在第一次英特尔AI DevCon活动的问答中，英特尔副总裁兼人工智能产品部门架构总经理讨论了他在科学计算最苛刻的客户和人工智能交叉点的角色，科学家应如何处理人工智能以及为何这是他面临的最具活力和令人兴奋的机会。

问：人工智能如何改变科学？

科学探索正在经历一个过渡，在过去的一百年里，这个过渡可能仅仅与五，六十年代发生的事情相比，转向数据和大数据系统。在60年代，收集的数据量非常大，以至于先行者不是那些拥有最好仪器的人，而是那些能够分析在任何科学领域收集的数据的人，无论是气候，地震学，生物学，制药，新药的探索等。

今天，数据已经远远超出了人们询问特定查询或寻找特定见解的能力。这种数据洪水与现代计算和深度学习技术的结合提供了新的和许多倍破坏性的能力。

问：什么例子？

其中一个使用深度学习的基本力量，是在非常嘈杂的数据集中识别非常微弱的模式，甚至在没有精确的数学模型的情况下寻找您想要的东西。

想一想在远处的银河系中发生的宇宙事件，并且你正在寻找这些现象的一些特征，以便从一个非常大的数据集中发现它们。这是一个没有已知等式的搜索实例，您可以在其中给出示例，并通过它们让深度学习系统学习要寻找什么并最终找出特定模式。

问：所以你知道你在找什么，但你不知道如何找到它？

您无法定义精确的数学公式或描述它的查询。数据太大而无法反复试验，以前的大数据分析技术没有足够的定义功能来成功搜索模式。

你知道你在找什么，因为你在数据中标记了它的几个例子，你通常可以描述它。深度学习可以帮助您在嘈杂的多维数据集中识别这样的类别中的事件。

问：人工智能可以改变科学方法吗？

另一个例子是当你有一个数学模型，就像一组精确的方程。在这种情况下，您可以使用AI以10,000倍的时间和计算实现可比较的结果。

假设你有一个新的分子结构，并且你想知道它在某些环境中的行为对于制药公司的行为如何。关于它的行为有很好的预测模型。问题在于这些模型需要大量的计算和时间 - 可能需要几周才能尝试一种组合。

在这种情况下，您可以使用深度学习系统来映射精确的方程组。您可以迭代式地将样本情况提供给这个方程组，并在几天后得到结果。深度学习网络学习输入和输出之间的关系，而不知道方程本身。它只是跟踪它。在多个案例中证明，在训练完深度学习系统之后，它具有很好的预测精确模型结果的能力。这意味着可以将小时或几天转换为秒的效率。

当然，有时为了获得最终的模型准确度，需要完整的计算。但是，只有一小部分案件才需要。事实上，使用小部分的功率和时间可以更快地生成准确的结果，这使得您可以更快地探索潜在的解决方案空间。

在过去几年中，出现了“学习如何学习”的新机器学习方法。这些技术正在解决几乎无尽的选择领域 - 像人类DNA中所有可能的突变 - 并且正在使用探索和元学习技术来确定最相关的评估选项。

问：对科学方法产生巨大影响，或者科学家采用人工智能的方法是什么？

科学家需要与人工智能合作。他们可以通过掌握人工智能的工具（如深度学习等），从而大大受益，以探索不太明确的现象，或者需要数量级更快的性能来处理大型空间。科学家可以与机器学习合作，探索和调查哪些新的可能性具有突破和新解决方案的最佳可能性。

问：我猜你可以退休，如果你想。什么让你现在走？

好吧，我玩得很开心。今天在英特尔举行的AI大会旨在解决行业和科学面临的最令人兴奋和最具挑战性的问题。到目前为止，这个领域的进展速度比我在英特尔35年来所看到的要快。

另一方面，我将它看作是人类和机器之间互动中发生的变化。我想成为创建这个新链接努力的一部分。当我谈论科学与人工智能或自动驾驶汽车等领域的合作关系时，这里需要一个更广泛的思考，而不仅仅是如何为这项任务提供最快的处理器。这种人与人工智能之间新建的互动是这个领域的另一个有趣的部分。