来自 Anima Anandkumar 的 TED 演讲：AI 让数字世界和物理世界连接到了一起

看看 AI 在气象预报、核聚变、医疗上的应用，还是挺让人期待的！以下是完整文稿

引言

我父母都是工程师，我在他们的影响下长大。 他们是最早将电脑化制作技术引入我在印度的家乡的人。 还是个小女孩的时候， 我记得当时我很着迷于为何电脑程序不仅仅存在于电脑内部， 还能够影响到物理世界， 能制造出美丽且精准的金属零件。 在过去的二十年里，我致力于 AI 研究， 这段回忆始终激励着我把物理世界和数字世界联系在一起。

AI改变科学和工程研究方式

我正在研发一种能改变我们进行科学和工程研究方式的 AI。 现在的科学研究和工程设计需要大量的试验和试错。 我们在实验室里花费了大量的时间进行实验。 推动了科学发展的，不仅仅是伟大的想法， 还需要通过实验来验证研究成果， 激发新的想法。

语言模型的局限

那么，语言模型能在这里发挥作用吗？ 如果我让 ChatGPT 帮我设计一个更好的飞机翼， 或者一个能在湍流风中飞行的无人机，它会怎么做？ 它可能会提出一些建议。 或许，它甚至能画出部分设计图。 但我们怎么知道这个设计是否行得通呢？ 答案是，我们无从得知。 语言模型会产生一些无法实现的想法，因为它们没有物理基础。 尽管语言模型可能帮助我们产生新的想法， 但它们无法解决科学最难的部分， 那就是模拟必要的物理现象来替代实验。

多尺度学习和神经算子

为了模拟科学和物理现象， 仅仅依赖文本是不够的。 为了实现具备全面物理理解能力的 AI， 我们需要基于我们观测到的世界数据对其进行训练。 且不仅如此，还需要研究其隐藏的细节。 从量子化学的微观复杂性， 到影响生物过程的分子和蛋白质， 再到行星规模乃至更大的海洋洋流和云层运动， 我们需要能够捕捉这些全范围物理现象的 AI。 我们需要能够真正放大细节以准确模拟这些现象的 AI。 为了捕捉云层运动并预测云层在大气中的移动和变化， 我们需要能够放大湍流流动的细节。 标准的深度学习使用固定数值的像素。 因此，如果你对图像放大，就会模糊不清， 无法捕捉到所有细节。 我们发明了一种名为神经算子（neural operators）的 AI 技术， 该技术将数据表示为连续的函数或形状， 允许我们无限放大到任何分辨率或尺度。 神经算子允许我们在多尺度或多分辨率的数据上进行训练， 还可以结合数学方程的知识来填补仅有有限分辨率数据时的细节。 这种多尺度学习对于科学理解至关重要， 而神经算子则使之成为可能。

神经算子的实际应用

通过神经算子， 我们可以模拟诸如流体动力学等物理现象， 其速度比传统模拟快一百万倍。 去年，我们使用神经算子发明了一种更好的医疗导管。 医疗导管是一种从人体中抽取液体的管子。 不幸的是，细菌往往会逆流而上， 感染人体。 事实上，每年有超过五十万例此类医疗相关感染， 这是感染的主要原因之一。 去年，我们使用神经算子将导管的内部从平滑变为有纹理的。 有了纹理，当液体流动时会产生涡流， 我们希望通过这些涡旋阻止细菌逆流而上。 但是，为了实现这个目标， 我们需要纹理的形状正好合适。 在过去，这种工作是通过反复试验完成的， 设计一个导管版本， 制造出来，带到实验室，验证假设， 如果出现问题，再次进行调整和重新设计。 但是现在，我们教给 AI 管内的流体行为， 利用它，我们的神经算子模型能够直接提出优化设计。 我们通过 3D 打印把设计打印出来就可以验证其有效性。 在视频中，您可以看到我们的导管在实验室中进行测试。 细菌无法逆流而上， 而是被流体推出。 事实上，我们测量到的细菌污染减少了超过 100 倍。 在这个例子中，神经算子被专门设计来处理管道中的流体流动问题。

天气预报的突破

那么，AI 还可以应用在哪些方面并帮助我们解决这些紧迫的问题呢？ 深度学习能否超越数值天气模型？ 2021 年 2 月，一群顶尖的天气科学家在《皇家学会》发表文章中提出了这个问题。 他们认为 AI 仍处于初级阶段， 需要一系列基础性突破才能与传统天气模型竞争， 这可能需要数年甚至数十年。 恰好一年后， 我们推出了 FourCastNet。 利用神经算子， 我们构建了第一个完全基于 AI 的高分辨率天气模型， 且速度比传统的天气模型快数万倍。 过去需要大型超级计算机运行的任务， 现在可以在家用的游戏电脑上运行。 这种模型也在欧洲中期天气预报中心运行， 这是世界上最优秀的天气预报机构之一。 而且，我们的 AI 模型不仅比传统模型快数万倍。 在很多情况下，它的准确性也更高。 去年 9 月 16 日， 一个名为 Lee 的飓风袭击了加拿大新斯科舍省的海岸。 在整整十天前我们的 FourCastNet 模型就正确地预测了飓风会在这里登陆， 但传统的天气模型预测飓风会绕过海岸。 直到五天后的 9 月 11 日， 传统的天气预报模型才纠正预报，预测风暴将会登陆。

应对气候变化和核聚变

像飓风 Lee 这样的极端天气事件只会进一步增加，除非我们采取行动应对气候变化。 例如，我们可以寻找新的，清洁的能源。 核聚变就是其中之一。 但遗憾的是，核聚变仍然面临着巨大的挑战。 聚变反应堆将等离子体加热至极高的温度以进行聚变。 有时这些高温等离子体会逃逸出约束， 从而损坏反应堆。 我们训练神经算子来模拟和预测反应堆内等离子体的变化。 有了它， 我们可以预测事故的发生， 并在事故发生之前采取行动纠正。 我们正在让核聚变成为可能。 因此，神经算子和 AI 广泛地使我们能够应对重大科学挑战， 如气候变化和核聚变等。

未来展望

对我来说，这仅仅是开始。 目前，这些 AI 模型只限于它们被训练的专业领域。 如果你有一个 AI 模型， 能够解决所有科学问题呢？ 从设计更好的无人机、飞机、火箭， 甚至更好的药物和医疗设备？ 这样的 AI 模型将大大造福人类。 这就是我们正在努力的目标。 我们正在构建一个具有涌现能力的通用 AI 模型， 它可以模拟任何物理现象， 并生成以前无法实现的新颖的设计。 这就是我们如何扩展神经算子， 来实现具备通用物理理解的通用智能。

原始视频地址：https://t.co/B7Wig8Li2D