订阅 CNN 的奇迹理论科学通讯。 探索宇宙，了解有关令人着迷的发现、科学进步等的新闻。
美国有线电视新闻网～
数百张易碎的古代卷轴被烧焦了，如果试图展开它们，它们就会崩溃，任何文字痕迹都几乎难以辨认。众所周知，赫库兰尼姆古卷仍未被打开，但由于人工智能这个强大的工具，它们的内容现在触手可及。
2023 年，三名研究人员利用人工智能和高分辨率 X 射线解码了卷轴上的 2,000 多个字符，这一非凡壮举得以揭晓第一个完整段落来自公元 79 年维苏威火山喷发后幸存下来的纸莎草。
这些文物是从一座被认为是朱利叶斯·凯撒岳父的房子的建筑中发现的，构成了有关古罗马和希腊的前所未有的信息宝藏。
计算机科学家发起了维苏威挑战赛，这是一项旨在加速破译过程的竞赛，他们希望到 2024 年底能够解锁 4 个卷轴中 90% 的内容。关键挑战是几乎压平文档并将黑色墨水与黑色墨水区分开来。碳化纸莎草，使希腊语和拉丁语文字变得可读。
“人工智能正在帮助我们增强墨水证据的可读性，”肯塔基大学计算机科学教授布伦特西尔斯说，他十多年来一直致力于解码卷轴。– 墨水的证据就在那里。它被人工智能提炼和浓缩的所有复杂性所掩埋和伪装。”
该项目是人工智能日益实用的一个引人注目的例子，该项目于 2024 年成熟，诺贝尔委员会首次认可人工智能在科学领域的发展和应用：物理奖表彰约翰·霍普菲尔德 (John Hopfield) 和杰弗里·辛顿 (Geoffrey Hinton) 在机器学习方面的基本发现，为当今人工智能的使用铺平了道路。
人工智能是一个模糊且经常被过度炒作的术语，旨在模仿人类的认知功能来解决问题和完成任务。人工智能包含一系列计算技术：使用数据集来训练和改进机器学习算法，并使它们能够发现模式并为预测提供信息。
一些人工智能工具可能会带来风险，例如，在招聘、治安和贷款申请中使用的系统会复制偏见，因为它们可能接受过反映偏见观念的历史数据的培训，例如性别或种族观念，最终导致歧视。
人工智能改变了科学发现的面貌，自 2015 年以来，使用人工智能工具的同行评审论文数量以及使用人工智能方法的论文数量急剧增加 更有可能跻身被引用次数最多的行列。 超过一半Nature 杂志调查了 1,600 名科学家预计人工智能工具对于研究实践“非常重要”或“必不可少”。然而，世界上最古老的科学院英国皇家学会警告说，许多人工智能工具的黑匣子性质正在限制人工智能的发展。基于人工智能的研究的可重复性。但对于 Seales 来说，它是一个强大的工具，如果部署得当，就会产生显着的效果。
“人工智能是计算机科学的一个领域，旨在尝试以我们认为只有人类才能解决问题的方式解决问题，”西尔斯说。“我认为我们正在使用的人工智能是一种超能力，让你能够看到数据中肉眼看不到的东西。”
维苏威火山挑战只是这个快速发展的领域震撼科学并揭示 2024 年意想不到的事情的一种方式。人工智能还促进科学家对动物如何在海洋深处交流的理解，帮助考古学家在偏远和荒凉的地形中寻找新地点，并解决一些生物学上最大的挑战。
解码鲸语和其他动物语言
研究人员知道抹香鲸发出的神秘的咔哒声在节奏、韵律和长度上各有不同，但这些动物用这些声音（通过其球状头部的鲸蜡器官发出）在说什么，对人类的耳朵来说仍然是个谜。
然而，机器学习已经帮助科学家分析了近 9,000 个记录的点击序列（称为尾声），这些序列代表了加勒比海大约 60 头抹香鲸的声音。这项工作有一天可能使人类与海洋动物交流成为可能。
科学家们研究了独居鲸鱼的言语、合唱以及海洋巨兽之间的呼唤和回应交流中尾声的时间和频率。当用人工智能可视化时，以前未见过的尾声模式出现了，研究人员将其描述为类似于人类交流中的语音。
程序总共检测到 18 种节奏（节拍声之间的间隔顺序）、五种节奏（整个尾声的持续时间）、三种自由节奏（持续时间的变化）和两种装饰类型 –在一组较短尾声中的尾声末尾添加“额外的咔嗒声”。
这些特征都可以混合和匹配，形成一个“庞大的短语”，科学家五月报道。然而，该方法有其局限性。虽然机器学习擅长识别模式，但它并不能阐明其含义。
根据这项研究，下一步是对鲸鱼进行交互式实验，并观察鲸鱼的行为，这可能是解开抹香鲸点击序列语法的重要组成部分。
博士说，这种方法也可以应用于其他动物的发声。
加州大学戴维斯分校兽医学院教授布伦达·麦考恩（Brenda McCowan）此前告诉美国有线电视新闻网（CNN）。她没有参与这项研究。
与此同时，在陆地上，人工智能正在加速寻找蚀刻在秘鲁纳斯卡沙漠尘土飞扬的地面上的神秘线条和符号，考古学家花了近一个世纪的时间才发现和记录这些线条和符号。
这些庞大的象形文字通常只能从上方看到，描绘了几何图案、人形图案，甚至是挥舞着刀子的逆戟鲸。
日本山形大学考古学教授 Masato Sakai 领导的一组研究人员使用截至 2020 年绘制的 430 个纳斯卡符号的高分辨率图像训练了一个对象检测 AI 模型。该团队包括来自 IBM 的研究人员位于纽约州约克敦高地的托马斯·J·沃森研究中心。
2022 年 9 月至 2023 年 2 月期间，该团队在纳斯卡沙漠测试了其模型的准确性，通过步行和使用无人机勘测了有希望的位置。研究人员最终“地面实况”了 303 个象征性的地貌，几乎是已知地画数量的两倍几个月之内。
该模型远非完美。报告指出，沙漠地区有 47,000 个潜在地点，面积达 629 平方公里（243 平方英里）。考古学家团队对这些建议进行了筛选和排名，确定了 1,309 个具有“高潜力”的候选地点。根据 AI 模型提出的每 36 个建议，研究人员就确定了“一个有前途的候选地点”。学习。
尽管如此，人工智能有潜力为考古学做出巨大贡献，特别是在偏远地区和考古学领域。沙漠等恶劣地形德国耶拿马克斯·普朗克地球人类学研究所考古系的研究员兼数据科学家 Amina Jambajantsan 表示，尽管这些模型尚不完全准确。
Jambajantsan 没有参与纳斯卡研究，但使用人工智能模型根据卫星图像识别蒙古的墓葬。
“问题是考古学家不知道如何构建机器学习模型，而数据科学家通常对考古学并不真正感兴趣，因为他们可以从其他地方获得更多的钱，”Jambajantsan 补充道。
了解生命的组成部分
人工智能模型还帮助研究人员在最小的尺度上理解生命：形成蛋白质的分子串，蛋白质是生命的组成部分。
虽然蛋白质仅由大约 20 个氨基酸构成，但它们可以以几乎无穷无尽的方式组合，在三维空间中折叠成高度复杂的模式。这些物质有助于形成头发、皮肤和组织细胞；他们读取、复制和修复DNA；它们有助于血液中的氧气输送。
几十年来，解码这些 3D 结构一直是一项具有挑战性且耗时的工作，涉及使用繁琐的实验室实验和一种称为 X 射线晶体学的技术。
然而，2018 年，一种改变游戏规则的基于人工智能的工具出现了。AlphaFold 蛋白质结构数据库的最新版本由伦敦 Google DeepMind 的 Demis Hassabis 和 John Jumper 开发，可根据氨基酸序列预测几乎所有 2 亿种已知蛋白质的结构。
该数据库经过所有已知氨基酸序列和实验确定的蛋白质结构的训练，充当“Google 搜索”。只需按一下按钮即可访问预测的蛋白质模型，从而加速基础生物学和其他领域的进展。相关领域，包括医学。该工具已被全球至少 200 万研究人员使用。
“这确实是一个独立的突破，解决了物理化学中传统的圣杯问题，”瑞典卡罗林斯卡学院医学遗传学教授、瑞典皇家科学院院士安娜·韦德尔 (Anna Wedell) 告诉我们。CNN 报道 Hassabis 和 Jumper 跻身 2024 年三名获奖者之列诺贝尔化学奖。
该工具确实有一些限制。将 AlphaFold 应用于基于突变序列的蛋白质（包括与早期乳腺癌相关的蛋白质）的尝试已证实该软件无法预测蛋白质新突变的后果。
AlphaFold只是生物医学领域部署的众多人工智能工具中最引人注目的一个。机器学习正在加速编译人体每种细胞的图谱并发现成为新药的分子，包括一种可能对抗细菌的抗生素一种特别具有威胁性的耐药细菌。
明迪·韦斯伯格和泰勒·尼西奥利为本报告做出了贡献