圖片來源：https://pixabay.com/photo-3683776/

隨著人工智能和機器學習開始在影像識別和語言理解方面取得令人印象深刻的成就，已經(jīng)有許多科學家認為其可以改變?nèi)祟愒景l(fā)明的方式。其中，尋找新藥成為人工智能能夠發(fā)揮的重要領域之一。

每一種有效的新藥，都必須歷經(jīng)非常昂貴且經(jīng)常令人沮喪的實驗與猜測過程，才能完成。簡單來說，藥物化學家必須使用他們對分子結構知識，來猜測哪些化合物合成能夠成為優(yōu)質(zhì)藥物?？墒沁@一合成并測試過程中，要歷經(jīng)無數(shù)變種的猜測，且大多數(shù)測試都是失敗的。這也是為什么找到好的藥物需要很長時間，且新藥剛推出時，都非常昂貴的主因。

世界領先的人工智能研究人員之一Barzilay認為，透過深度學習可以加速這一實驗與猜測的過程。因為透過訓練的人工智能機器，其可能嘗試人類不易嘗試的領域，進而發(fā)掘出優(yōu)質(zhì)藥物。

使用機器學習來嘗試創(chuàng)造新材料，也是值得關注的領域。其中，環(huán)保清潔技術應用也依賴人工智能的協(xié)助。人們希望在電網(wǎng)和有機太陽能上儲存電力的電池能夠透過深度學習帶來大躍進，甚至進一步降低制造成本，讓性價比更高。

其實，在人工智能尚未出現(xiàn)之前，無論是化學，材料科學和藥物等都變得相當復雜，使得這些領域想要突破現(xiàn)狀變得愈來愈困難。深度學習的優(yōu)勢在于可以減緩這些領域進展的復雜性。

人工智能的簡單經(jīng)濟學作者兼多倫多羅特曼管理學院經(jīng)濟學家Ajay Agrawal說，透過多維空間的搜索，得以找出有價值的預測，他稱之為"人工智能的甜蜜點(AI’s sweet spot)"。透過這一結論，讓來自于麻省理工學院，哈佛大學和波士頓大學的經(jīng)濟學家都認為，人工智能的最大經(jīng)濟影響力是來自于改變?nèi)藗儭鞍l(fā)明方法”的潛力，這一過程最終會重塑“創(chuàng)新過程的本質(zhì)和研發(fā)的組織”。

換句話說，人工智能的主要貢獻可能不是現(xiàn)今高科技公司關注的無人駕駛汽車或者影像搜索，甚至不是亞馬遜透過Alexa接受訂單的能力，而是能夠提出一種新思路來推動創(chuàng)新本身，進而改變?nèi)祟悇?chuàng)新的過程。

去年(2018)年底，獲得經(jīng)濟學諾貝爾獎的Paul Romer認為新思想和創(chuàng)新的投資能夠有效推動經(jīng)濟的強勁成長。換個思維來說，未來10至20年，人工智能就將扮演這一角色的催化劑。