2024，AI将走向何方(2)

　　这个人工智能系统被称为气味图谱(odor map)，经过气味分子的大数据训练，它不仅适用于辨别已知的气味物质，也可用来辨识结构非常相似的气味物质，还可以描述具有不同分子特征的大量不相关分子。从应用场景来看，气味图谱不仅可以用于食品和农业，以预测和发现新的化合物、香料和食物，还可以用于化工产品和化妆品的研发以及生物医学等领域，其“嗅觉”灵敏度比狗的鼻子还可靠。

　　对付抗生素耐药菌有新突破

　　《自然》杂志预测，今年，深度思考人工智能公司将发布人工智能工具阿尔法折叠(AlphaFold)的新版本。此前，研究人员已经用阿尔法折叠的旧版本高精度预测了蛋白质的3D形状，而新的阿尔法折叠将以原子精度模拟蛋白质、核酸和其他分子之间的相互作用，这一突破将为药物研发开辟新的途径。

　　人工智能在化学、生物医学、药学方面更能大展身手，最主要的情况是它能快速发现新物质、发明新材料。

　　所有人都会生病，过去人类为此使用了太多抗生素，再加上在养殖业中对动物使用的抗生素，使得很多细菌的耐药性大增。早在几年前，世界卫生组织就警示，如果人类没有节制地使用抗生素，未来感染性疾病将陷入无药(抗生素)可用的困境。

　　或许，人工智能的介入可解决这一难题。美国麻省理工学院一个研究团队发表的研究成果显示，融易新媒体消息，人工智能从上千万种化合物中识别出了一类新型抗生素类型，它可以杀死临床上常见的超级细菌——耐甲氧西林金黄色葡萄球菌(MRSA)。

　　研究团队通过测试约3.9万种化合物对耐甲氧西林金黄色葡萄球菌的抗生素活性来生成训练数据，然后将这些数据以及化合物的化学结构信息输入一个深度学习模型。与此同时，研究团队还训练了3个额外的深度学习模型，以预测这些化合物是否对3种不同类型的人类细胞有毒性。最终研究人员发现，一些化合物既可以杀死细菌，又对人体产生的不良影响最小。

　　研究团队筛选出大约1200万种化合物，人工智能模型根据分子内的化学亚结构识别出5种不同类别的化合物，并预测它们可对抗耐甲氧西林金黄色葡萄球菌。最后，人工智能模型选出两种化合物，认为是最好的抗生素候选者。

　　之后，研究团队用两种小鼠模型来验证抗生素候选者，一种是耐甲氧西林金黄色葡萄球菌皮肤感染小鼠模型，另一种是耐甲氧西林金黄色葡萄球菌系统感染小鼠模型。结果显示，这两种抗生素候选者均明显降低了耐甲氧西林金黄色葡萄球菌的数量。也就是说，人工智能模型选出来的化合物对耐甲氧西林金黄色葡萄球菌的局部和全身感染都有效，适合进一步研发并用于治疗严重的、败血症相关的耐药菌感染。

　　耐甲氧西林金黄色葡萄球菌是一种革兰氏阳性菌，具有较厚的细胞壁。进一步的研究表明，这两种抗生素候选者能破坏该细菌的细胞壁，却不会对人类细胞膜造成实质性损害，对人类细胞是安全的。我们有理由相信，未来人工智能还可以筛选出更多的抗生素用于治疗疾病。

　　研究“AI会不会产生意识”很必要

　　有意思的是，《自然》杂志还把关于意识的辩论和发现列入了今年的科学进展，认为这不仅是对人类基于大脑和神经产生意识的研究，也表明在这个基础上可以获得关于人类心理学和哲学研究的突破。当然，关于这项研究最大的争议仍然是人工智能是否会产生意识，以及人类怎样对待可能拥有意识的人工智能。

　　此前，邓普顿世界慈善基金会资助3000万美元对意识产生的两种主要理论进行研究和验证，一是整合信息理论，二是全局神经元工作空间理论。来自不同实验室的研究者利用功能性磁共振成像、脑磁图和脑电图，研究了256名人类参与者视觉体验的内容和持续时间的神经相关性。结果发现，在视觉皮层、腹颞叶皮层和额叶下皮层中存在反映意识内容的信息；在枕叶皮层和外侧颞叶皮层中的持续反应反映了刺激持续时间；在额叶和早期视觉区域之间存在内容特异性同步。

　　简单来说，这些结果证实了整合信息理论和全局神经元工作空间理论的一些预测，但这两种理论都不能解释意识是怎样产生的。《自然》杂志预测，在今年年底之前，科学家会对意识的神经基础有新的认识，并公布新的实验结果。

　　与此相关联的是，人工智能是否真的会产生意识？有科学家担心，如果人工智能演化出意识，就有可能从人控制人工智能转化为人工智能控制人，那将是人类的末日。尽管更多的人对“人工智能产生意识”这个假设不屑一顾，但是数学意识科学协会(AMCS)的成员呼吁联合国提供更多资金，来支持意识和人工智能的研究。该协会称，迫切需要对有意识和无意识系统之间的界限进行科学侦查，这涉及伦理、法律和安全问题。这些问题使得理解人工智能意识变得至关重要，例如，如果人工智能发展出意识，是否应该允许人们在使用后能有效而简单地将其关闭？