許多複雜領域,幫助人類解開困難的習題,譬如過去想開發新材料,成分比例與製備方式要一試再試,但透過機器學習的人工智慧根據化學原理來幫忙找出最佳解答,那不就輕鬆多了嗎?



人類史上最偉大的材料發明,大概是某天有位先民不知為何把錫混進了銅裡頭,創造出青銅,青銅遠比柔軟的銅更有用處,開創了青銅器文明,但是人類發明青銅的過程完全是碰運氣,事實上,就算在發明青銅之後的 7 ,000 年,人類發明新材料也往往都是透過瞎貓碰到死耗子,不過,自然界可是有 95 個元素,發展新材料的混合、化合以及聚合方式有幾乎無限種可能,要靠人類碰運氣一個個慢慢試,得試到什麼時候?

康乃狄克大學的研究團隊認為,該是派出機器學習的人工智慧的時候了,研究團隊讓機器自動學習每個已知的聚合物,了解不同反應聚合產生的材料在原子層級的特性,最後為何有的成為良好的導體、有的卻成為絕緣體,經過機器深度學習以後,人工智慧就能預測需要什麼樣的反應才會產生什麼樣的成果,就有如 AlphaGo 預測圍棋的盤面情勢變化一樣。

不過畢竟不是人人都是家大業大的 Google,研究團隊只先測試 7 種不同的化學元件組成的聚合物,在其中只先給予電腦 283 種的基本資料去分析,一但電腦從這 283 種聚合物「學會」了化學的真理,它就不再需要從量子層級重新分析起,而是能直接預測新分子的特性,而且準確度相當高,由於不用從基本的量子層級去計算,演算速度比起過去的方式快很多。

能預測新材料的特質對化工產業可說有重大影響,現在工程師們可以先找出想要的特質的聚合物,然後才去合成它,最後發現果然真的跟預測一樣,如此能大幅減少開發時間,也免除了一再試錯而產生的大量成本。

就如同 AlphaGo 雖然厲害,但專家表示它仍然只是個弱人工智慧,是機器學習的過程讓它變得如此強大,機器學習應用在其他方面,也可望大幅加速許多運算需求的效能,或是降低硬體的需求,而能對人類產生相當大的貢獻。或許我們先別悲嘆 AlphaGo 戰勝人類,而是該歡呼像 AlphaGo 這樣的機器學習人工智慧,將很快的能為我們的生活與科技發展,帶來許多貢獻。

(首圖來源:science daily) 

發表迴響