發展新材料不用亂槍打鳥，機器學習人工智慧幫忙找答案

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。