人工智能(AI)凭借其提高效率、降低成本和提升生产力的潜力，正在全球范围内掀起热潮。
对许多人来说，AI意味着聊天机器人，这归功于ChatGPT等生成式AI工具的普及和易用性。但实际上，这项技术的应用范围更为广泛，其益处已延伸至医学、制造业、机器人技术、医疗保健、教育、气候科学、金融、法律、网络安全等众多领域。
通过模拟人类的问题解决和决策等认知功能，AI有望改变这些行业的基础系统，越来越多的组织正在积极探索AI的能力。
麦肯锡最近的一项调查显示，AI的使用率不仅在技术行业（已超过90%）有所上升，几乎每个行业都在增加。
十分之九的受访者表示，他们的组织正在常规使用AI，尽管仍处于实验阶段。尽管尚处于试点阶段，受访者报告了成本和收入方面的收益，64%的人表示AI正在帮助他们进行创新。
这种不断增长的采用率表明，即使在早期阶段，AI也正成为数字化转型的关键推动者。
在当今全球互联且竞争激烈的格局中，AI使企业能够利用各种数字技术（如大数据、云计算和物联网）的力量。实际上，它正在充当一种融合技术，加速其他技术的发展和整合，使其综合影响大于各部分之和。
接下来，让我们来看看不同领域中一些令人着迷的AI进展，每个进展都展示了它如何改变世界。
（左右滑动查看 →）
| 领域 | 突破 | 关键指标 | 意义 |
|---|---|---|---|
| 微生物组与医学 | VBayesMM将细菌→代谢物映射至疾病通路 | 具有不确定性感知的贝叶斯神经网络 | 通过微生物代谢物实现个性化治疗 |
| 空间天气 | 多模态编码器-解码器提前4天预测太阳风 | 与现有模型相比准确率提高约45% | 降低电网/卫星中断风险 |
| 诊断 | AI青光眼筛查 vs 人类评分者 | AI 88-90% vs 人类 79-81% | 更便宜、可扩展的视力损失预防方案 |
AI绘制肠道微生物组与人类健康（及冠心病风险）的关联图谱
在人工智能的帮助下，科学家们现已解码了肠道细菌及其化学信号的复杂生态系统，揭示了细菌与人类健康之间的隐藏联系。更值得注意的是，这种新型高级AI系统在癌症、肥胖和睡眠障碍研究方面实际上比传统模型更为出色，并在根据每个人的微生物组成定制治疗方案方面展现出巨大潜力，有望彻底改变个性化医疗。
AI揭示隐藏模式的能力尤为显著，例如滑铁卢大学的一项研究中，AI驱动的常规血液检测分析发现了能够使救命预测既经济又可及的模式。
回到肠道细菌的话题，它们在我们的健康中扮演着关键角色，不仅影响我们的消化和疾病预防，还影响免疫力甚至情绪。最新研究发现，我们的肠道微生物组也可能影响冠状动脉疾病的发展，这种疾病每年导致近2000万人死亡。
人类肠道显然令人着迷，但它也是一个由数万亿微生物组成的复杂生态系统。除了肠道中存在的大量细菌种类外，它们与人体化学的相互作用使科学家难以理解其影响。
但东京大学的研究人员迈出了一项开创性步骤，转向AI来解决这一问题。
他们创建了一个AI系统，以更好地理解哪些细菌产生哪些代谢物——这些作为化学信使的小分子在我们体内循环，影响新陈代谢、免疫力和大脑功能，以及细菌与代谢物之间的关系如何在不同疾病中发生变化。
"通过准确绘制这些细菌-化学关系图谱，我们有可能开发出个性化治疗方案。想象一下，能够培育特定细菌以产生有益的人类代谢物，或设计修改这些代谢物以治疗疾病的靶向疗法。"
——生物科学系Tsunoda实验室项目研究员邓通(Tung Dang)
他们开发的模型是一种名为VBayesMM的贝叶斯神经网络，它解决了从数万亿细菌和代谢物之间复杂交互中识别有意义模式的挑战。
它使用贝叶斯方法来确定哪些细菌群对特定代谢物的影响最大。此外，它测量预测中的不确定性以防止得出错误结论，这为科学家提供了更准确、更可信的见解。
通过使用其变分贝叶斯微生物组多组学(VBayesMM)方法，该团队能够快速而精确地识别关键微生物种类，从而实现更准确的估计。同时，变分推断的实施解决了计算瓶颈，允许对海量数据集进行可扩展分析。
该团队接下来将使用更全面的化学数据集，以捕捉细菌产品的完整范围，从而克服当代谢物数据比细菌数据更广泛时准确率下降的问题。
"我们还旨在使VBayesMM在分析不同患者群体时更加稳健，整合细菌的'家谱'关系以做出更好的预测，并进一步减少分析所需的计算时间，"邓通表示。"对于临床应用，最终目标是确定能够真正帮助患者的特定细菌靶点进行治疗或饮食干预，从基础研究迈向实际医疗应用。"
AI提前数天预测太阳风暴——保护电网与卫星
一种AI模型已被开发出来，能够比现有方法更准确地提前预测太阳风，帮助保护电网、卫星和导航系统免受破坏性太空事件的影响，并加强我们关键基础设施的弹性。
太阳风是太阳释放的带电粒子流。当太阳扭曲的磁场被拉伸并扭曲，导致它们在重新连接前断裂时，就会发生这种情况，期间它们释放大量能量。
当这些粒子加速时，它们会干扰地球大气层。它们不仅会干扰电网，还会将卫星拖出轨道，就像2022年一次强烈的太阳风事件中SpaceX损失多达40颗Starlink卫星那样。
与此同时，太阳风暴是更为强大的事件，太阳将能量、粒子和磁场喷射到银河系中。当这些事件指向地球时，会在地球磁场中造成重大干扰，称为地磁风暴。这既造就了美丽的北极光，也会导致停电。
劳埃德保险社(Lloyd's)最新的系统风险情景估计，严重的太阳风暴可能使全球经济在五年内损失约2.4万亿美元，当前预期损失约为170亿美元。
这表明迫切需要更好地预测这些事件。因此，纽约大学阿布扎比分校(NYUAD)的研究人员在AI的帮助下着手解决这一问题。
他们构建了一个AI模型，能够在事件发生前多达四天预测太阳风，且准确率高于当前方法。该模型基于太阳风的历史记录和美国国家航空航天局(NASA)太阳动力学天文台(SDO)的紫外线图像进行训练。
通过分析太阳图像来检测与太阳风变化相关的模式，NYUAD团队实现了比当前操作模型高45%的预测准确率提升。此外，他们比之前的AI方法提高了20%的准确率。
"这是保护现代生活所依赖的卫星、导航系统和电力基础设施的重大进步，"该研究的主要作者达塔拉吉·杜里(Dattaraj Dhuri)表示。"通过将先进的AI与太阳观测相结合，我们可以发出早期预警，帮助保护地球和太空中的关键技术。"
AI超越专家的领域：医学、神经科学与教育
研究人员发现，AI在各个领域持续超越专家。
医学就是这样一个领域，"青光眼仍然是全球范围内不可修复视力损失的最常见原因之一"，而筛查成本过高。但伦敦大学学院眼科研究所的教授、该新研究的主要研究员安东尼·卡瓦贾(Anthony Khawaja)博士希望AI可能是解决这一问题的方案。该研究报告称，经过训练的AI程序正确识别青光眼患者的时间约为90%，而人类评分者为81%。
在这项研究中，人类专家和AI程序共同评估了6300多名参与者，其中近700人在至少一只眼睛中患有青光眼。
青光眼是视神经受损的结果，最常见的是由于眼内压力积累，可能导致完全失明。人类专家和AI根据垂直杯盘比（这一疾病的关键指标，用于追踪压力积累引起的眼部结构变化）对参与者的青光眼风险进行分级。
根据研究结果，只有11%的参与者眼睛被怀疑患有青光眼，这与常规筛查中预期的比例相符。研究人员指出，通过纳入其他风险因素（如眼内压），准确性可以进一步提高。
在另一项研究中，大型语言模型(LLMs)比人类专家更准确地预测了拟议的神经科学研究结果，突显了AI加速研究的潜力。
该研究没有专注于LLMs的问答能力，而是探索模型是否能够综合知识来预测未来结果。
因此，他们测试了15种不同的通用LLMs和171位人类神经科学专家，发现所有LLMs的表现都优于神经科学家。LLMs的平均准确率为81%，而人类为63%，即使在人类专业知识的最高水平，也仅提高到66%。同时，用神经科学文献训练LLM将其准确率提高到86%。
"我们怀疑科学家使用AI工具为其问题设计最有效实验的时间不会太长。虽然我们的研究集中在神经科学上，但我们的方法是通用的，应该成功适用于所有科学领域。"
——伦敦大学学院心理学与语言科学系教授、资深作者布拉德利·拉夫(Bradley Love)
剑桥大学的研究人员表示，AI在预测建模和数据分析方面具有明显优势。当提供及时的、在数量、多样性和真实性方面的数据时，它能够优化成本和供应链，更快地设计高性能产品，并实时应对市场波动。
"在企业战略中忽视生成式AI已不再可行，"该研究的合著者表示。
然而，这只是冰山一角，因为其他研究发现，AI甚至在基础语言力学方面表现出色，但在评估时缺乏主题一致性；使用相同的视觉信息，AI在识别绵羊疼痛方面优于人类专家；在基于图像的皮肤认知诊断方面，AI与皮肤科医生的表现相匹配甚至更优。
结语
人工智能已经席卷全球，但它不再是一项独立的创新。相反，它作为一种连接组织，将越来越多的变革性技术联系在一起。如上所述，它正在帮助我们解码人体微生物组的奥秘、预测太阳风暴，甚至在科学和医学领域超越专家。然而，这些突破仅代表了AI如何深刻影响人类几乎所有前沿领域的很小一部分。
随着AI与大数据、生物技术、云计算、机器人技术和量子科学的融合，它正在加速发现的步伐，并实现各种整合，创造出更智能的系统和更智能的世界。
【全文结束】
