人工智能让研究人员能检查当今科学仪器产生的大量数据，改变了科学实践。使用深度学习，可以从数据本身中学习，在数据的海洋中大海捞针。人工智能正在推动基因搜索、药学、药物设计和化合物合成的发展。为了从新数据中提取信息，深度学习要使用算法，算法通常是在海量数据上训练出来的神经网络。按照其分步说明，它与传统计算有很大的不同。它从数据中学习。深度学习没有传统计算编程那么透明，这留下了一个悬而未决的重要问题：系统学到了什么，它知道什么？五十年来，计算机科学家一直在试图解决蛋白质折叠问题，但没有成功。2016 年 Google 母公司 Alphabet 的人工智能子公司 DeepMind 推出了 AlphaFold 计划。利用蛋白质数据库作为训练集，该库中包含了超过 15 万种蛋白质的经验确定结构。不到五年的时间里，AlphaFold 就解决了蛋白质折叠问题，或者至少解决了其中最重要的方面：根据氨基酸序列识别蛋白质结构。AlphaFold 无法解释蛋白质是如何如此快速而精准地折叠的。这对人工智能来说是一次巨大的胜利，因为它不仅赢得了很高的科学声誉，而且是一项可能影响每个人生活的重大科学突破。

https://www.solidot.org/story?sid=71933
--
FROM 59.60.57.*

话不能这么说啊。。特斯拉好几个摄像头，但其实大多数数据被放弃了。

【 在 lvsoft 的大作中提到: 】
: 你这个说法不对。人的眼睛大致相当于1亿像素的摄像头，50mm焦段，帧率往少了说至少有10fps吧。
: 并且有2只，从生下来开始每天至少开机14个小时。
: 换算成数据量是多少？注意这可是不带压缩的哦。
: ...................
--
FROM 59.60.57.*

肯定有的。不然没法解释人类会害怕蛇类。内部肯定预设了一些规则。

再比如人类可以自由地操作手臂，也是上亿年进化预选训练好的。

【 在 lvsoft 的大作中提到: 】
: 我不觉得基因里面存好了一个预选训练好的网络结构。
: 因为如果有这样的结构，人脑1800亿脑细胞，百万亿突触规模，如果要预先训练好一定是一个非常庞大规模的数据量。而人类dna只能存了大概5TB的信息，大部分还都得用来支撑生命本身的运行。
: 生命的本质是复杂现象，就跟元胞自动机一样，描述这个机制只需要很少的规则，但这套机制的演化却无穷无尽。
: ...................
--
FROM 59.60.57.*