人工智慧正重塑人類的發明模式
科技產業資訊室 (iKnow) - Kyle 發表於 2019年2月21日
圖一、創新貢獻與研究人員數量的關係
每一種有效的新藥，都必須歷經非常昂貴且經常令人沮喪的實驗與猜測過程，才能完成。簡單來說，藥物化學家必須使用他們對分子結構知識，來猜測哪些化合物合成能夠成為優質藥物。可是這一合成並測試過程中，要歷經無數變種的猜測，且大多數測試都是失敗的。這也是為什麼找到好的藥物需要很長時間，且新藥剛推出時，都非常昂貴的主因。
世界領先的人工智慧研究人員之一Barzilay認為，透過深度學習可以加速這一實驗與猜測的過程。因為透過訓練的人工智慧機器，其可能嘗試人類不易嘗試的領域，進而發掘出優質藥物。
使用機器學習來嘗試創造新材料，也是值得關注的領域。其中，環保清潔技術應用也依賴人工智慧的協助。人們希望在電網和有機太陽能上儲存電力的電池能夠透過深度學習帶來大躍進，甚至進一步降低製造成本，讓性價比更高。
其實，在人工智慧尚未出現之前，無論是化學，材料科學和藥物等都變得相當複雜，使得這些領域想要突破現狀變得愈來愈困難。深度學習的優勢在於可以減緩這些領域進展的複雜性。
人工智慧的簡單經濟學作者兼多倫多羅特曼管理學院經濟學家Ajay Agrawal說，透過多維空間的搜索，得以找出有價值的預測，他稱之為「人工智慧的甜蜜點（AI’s sweet spot）」。透過這一結論，讓來自於麻省理工學院，哈佛大學和波士頓大學的經濟學家都認為，人工智慧的最大經濟影響力是來自於改變人們“發明方法”的潛力，這一過程最終會重塑“創新過程的本質和研發的組織”。
換句話說，人工智慧的主要貢獻可能不是現今高科技公司關注的無人駕駛汽車或者影像搜索，甚至不是亞馬遜透過Alexa接受訂單的能力，而是能夠提出一種新思路來推動創新本身，進而改變人類創新的過程。
去年(2018)年底，獲得經濟學諾貝爾獎的Paul Romer認為新思想和創新的投資能夠有效推動經濟的強勁成長。換個思維來說，未來10至20年，人工智慧就將扮演這一角色的催化劑。（738字）
參考資料：
AI is reinventing the way we invent. MIT Technology Review，2019/2/15
本站相關資料
1.2023年深度學習市場的價值達181.6億美元
2.深度學習硬體年成長47%、將是下一波半導體成長動力
3.IBM的深度學習獲得重大突破，縮短時間提高效率
4.利用人工智慧找出最佳病人生活品質的癌症治療方案
5.谷歌企圖將機器學習晶片形成生態鏈
--------------------------------------------------------------------------------------------------------------------------------------------
【聲明】
1.科技產業資訊室刊載此文不代表同意其說法或描述，僅為提供更多訊息，也不構成任何投資建議。
2.著作權所有，非經本網站書面授權同意不得將本文以任何形式修改、複製、儲存、傳播或轉載，本中心保留一切法律追訴權利。
|