“深入探讨人工智能革命”是由加州大学圣地亚哥分校生物科学学院和UCTV主办的虚拟活动，让来自世界各地的与会者了解人工智能如何被用来加速科学发现和塑造生物医学研究，无论是在学术界还是工业界。
生物科学学院院长KitPogliano表示：“人工智能几乎已经渗透到我们生活的方方面面，其能力在从医疗保健到教育和商业等多个领域不断扩展。”
“在加州大学圣地亚哥分校，我们世界一流的教师和行业合作者正在引领部署这项强大的新技术，以显着加速发现并将创新提升到一个全新的水平。”
此次活动从四个角度探讨了人工智能的未来，从用于开发新药物和疫苗的人工智能模拟到对大脑工作方式的前所未有的探索等等。在邀请与会者提出问题之前，每位专家小组成员都做了内容丰富、发人深省的演讲。
尽管他们的主题各不相同，但有一个主题仍然是核心：人工智能是科学研究的游戏规则改变者，其可能的应用是无穷无尽的。
人工智能能否解开大脑的复杂性?
在任何可靠的2023年最大流行词列表中，ChatGPT肯定位居榜首。自从一年多前OpenAI发布以来，生成式AI聊天机器人一直占据新闻头条，并在很多方面威胁到我们生活、工作和学习的方式。
ChatGPT由模仿人脑的深度学习算法和神经网络提供支持，其通过医疗执照考试、简化复杂文章和轻松编写计算机程序的能力甚至令最经验丰富的专家感到震惊。如果这些大型语言模型基于神经科学原理，那么它们的快速发展可以帮助科学家更多地了解大脑如何做出决策、解决问题或处理语言，以及我们如何最大限度地发挥其潜力，这是理所当然的。
这正是加州大学圣地亚哥分校神经生物学系杰出教授、索尔克生物研究所弗朗西斯·克里克主席的持有者TerrySejnowski在他的演讲中探索的内容，该演讲拉开了虚拟DeepLook活动的序幕。Sejnowski是一位先驱研究人员，在20世纪80年代深度学习和神经网络的建立中发挥了关键作用，也是人工智能和神经科学交叉领域的领先专家，他让与会者了解了这两个领域如何日益融合。
“我们终于取得了进展，无论是通过了解人工智能如何解决问题来理解人类智能，还是通过了解自然如何解决问题，人工智能正在提高像ChatGPT这样的大型语言模型的性能，”塞诺夫斯基说。“这在人工智能的发展中是前所未有的：这两个群体正在互相交谈并互相帮助。”
Sejnowski解释说，ChatGPT中内置的变压器模型使聊天机器人能够预测序列中的下一个单词，这些模型已经为大脑如何携带信息和处理感官输入提供了宝贵的见解。
“这是一个非常有趣的时刻，”塞诺夫斯基在演讲结束时说道。“这是人工智能的新时代：‘未知领域’。”
人工智能能否帮助我们避免另一场大流行危机?
自新冠肺炎(COVID-19)大流行引发全球卫生紧急状态以来，已经过去近四年了，尽管限制已解除且疫苗已使人们能够恢复相对正常状态，但该病毒突变和进化新变种的能力仍然令人担忧。
尽管关于SARS-CoV-2(导致COVID-19的病毒)仍有许多悬而未决的问题，但与早期混乱和不确定的时期相比，今天的科学家对其动态的了解要多得多。这在一定程度上要归功于加州大学圣地亚哥分校阿马罗实验室基于人工智能的未来模拟，为病毒在雾化时如何移动和保持传染性提供了重要见解。
在她的演讲中，罗米·阿马罗(RommieAmaro)是分子生物学教授，也是该大学新成立的气候变化中空气传播疾病元研究所的联合主任，她讨论了最先进的计算方法、生物数据和人工智能如何共同帮助她团队构建高度详细的动画3D计算机模型，在分子和原子水平上提供对病毒的突破性观察。这些模拟还可用于揭示药物和疫苗的新结合位点。
“这些模拟使我们能够做的关键事情之一是看到实验人员用成像技术看不到的东西，”阿马罗说。“我们发现人工智能使我们的模拟更加高效，”她补充道，并以SARS-CoV-2刺突蛋白(病毒与人类细胞的第一个接触点)为例。
Amaro实验室对COVID-19刺突蛋白的模拟不仅为科学家提供了其结构的原子级视图，而且其动画化其运动和运动的能力也使它们与传统成像技术区分开来。
“老实说，实验科学家确实没有办法真正看到病毒发生了什么......但我们的模拟给出了这个真正复杂的环境以及这些气溶胶颗粒中围绕病毒的不同分子如何影响这些前所未见的视图。它的结构和保持传染性的能力，”阿马罗说。“我们在这里所做的这些人工智能驱动或增强的模拟实际上是深入研究空气传播疾病和病原体传播的细节，并希望在我们前进的过程中让每个人都更安全、更健康。”
人工智能能否彻底改变科学研究?
在演讲开始时，ThermoFisherScientific分析仪器研发副总裁GavinHartigan要求与会者考虑一个人工智能帮助医生在疾病发作前预测疾病的世界;科学家设计新的绿色材料;和半导体芯片制造商产生难以想象的计算能力。
Hartigan为DeepLook活动带来了行业视角，分享了人工智能如何在生命科学和材料科学等一系列学科中引领创新和新产品开发。
在赛默飞世尔，Hartigan领导着一支大型全球团队，开发先进的电子显微镜产品，以高分辨率样本图像的形式为科学家提供原子尺度的见解。他解释说，特别是在电子显微镜领域，人工智能有潜力用于快速检测图像中与科学家实验最相关的部分。
“获取图像、解释这些图像并将其转化为可操作的数据，供科学家用来做出重要决策或发现——这就是我们想要应用人工智能的领域，”哈蒂根说。
哈蒂根预计人工智能将改变科学家进行研究的方式，在新仪器的帮助下，使他们能够抛开更平凡的任务，专注于加速创新和寻找新的见解。例如，可以分割和标记数据的人工智能和分析软件可以节省大量时间，而这些时间可以花在只有人类才能执行的更高级别的任务上。他预测人工智能即将彻底改变我们所知道的世界。
“在我看来，科学的未来与人工智能的未来密不可分，”哈蒂根说。“人工智能是一种创新工具，但它是一种非常特殊的工具，因为它可以揭示以前被掩盖的知识。当你考虑人工智能对人类健康、可持续技术、理解宇宙的影响时，当我想到指南针、印刷机或互联网的出现时，我真的认为，当我想到人工智能对人类健康、可持续技术和理解宇宙的影响时，我真的认为罗盘、印刷机或互联网的出现并不过分戏剧化。我们面前有什么。”
人工智能会改变科学成像吗?
几年前，细胞与发育生物学系的助理教授UriManor读到了一篇关于如何使用人工智能来提高照片分辨率的文章。作为一名显微镜学家，其工作涉及开发和应用先进的计算和分子工具来对活细胞进行成像，这个想法在他的脑海中引发了一个问题：科学家是否可以类似地使用人工智能来改进显微镜的成像数据?
马诺在演讲中告诉与会者：“最终，我们发现答案是肯定的。”他接着解释了他和索尔克生物研究所的跨学科研究团队如何开发出高度复杂的计算设备并训练深度学习模型可以在很短的时间内将低分辨率图像转换为高分辨率图像。“通过这个模型，我们可以比以前更快、更准确地重建大脑的3D结构。”
他认为，人工智能的最新进展将进一步促进其与21世纪显微镜的融合，并可能使科学家能够以足够高的分辨率绘制大脑的接线图，以捕获其所有突触或神经元之间的连接前所未有的清晰度。
马诺表示，这些进步可能会消除显微镜专家一直面临的争论，即他们是否想要更高的分辨率、更快的速度或更高的成像灵敏度，因为目前可用的技术通常并不总是能让他们拥有这一切。“确实存在一些权衡，影响了我们的研究和收集知识的能力，”他说。
作为将于2024年正式启动的加州大学圣地亚哥分校GoeddelFamilyTechnologySandbox的教席主任，Manor亲眼目睹了软件工程师和计算机科学家与领域专家齐心协力收集高质量数据，然后使用这些数据所带来的可能性。这些数据可以训练机器学习算法来完成诸如随着时间的推移跟踪图像中的对象之类的事情。该合作设施将带来高性能计算能力以及生物科学领域的独创性，以推动创新。
“最终，我们的目标应该是让所有生物学家联合起来，建立一个新的生物数据‘亚历山大图书馆’，我们都可以上传我们的黄金标准数据集，并帮助改进人工智能，从而对下一代药物进行预测。和生物学洞察力——从医学到基础研究的一切，”马诺说。