想發現新材料？機器學習人工智能能夠幫忙找到答案

應用深度學習的人工智能 AlphaGo 打敗人類，讓全球許多人類都感到危機意識，不過，或許在擔憂將來可能遭到「天網」統治以前，先來想一想人工智能的好處。機器學習技術其實能夠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能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爲什麼把錫混進了銅裏頭，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，可是人類發明青銅的過程徹底是碰運氣，事實上，就算在發明青銅以後的 7 ,000 年，人類發明新材料也每每都是透過瞎貓碰到死耗子，不過，天然界但是有 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，得試到何時？

康涅狄格大學的研究團隊認爲，該是派出機器學習的人工智能的時候了，研究團隊讓機器自動學習每一個已知的聚合物，瞭解不一樣反應聚合產生的材料在原子層級的特性，最後爲什麼有的成爲良好的導體、有的卻成爲絕緣體，通過機器深度學習之後，人工智能就能預測須要什麼樣的反應纔會產生什麼樣的成果，就有如 AlphaGo 預測圍棋的盤面情勢變化同樣。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 種不一樣的化學組件組成的聚合物，在其中只先給予計算機 283 種的基本數據去分析，一但計算機從這 283 種聚合物「學會」了化學的真理，它就再也不須要從量子層級從新分析起，而是能直接預測新分子的特性，並且準確度至關高，因爲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不少。能預測新材料的特質對化工產業可說有重大影響，如今工程師們能夠先找出想要的特質的聚合物，而後纔去合成它，最後發現果真真的跟預測同樣，如此能大幅減小開發時間，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能，是機器學習的過程讓它變得如此強大，機器學習應用在其餘方面，也可望大幅加速許多運算需求的效能，或是下降硬件的需求，而能對人類產生至關大的貢獻。或許咱們先別悲嘆 AlphaGo 打敗人類，而是該歡呼像 AlphaGo 這樣的機器學習人工智能，將很快的能爲咱們的生活與科技發展，帶來許多貢獻。相關內文：http://www.cafes.org.tw/info.asp