AI 最新突破集锦 AI控制核聚变 AI预测蛋白质3D结构 Alpha Fold2 AI证明数学公式自动驾驶

Posted 2022-03-24 AI架构师易筋

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了AI 最新突破集锦 AI控制核聚变 AI预测蛋白质3D结构 Alpha Fold2 AI证明数学公式自动驾驶相关的知识，希望对你有一定的参考价值。

大名鼎鼎的 DeepMind 公司，它是全球最大的 AI 研究机构。在围棋比赛中战胜人类的 AlphaGo、预测蛋白质结构的 AlphaFold2、战胜星际争霸世界冠军的 AlphaStar，都出自 DeepMind。DeepMind被谷歌公司以6亿美元的价格收购。

1. 控制核聚变的 AI – Deep Mind

在巨大的热量和重力下，太阳核心中的氢原子核相互碰撞，聚合成更重的氦原子，并在此过程中释放出大量能量。数十年来，科学家和工程师们探索通过形似甜甜圈的托卡马克装置，约束等离子体，从而达成可控核聚变的目的。如何有效控制等离子体，是通往核聚变的关键。

“我们需要加热这些物质，并使其保持足够长的时间，以便从中获得能量。” 瑞士洛桑联邦理工学院等离子体中心主任Ambrogio Fasoli说道。

要实现核聚变，必须满足三项条件：极高的温度、足够的等离子体粒子密度以及足够的限制时间。这正是人工智能的用武之地。2月16日，题为《通过深度强化学习对托卡马克等离子体进行磁控》（Magnetic control of tokamak plasmas through deep reinforcement learning）的论文登上《Nature》，该研究由谷歌旗下人工智能公司Deepmind和瑞士洛桑联邦理工学院等离子体中心的物理学家合作完成。

在超过1亿℃的环境下，氢过热成为一种等离子体状态。没有任何材料可以控制这样温度的等离子体，但在托卡马克装置中，强大的磁场使等离子体悬浮并固定在托卡马克内部，迫使其保持形状并阻止其接触反应堆壁（接触反应堆壁将冷却等离子体并损坏反应堆）。

虽然用核聚变做氢弹的难度很大，但也比实现核聚变发电要容易得多。

原因很简单，因为发电必须让巨大的能量徐徐、稳定地放出。这就像推倒一栋 28 层高的楼房，却要求砖头一块一块稳定地掉出来那样。所以控制方法特别关键。

今天人们筛选出来的控制方法，是把氢的同位素氚、氘加温加压，让它们带电，再用磁线圈把这些高温混合物约束在半空中进行高速运动。这就是利用核聚变发电的过程。

现阶段，能够稳定地维持核聚变 100 秒的时间已经算是非常顶尖的水平了。但要利用核聚变发电，目标是要稳定维持至少几万秒。科学家们对此做了大量的模拟计算，找出了一些控制的方法。

然后，就要说到这次 DeepMind 的成就了。它凭借深度强化学习算法（DRL），在 3 年里竟然自己搞出了 5 个不同形状的物质横截面。

甚至其中还有一个方案，是两股环形的物质流一起高速流动。我把这 5 个形状的图片放在下方了，你可以看看。

其中任何一个方案，都对应了人类全部核聚变研究十几年的成果。所以，这个 AI 产出成果的效率太高了，令人感叹。而且有些结果从初步看，在冷却成本上，可能比今天最成熟的方案还要低得多。

至于说这些计算出来的方案，在大型的核聚变腔体里真实运行起来效果如何，还要继续等待它们在 ITER（国际热核聚变实验堆）项目里排上队、测试完才能知道。

但仅就 AI 目前展现出来的实力来说，就顶了几十个物理学家十几年的工作成果。

2. AI预测蛋白质3D结构

3. AI 帮助数学公式的证明

!pip install tensorflow
!pip install autogluon

from autogluon.tabular import TabularPredictor

predictor = TabularPredictor(label='signature', verbosity=4).fit(
    train_df[column_names + [target]],
    tuning_data=validation_df[column_names+[target]],
    time_limit=240
)

4. AlphaCode

In 2022, DeepMind unveiled AlphaCode, an AI-powered coding engine that creates computer programs at a rate comparable to that of an average programmer, with the company testing the system against coding challenges created by Codeforces utilized in human competitive programming competitions.[84]

5. AI 代替人力

因为它们可以一定程度上取代人的劳动，甚至有些劳动看上去还是比较专业的。

比如在矿山开那种巨型卡车的司机，如果冷不丁地问你，开这种卡车，司机需要持什么类型的驾照呢？你可能还真答不上来。其实，开类似卡特皮勒 797 那种 400 吨沉的非公路卡车，并不需要驾照，但是需要经过特殊的培训。

这类司机不但数量少，而且工资堪比大学教授。这些人要是能被无人驾驶替代，那矿场主当然是很感兴趣的。于是在今天，巨型卡车的生产商无一例外地设立了子公司或者部门来研发无人驾驶。

这些企业包括卡特皮勒、小松集团、沃尔沃、斯堪尼亚、日立集团、别拉斯，差不多涵盖了这个领域所有著名的品牌。

6. AI取代心率监测模块

事实上，AI 除了可以代替人力，还可以取代一些硬件。

最近一年新发布的手机，受到 AI 技术提升的影响，竟然砍掉了不少 3 年前人们还引以为豪的、可以当作卖点的硬件模块。

比如，谷歌在 2021 年底发布的 Pixel 6 系列手机，发布的时候可没说手机具有心率监测、呼吸频率检测等功能。但是在系统软件第一次大更新之后，竟然冒出来了这两个新功能。

这就有点让人意外了。因为这可不是新增一个动态桌面、新增一个拍照模式那样的升级，那些升级只需要改动软件就能实现，而心率和呼吸的检测，一直以来都是实打实需要额外增加硬件才能做到的。

那么，Pixel 6 又是怎么做到的呢？是靠 AI 算法加持下的摄像头和 LED 手电来实现的。

这个检测是这样做的：

打开检测功能，然后把手机翻过来，背面的摄像头和 LED 手电挨得很近不是？你把手指头按在上面，同时压住摄像头和 LED 手电，然后就启动检测了。这时候， LED 的强光会把手指照亮，你的指肚边缘都被照得泛红了。与此同时，摄像头就在捕捉半透明的手指组织中、血管一张一缩导致的反射光的强弱变化。

这个变化再结合谷歌从收购的 Fitbit 那里获得的 AI 算法，首先就得到了心率，然后通过计算拟合出呼吸频率。

7. AI 取代摄像头

后置摄像头

另外一个被 AI 取代的硬件，就是手机的后置摄像头了。在 2019 年之前，各品牌的旗舰手机，尤其是号称拍照牛的那些型号，大都配了 4 - 5 个摄像头，分别是主摄、超广角、长焦、潜望、独立微距。

比如小米手机 CC9 Pro，当时的广告宣传叫作“1亿像素五摄四闪 10 倍混合光学变焦”，手机背面很多圆圈圈。

照这个态势发展下去，想要继续提高手机拍照质量的话，除了手握的地方，估计都会开孔安装摄像头。

但实际上，经过 2 年的发展，大部分顶级旗舰机里，独立微距和长焦这 2 个摄像头已经取消了。

通过 AI 算法把主摄和超广角捕捉到的数据糅合在一起，就是令人满意的独立微距摄像头拍照的效果。

而且，2019 年之后，别看摄像头数量减少了，但手机的拍照质量还在稳步地提升。

在 DxOMark 上的手机拍照排名里，使用五摄四闪 10 倍混合光学变焦的小米 CC9 Pro 拍照得分 130，只使用 3 个摄像头的小米 11 至尊版拍照得分 148。

这是在削减了 2 个摄像头后，画质提升一代的实质性超越。但实际上，减少了摄像头，手机在成本上还节约了。

人脸识别前置摄像头

其实，不止是心率的监测模块被 AI 取代了，你应该还有印象，2018 年之前的手机，顶部都会有一排摄像头，所以做全面屏难度很大。

这些摄像头里，有的在今天就已经被 AI 完全取代了。比如说，专门承担人脸识别任务的结构光摄像头和 ToF（Time-of-Flight飞行时间测距传感器）。当时，很多厂商还在争论这两种方案到底哪个更有前途。但在 2021 年的新手机中，这两个模块全都不见了，大家都只用普通的前置摄像头加 AI 算法来实现人脸识别。

TOF是飞行时间（Time of Flight）技术的缩写，即传感器发出经调制的近红外光，遇物体后反射，传感器通过计算光线发射和反射时间差或相位差，来换算被拍摄景物的距离，以产生深度信息，此外再结合传统的相机拍摄，就能将物体的三维轮廓以不同颜色代表不同距离的地形图方式呈现出来。