|
Bringing medical advances from the lab to the clinic. 關鍵詞：人工智能；科學研究；Nature 2023年9月27日，Nature雜志發(fā)布了其對1600多位科學家的調查報告，顯示科學家們普遍認為，人工智能（AI）很快會成為科學研究的核心工具【1】。 實際上早在ChatGPT被推出之前的2022年4月，針對4萬多名科學家的調查就已經顯示：48％的人自己直接開發(fā)或研究人工智能，30％的人在他們的研究中使用人工智能，只有22％的人在他們的科學中沒有使用人工智能。 機器學習的最新進展，顯然大幅提高了對人工智能的應用。三分之二的科學家指出，人工智能提供了更快的數據處理方法，58% 的人表示它加快了以前不可行的計算速度，55% 的人提到它節(jié)省了科學家的時間和金錢。美國杜克大學的計算生物學家艾琳·卡普洛 (Irene Kaplow) 表示：“人工智能使我能夠在回答以前無法取得進展的生物學問題方面取得進展。”比如我們昨天推送的文章中，耶魯大學的巖崎明子團隊就應用了機器學習找到長新冠的生物標記。
生成式人工智能如ChatGPT的推出，掀起了新一波人工智能應用的狂潮。
應用中排第一位的是，幫助給英語非母語的科學家提高研究論文的語法和風格，或者總結或翻譯其他工作。除了學術英語，GPT-4在我的英語書面語言溝通中也占到了絕對的比例，目前我的英文信里面70%的草稿都是由ChatGPT擬的。另外，讓ChatGPT編程、寫總結報告等的應用也非常多。以ChatGPT為代表的人工智能的最新發(fā)展，也引發(fā)了科學家的普遍憂慮。其中最大的憂慮是錯誤信息。
正如我們反復說的，警惕ChatGPT“一本正經地胡說八道”。也就是GPT給出的內容邏輯嚴謹，讓人信服；但其中的數據可能是錯誤或者由GPT杜撰的。Nature的調查顯示，68% 的研究人員擔心錯誤信息激增，另外 68% 的研究人員認為這會讓抄襲變得更容易、也更難檢測，66% 的研究人員擔心會給研究帶來錯誤或不準確的結果。
對于“人工智能對于科學研究有哪些幫助？”，我們讓ChatGPT回答，會是什么樣子呢？ChatGPT的回復如下，人工智能（AI）正在深刻地改變科學研究的各個領域，提供了許多重要的優(yōu)勢和機會。以下是AI對科學研究的一些主要幫助：1. 數據分析：- AI能夠高效地分析大量復雜的數據，幫助科學家從中提取有用的信息和見解。
- 使用深度學習和其他機器學習技術，AI可以識別數據中的模式和關系，這對于發(fā)現未知的科學現象和原理至關重要。
2. 模式識別和預測：- 通過模式識別和預測分析，AI可以揭示復雜系統(tǒng)和現象背后的規(guī)律和趨勢。
- 這在氣候科學、生物學、物理學等領域都有廣泛的應用。
3. 實驗設計和假設生成：- AI可以幫助科學家設計實驗，通過優(yōu)化實驗參數和條件來增加實驗的效率和效果。
- AI也可以生成新的科學假設和問題，推動科學發(fā)現的進程。
4. 藥物發(fā)現和開發(fā)：- AI在藥物發(fā)現和開發(fā)中扮演著重要的角色，通過分析生物和化學數據來識別潛在的藥物候選分子。
- 通過AI，藥物的發(fā)現和開發(fā)過程可以大大加速。
5. 計算模擬和建模：- AI可以創(chuàng)建和優(yōu)化復雜的計算模型，模擬各種科學和工程問題。
6. 自動化和機器人學：- AI可以驅動實驗室自動化和機器人系統(tǒng)，執(zhí)行復雜和重復的實驗任務。
- 這可以節(jié)省科學家的時間，讓他們更專注于研究的其他重要方面。
7. 文獻搜索和審查：- AI可以快速搜索和審查大量科學文獻，幫助科學家保持對最新研究進展的了解。
- 通過自然語言處理和文本分析技術，AI可以從文獻中提取關鍵信息和數據。
8. 跨學科研究：- AI促使不同科學領域之間的合作和交流，推動跨學科研究和創(chuàng)新。
9. 科學通信和教育：- AI可以用于科學教育和通信，通過創(chuàng)建教育軟件和工具來促進科學知識的傳播和學習。
10. 安全性和倫理：- AI可以幫助科學家識別和管理研究和實驗中的安全和倫理問題。
盡管AI提供了許多對科學研究有益的工具和方法，但同時也存在一些挑戰(zhàn)和問題，如數據安全性、隱私問題、以及AI決策的透明性和可解釋性等問題。科學家和研究者需要綜合考慮這些因素，確保AI在科學研究中的應用既有效又安全。【1】 https://www./articles/d41586-023-02980-0本文只是分享和解讀公開的研究論文及其發(fā)現，以作科學文獻記錄和科研啟發(fā)用；并不代表作者或本公眾號的觀點。為了給大家提供一個完整而客觀的信息視角，我們有時會分享有沖突或不同的研究結果。請大家理解，隨著對疾病的研究不斷深入，新的證據有可能修改或推翻之前的結論。
本期編輯：Henry，微信號healsan。助理：ChatGPTHanson臨床科研團隊，在美國的七位生物醫(yī)學科學家主持。通過大數據分析，解析生物醫(yī)學發(fā)展趨勢；通過SCI論文解讀，分享臨床科研技巧和最新研究進展；通過專家講座，交流課題設計、統(tǒng)計分析和SCI論文撰寫規(guī)范。只提供以數據為基礎的客觀報告，及專業(yè)、獨立的思考。
|
