2024-07-02 18:43 admin
人工智能进展 人工智能（Artificial Intelligence，简称AI）是计算机科学的一个分支，旨在使计算机系统能够模拟人类智能的一种技术。它涉及到可以自主学习、规划、推理、理解和进行决策的机器。 人工智能的概念最早出现于1956年，由于其独特的潜力和前景，人工智能一直是计算机科学领域的热门研究方向。然而，由于计算能力和数据量的限制，人工智能的发展一度陷入了低谷。 随着计算机处理能力的提升和大数据的出现，人工智能进入了一个崭新的时代。逐渐出现了许多令人瞩目的人工智能应用，如语音识别、图像识别、自然语言处理、智能推荐和自动驾驶等。 人工智能的应用十分广泛，涵盖了几乎所有领域。以下是一些重要的人工智能应用领域。 虽然人工智能的发展前景广阔，但也面临许多挑战。 首先，数据隐私和安全性是人工智能领域的重要问题。大量的个人数据被用于培训和训练人工智能系统，因此保护数据隐私至关重要。 其次，人工智能的道德问题也备受关注。人工智能系统的决策是否符合伦理和人权原则是一个重要的考量因素。 此外，人工智能的普及和应用也可能导致一些社会问题，例如失业率上升和人类技能落后等。 展望未来，人工智能将继续取得突破性进展。 随着技术的发展，人工智能系统将变得更加智能、更加灵活。人工智能将在医疗、教育、商业领域等更加广泛地应用。 同时，人工智能的发展也需要我们注重道德和伦理问题，确保人工智能的应用符合社会价值观和法律法规。 总之，人工智能的快速发展将给我们的生活带来深远的影响，我们期待人工智能能为人类社会的发展带来更多的机遇和进步。 人工智能新进展 人工智能（Artificial Intelligence，简称AI）作为一门前沿科学技术，近年来取得了许多令人瞩目的进展。它旨在模拟人类智能，实现自主学习、推理和问题解决能力。人工智能领域不断涌现的新进展使得我们探索着一个崭新的未来，本文将介绍近期人工智能领域的新发现和技术进步。 深度学习（Deep Learning）是人工智能领域的一个重要技术。它通过构建具有多个神经网络层级的模型，可以实现对复杂数据的自动特征提取和高精度的模式识别。最新的研究表明，深度学习技术在各个领域都取得了突破性的进展。 在医疗诊断领域，深度学习已经展现出巨大的潜力。研究人员利用深度学习算法分析医学影像，可以快速准确地检测出患者体内的肿瘤和其他疾病。这项技术的应用为医务人员提供了重要的辅助诊断工具，可以帮助他们提高疾病识别的准确性和效率。 在自然语言处理领域，深度学习技术也取得了巨大突破。通过使用深度学习算法，研究人员可以构建出强大的语言模型，实现自动文本摘要、机器翻译和情感分析等任务。这些技术的发展为自然语言处理的应用提供了更多可能性，为人们提供了更智能化的语言交互方式。 强化学习（Reinforcement Learning）是一种让计算机通过与环境交互学习的方法。近年来，强化学习在人工智能领域受到越来越多的关注，并取得了一系列新的发展。 研究人员提出了一种新的强化学习算法，称为深度强化学习（Deep Reinforcement Learning）。该算法将深度学习和强化学习相结合，可以让计算机在复杂情境下做出更加智能的决策。深度强化学习广泛应用于自主驾驶、机器人控制和游戏策略等领域。 此外，强化学习在推荐系统中也得到了广泛应用。通过使用强化学习算法，推荐系统可以根据用户的反馈动态调整推荐策略，从而提供更加个性化和准确的推荐结果。这种基于强化学习的推荐系统极大地提高了用户的体验，促进了电商行业的发展。 近年来，人机交互界面也迎来了一系列革新，为人们提供了更加智能、便利的操作方式。 语音助手是当前最热门的人机交互方式之一。随着语音识别和自然语言理解技术的不断提升，语音助手的使用越来越广泛。语音助手可以根据用户的指令，执行各种操作，例如播放音乐、发送短信和查询天气等。它们不仅提高了人们的生活效率，还为各行业带来了更多创新的可能性。 虚拟现实（Virtual Reality，简称VR）和增强现实（Augmented Reality，简称AR）技术也在人机交互领域引起了巨大的关注。通过利用虚拟现实设备，用户可以体验到沉浸式的虚拟世界，与计算机生成的场景进行互动。增强现实技术则将计算机生成的图像与现实世界进行融合，为用户提供更加丰富的信息展示方式。虚拟现实和增强现实技术的兴起，将进一步推动人机交互界面的创新和发展。 人工智能领域的新进展为我们展示了未来的可能性。深度学习技术、强化学习的发展，以及人机交互界面的革新，为社会生活带来了诸多改变和便利。然而，人工智能技术仍然面临着挑战和未知。我们期待未来的发展，人工智能将在更多领域发挥作用，为人类创造更美好的未来。 英国人工智能公司DeepMind在最新一期《科学机器人》杂志上发表了一项最新研究成果，一个人工智能足球运动员。要知道，著名的AlphaGo围棋程序就是DeepMind开发的。这个AI足球运动员是一个比AlphaGo更高级更复杂的AI程序。为什么这么说？ 战略上，围棋是1V1，只需要考虑两个人的博弈；而足球是多对多，不能只考虑个人技术，还要考虑所有成员之间的配合。即时性方面，围棋是回合制，一方移动，另一方只能旁观；足球是实时比赛，双方都在运动，反应慢一秒就可能错过机会。操作上，围棋只需要考虑下棋的步骤，而足球涉及很多动作，比如带球突破、身体对抗、精准射门等。这就需要一个强有力的体育战略体系，这些差异决定了AI足球运动员的算法要比AlphaGo复杂得多。 其实2016年AlphaGo诞生的时候，仅仅过了半年，腾讯的AI Lab就推出了自己的AI程序，命名为“绝艺”。他们让柯洁和绝艺对弈，绝艺在让柯洁有两个子的情况下也完全赢了，而且表现和AlphaGo一样好。不过当时AlphaGo在李世石的时候已经是名满天下了，已经稳坐头把交椅了。“绝艺”落后半拍，再厉害也只能算个“跟屁虫”，没有引起大众太多关注。 但是这次，早在DeepMind开发AI足球运动员之前，腾讯AI Lab就已经开发出了强大的多智能体，你可能和它对抗过。没错，王者荣耀游戏在2020年推出了一个新模块，叫做“挑战绝武”。这个绝武就是多智能体AI。像AI足球运动员，它在踢球的时候要考虑团队配合，因为王者荣耀的游戏规则是5V5，也就是10个角色分成两队分组作战；在操作上，也有复杂的行走和移动技巧。 为了快速提升绝武的战斗力，腾讯AI团队决定将其发布，并邀请亿万游戏玩家与它对战，帮助它进步。如果你也挑战过《绝武》，那就牛逼了。你为开发世界上最先进的多智能体人工智能做出了贡献。“绝武”用了三年时间成为世界上最先进的多智能体AI之一，从一开始一个连地图怪物都打不过的“弱鸡”，到成为王者荣耀职业联赛的冠军。 听到这里，不知道大家会不会有一个疑问:BAT三巨头中，百度对人工智能的投入是最多的，为什么这个多智能体AI是腾讯做的？原来腾讯开发“绝武”并不是心血来潮，而是为了解决一个实际问题。 王者荣耀游戏会不断推出新的英雄角色，这个新角色的战力需要和旧角色的战力保持平衡，不能太强也不能太弱，最好的胜率在50%左右。如何保证这个胜率？ 一般的做法是在新角色发布前找很多专业的游戏测试人员，和老角色组队玩上千款游戏，尝试测试各种技能和场景。但这种方式人力成本高，效率低，还有新角色提前泄露给大众的风险。能不能简单的设置一个AI系统，可以控制各种角色自动测试？没错，这就是“绝无”的由来。 从数学上来说，如果想求出胜率，就需要用穷举法，即推导出每一步所有可能的变量，自然就能得到结果。然而，这种方法只在理论上可行。现实中，它需要的计算能力是天文数字，超过了计算机的极限。即使是简单的围棋程序也不能采用穷举法，更不用说更复杂的多智能体了。 其实绝武1.0版和AlphaGo一样，采用的是“模仿学习”的方法。AlphaGo研究的是人类的棋谱，而“绝武”研究的是王者荣耀职业联赛的视频。然而，简单地将这些视频信息填入系统是不够准确的。因为高手也有晕招的情况，“绝武”前期分不清哪些是高招，哪些是晕招。腾讯团队找了一批游戏高手，人工标注哪些华而不实，哪些真的匠心独运，把“提纯”后的武功秘籍输入绝武。 通过“模仿学习”，绝武的水平相当于更厉害的业余选手，可以挑战游戏主播，但比不上真正的职业选手。从“模仿学习”的原理来看，“绝悟”就是跟职业玩家的屁股学，最多能学到78%上下，就像孙悟空再厉害也赶不上菩提老祖一样。后来《绝武》是如何实现成为职业选手的目标的？ 这是关于绝武2.0版本的。和AlphaGo的下一代AlphaZero一样，它不再是“模仿学习”，而是完全抛弃人类的经验，从一张白纸开始，通过和自己对打，左右手对打，总结出自己的战斗经验，这在人工智能领域被称为“强化学习”。 但是，正如我们前面提到的，多智能体AI面临的情况比围棋这样的单智能体面临的情况要复杂得多，这意味着它的模型有大量的参数，“强化学习”的结果可能越来越强，也可能是“学习无用”，模型无法收敛，性能越来越差。就像教游泳，把宝宝扔进水里，结果无人能够预知。 其实绝武2.0就遇到过这种情况:刚开始学习曲线很漂亮，后来忽上忽下，然后突然转了下来。“强化学习”不同于“模仿学习”。机器“强化学习”的过程是一个黑箱，人类无法理解，更谈不上干预和引导。 课题组苦思冥想，终于悟出:虽然没办法，但可以降低难度！他们给“绝武”做了一个由易到难的训练计划:不是一开始就让它有5V5的近战，而是从1V1开始，然后做固定的组队训练，最后打乱组队训练。 在这样一步步的训练计划下，“绝武”终于起死回生，学习曲线上去了。最终，在2019王者荣耀世界冠军杯中，绝武战胜了顶级职业棋手，成为了游戏界的AlphaGo。 更重要的是，AlphaGo是专门用于下围棋的单个智能体，实际应用场景有限；“绝无”作为多智能体的代表，有很多实际的应用场景。比如“把王者荣耀的英雄换成汽车，把地图换成街道，就成了智能驾驶问题”；再衍生开来，如果把王者荣耀的英雄变成小行星，那就可以让小行星自动组队进行天文观测。 从这个意义上来说，《王者荣耀》早已超出了一款游戏的范畴，它是一个有数亿游戏玩家参与的多智能体AI研究平台，也是一个通向未来的基础设施。 在2023年，人工智能领域的进展将继续引领科技行业的发展。未来几年，人工智能技术将在以下方向取得进展： 综上所述，人工智能技术在未来几年将在多个领域取得重大进展，为人类带来更多的创新和商业机会。然而，我们也需要关注人工智能技术对社会和个人的影响，积极引导技术的发展，确保人工智能技术的应用符合伦理和法律标准，为人类带来更多的福祉。 我个人也会做些开源，主要是为了技术交流，开发了个类似于chatgpt和chatglm的小模型。 大家如果感兴趣，可以看看，也可以动动发财的小手，帮忙点个star，鼓励下作者。 华为云田奇：大模型开发和训练一次1200万美元，市场将向大公司集中来源：澎湃网 LeCun吴恩达开直播，疾呼GPT-5不能停！LeCun：干脆管制凤头鹦鹉6个月来源：微信公众号新智元 斯图尔特·拉塞尔呼吁对AI采取新的方法，与Peter Norvig合著了《人工智能：一种现代方法》来源：bytefeed SCISpace：一站式AI科研辅助工具来源：https:// http://typeset.io BingGPT：NewBing开源桌面客户端BingGPT来源：zdnetBingGPT是一个新的搜索引擎，它结合了Bing和ChatGPT的功能，提供了一个人工智能驱动的对话式搜索体验。它使用了OpenAI的GPT-4技术，可以根据用户的查询和上下文生成相关和有趣的回复。BingGPT有以下特点： BingGPT目前还在测试阶段，需要用户加入等待名单才能获得早期访问权限。Seeing AI：使用ChatGPT帮助视障群体来源：微软 Seeing AI是一个由微软开发的iOS应用，它使用人工智能技术来帮助视力障碍者导航日常生活。Seeing AI的主要功能有： Seeing AI是一个免费的应用，你可以在App Store上下载。 前沿动态的内容主要由人工智能生成，如果你也感兴趣人工智能及其应用，欢迎加入我们一起共创，可以添加我的微信（MissML0658，备注：动态），拉你加入我们的讨论群。我们之前还做了一期介绍OpenAI的小宇宙播客节目，扫描下方的二维码可以直接收听。 随着科技的飞速发展，人工智能成为引领未来的关键领域之一。人工智能的广泛应用正在改变我们生活和工作的方方面面。在过去的几年里，全球人工智能领域取得了诸多重大进展，下面将介绍全球人工智能十大进展。 语言处理和自然语言处理技术的发展一直都是人工智能的重要研究方向。近年来，随着深度学习和神经网络的应用，语言处理和自然语言处理技术取得了巨大突破。机器翻译、情感分析、语音识别等领域的进展令人瞩目，为人们提供了更便捷和智能的语言交互体验。 机器学习作为人工智能的核心技术之一，近年来取得了显著的进展。深度学习、强化学习等机器学习方法的应用不断拓展，为人工智能的发展提供了更强大的能力。机器学习算法的优化和改进，使得机器能够从大数据中快速学习和识别模式，实现更准确和高效的预测和决策。 自动驾驶技术一直是人工智能领域的热门话题。近年来，全球范围内的自动驾驶技术取得了长足的进展。无人驾驶汽车已经在一些地区开始商业化运营，吸引了众多汽车制造商和科技公司的关注。自动驾驶技术的突破将为交通运输带来革命性的改变，提高道路安全性和交通效率。 人工智能在医疗领域的应用一直备受关注。近年来，人工智能在医疗图像诊断、个性化治疗等方面取得了重要的突破。深度学习和机器学习等技术的应用使得机器能够更准确地判断疾病和提供个性化的治疗方案。人工智能技术的应用将大大提高医疗服务的效率和质量。 在人工智能的发展中，人机协作和智能助理的研究也取得了重要进展。智能助理通过对人类行为和需求的学习，能够提供个性化的推荐和服务，提高工作和生活的效率。人机协作研究为未来人机共存和合作提供了基础。 人工智能技术在金融领域的应用日益广泛。机器学习和数据分析技术的发展使得金融机构能够更准确地预测市场走势和进行风险评估。智能投顾、自动化交易等金融服务的普及将改变传统的金融业务模式。 人工智能技术在教育领域的应用正在逐渐增加。个性化教育、智能辅导等人工智能技术为教育提供了新的方式和工具。机器学习和大数据分析技术能够根据学生的学习状态和需求提供个性化的教育方案。 人工智能技术在农业领域的应用也有长足的进展。智能农业技术通过传感器和数据分析，能够提高农业生产的效率和质量。农业机器人、智能灌溉系统等技术的应用使得农田管理更加智能化。 人工智能与物联网的融合被认为是未来科技发展的趋势之一。物联网的大规模应用产生了海量数据，而人工智能技术则能够从数据中提取有用的信息和知识。人工智能与物联网的融合将推动智能城市、智能家居等领域的发展。 随着人工智能技术的发展，人工智能伦理和法律面临着新的挑战。人工智能技术的应用涉及到隐私保护、数据安全等敏感问题，同时也带来了人工智能与人类道德和价值观的冲突。人工智能伦理和法律的研究对于人工智能的健康发展至关重要。 以上就是全球人工智能领域十大进展的介绍。从语言处理技术的突破到人工智能伦理与法律的挑战，人工智能的发展正深刻地影响着我们的生活和社会。相信随着科技的不断进步，人工智能领域的未来将更加精彩。 科技进步固然是好事，科技的进步为的是什么，很多人并不是很清楚，科技为了人民福祉 具体到治疗疾病上，科技是为了治病诞生的，而不是像西医那样，各种高大上仪器设备嗖嗖嗖全都上齐全了，但是遇到慢性病仍然只是个小白，啥都不懂，不懂就不懂吧，也没人说他们啥，关键是还总喜欢装大瓣蒜，给出各种定义，什么前列腺炎，什么阳痿早泄，高血压，痛风，腰间盘突出，腰肌劳损等等，定义的挺好，如果有人真正关心过老百姓的需求的话，应该站在老百姓的角度看待这类问题，老百姓关心的是疗效，而不是高大上的仪器设备做完体检后好收钱 没有疗效，肯定被老百姓骂惨了，不要再像过去那样一味追求所谓的科技，追求科技那不是理所应当的吗？科技之上更应该重点关注疗效，务实的从业精神，要脸的做人准则才是最应该具备的 你说的这个，其实是关注细枝末节，患者身体上出现一个很小的毛病，比如失眠，牵扯范围也是很广的，并不是单独安眠就能办事。不要被所谓的高科技蒙蔽了双眼，做任何一件事都应该首先去关注主要矛盾和次要矛盾，西医为啥看着高大上，培养个10年8年还是不会治病，原因很简单，之间树木不见森林，看着听高端，其实应用面很窄，绝大多数慢性病面前就是个小白，弟弟也算不上 人工智能研究的东西，目前看来只能研究已知的，你问它下一期双色球号码，它肯定不知道，所以为了保险起见，应该是中医本人已经会治病了，然后才可能考虑人工智能，中医从业人员自己都不会治病，还总是希望靠高科技把本来应该花费20~30年以上认真研究的过程大幅度缩短，这种偷工减料的思想本来就不可取，借用高科技去冒险给患者治病，结果换来的只能是一顿臭骂 一般关注科技的时候，往往容易偏离原来的目标，一切目标都是为了治病存在的，否则就没有存在的必要，但是人们往往容易跑偏，包括患者也是这样，稍微一忽悠，什么“中华文化源远流长”“中医药博大精深”，好了，一顿猛虎操作下来，患者彻底懵了，直接忽悠交钱送客，这都不是人干的事，会治就老老实实治病，别搞那么多花样，不会治病就直接告诉患者会治那些轻微问题，那些严重疾病治不了，这是做人的根本，如果一个病都不会治，建议赶紧滚出行业，别给行业抹黑 我不攻击谁，只是说了点事实真相而已，听着不顺耳咱也不抬杠，没必要 追加： 关于投机取巧又不是三两天的事了，大家都盯着所谓的人工智能看，根源其实就是因为患者朋友们希望将中医中药的治疗手段传承下去，别让它失传的同时，还能为老百姓解决实实在在的病痛，这是患者一方关注中医中药的动机 中医行业的同行可以说很多都是懒蛋，不愿意先期投入30年以上的时间认真研究中医，反正只要有个法律保护的职业资格证件就可以合法行医了，至于治疗的结果嘛，法律没要求，那自己就可以胡来，只要治不死人，有没有疗效不是自己应该关心的，我关心，那是因为我要脸，我不关心，无伤大雅，你可以在道德上全力开火天天谴责我，但是法律层面我并不违法，你能奈我何？ 但是你可保证不了真遇到那么一个半个被你骗的倾家荡产的患者被逼急了以后拿着武器在下班路上等你玩两把，搞不好三招两式把你吃饭的家伙给你拿走，都是有可能的。本人很多老百姓还是对中医有些好感的，至少是咱们国家自己的治疗技术和理念，结果呢，你给人家治了半年一年都没进步，这时候对方很快酒会意识到，其实他被骗了，过去找你治病一直都是看你画饼，生活在梦境中，一旦美梦醒过来，那你可就危险了。中医行虽然是个受人敬仰的行业，同时也是一个高危行业，你可以无限制不要脸的顶着所谓的“合法行医”的名号招摇撞骗，一旦一百年当中遇到一个较真的患者，你就自求多福吧 如果是中医行业从业人员关注人工智能技术的话，完全没必要浪费时间，你有了关注的精神头，早就花10年以上的时间认真把中医各类典籍从头到尾认真研究一遍了。你自己都没研究过，还总是想着让人工智能替你积累经验，自己都没认真研究过，还总是妄想人工智能替代你去做研究，自己都不会治病，怎么教会人工智能治病？你这种幼稚的想法会害惨更多患者 退一万讲，假如你不会治病，却把人工智能调教的会治病了，那要你干嘛？你存在的意义是啥？难道叫你改行去霍霍其它行业？你自己都不会治病，天天就知道躺着抄个方子当药材中间商赚个倒卖的钱，到了其它行业能为那个行业做出什么杰出贡献呢？ 人工智能如果真会治病了，菜鸟立刻失业，所以这么多的菜鸟会允许人工智能替代他们吗？明眼人稍微一思考就有答案了 我已经说过很多次了，人民群众是我们国家的主人，做事的初衷应该是优先考虑人民群众的需求，而不是合法了就不需要进一步提升服务质量。中医是医疗行业，向来受人尊重，不要把这片净土搞臭 再次追加： 还有就是如果真要做研究的话，也不是你这么做研究的，你这叫知见树木不见森林，但凡治疗一个很小的毛病，牵扯面也是相当广泛的，变数太多，而且要抓主要矛盾，治疗大方向还没分析清楚呢，就一头钻进去妄想先研究个片面，弄点奖杯和名誉玩玩吧，这不叫做研究的，老百姓也不欢迎这种沽名钓誉的行为 原理基本已经确定了，不会剧烈变动，现在需要做的不是继续研究原理，一边研究一边印证，今天出了个印证结果，哇，和《黄帝内经》里说的一模一样啊，奥，验证通过了，可以发表论文拿奖杯了，有意义？一惊一乍的 如果非要做研究，好，完全没问题，你不要借用以中医行业人士的名义去做，中医行业需要的是真正解决患者病痛的实干家，并不需要那么多半吊子，半吊子实在太他娘的多了，漫山遍野，不计其数，乌央乌央的，黑压压基本都是这类货色，我说话直接，可能伤害了很多无辜的同行，所以请不要太在意，我并没有单独说某一个人是“乐色”，我是说在座的各位都是“乐色” 如果您不想听我说话，那还真是不好意思，我还就说定了，您想让我对您刮目相看，好，拿出你生命的1/3时间认真去研究中医基本原理和实践经验，等到真正会治病的时候，我亲自登门负荆请罪，不为别的，我只是希望大家正常一点，做个收了钱就办实事的正常人 为了还给全天下所有无辜受冤枉的那么多患者一个公道，我愿意一生与酒囊饭袋为敌 如果要治病的话，重点在于研究方子和疾病，研究怎么治好病，基础理论研究并不是靠一两件趁手的兵器就可以搞定的，需要花费大量时间人力物力去堆积，至少20~30年以上才可能会治病，你就算是个绝顶的天才，花5~10年废寝忘食的全面研究一下前人留下的理论和实践经验也是很有必要的，不舍得花时间去做，那就不用到中医行业里混吃混喝了，会误导很多无辜的患者，甚至让他们倾家荡产 倾家荡产的患者不在少数，年纪轻轻借7万外债治阳痿，两年之间钱花光了，阳痿一呼不呼，这不就是草菅人命吗？ 要点脸行吗？ 干点人该干的事行吗？ 人工智能作为新一轮产业变革的核心驱动力，这两年不断催生新的技术、产品、产业、 业态、模式，从而引实现社会生产力的整体提升。 通过对人工智能产业分布进行梳理，我们可以看到下面这张人工智能产业生态图，主要分为：核心业态、关联业态、衍生业态三个层次。 其中，个人认为比较有趣的是智能产品的发展。智能产品是指将人工智能领域的技术成果集成化、产品化，具体的分类如下表所示： 随着制造强国、网络强国、数字中国建设进程的加快，在制造、家居、金融、 教育、交通、安防、医疗、物流等领域对人工智能技术和产品的需求目前已经进一步被释放，相关智能产品的种类和形态也将越来越丰富。 在这次的疫情，人工智能也带来较大的帮助。人工智能技术在有数据积累的场景能快速落地，例如疫情监测分析、药品研发、医疗救治、人员物资管控、后勤保障等。 目前在国内，人工智能已上升为国家战略。《新一代人工智能发展规划》提出，“到2030年，使中国成为世界主要人工智能创新中心”，预计到2025年人工智能应用市场总值将达1270亿美元。 而实际上，人类的创造性，已被证明是解决问题和创造进步的最大力量。所以尽管很多人工智能技术目前还未广泛普及，但不妨碍我们的想象与期待。 深度学习方法，即具有多个隐藏处理层的人工神经网络，具有能够从输入数据中自动提取特征，以及其捕获非线性输入输出关系的潜力。深度学习技术的特性补充了传统的机器学习方法，这些方法依赖于人工制作的分子描述符。人们对深度学习的兴趣相对较晚才开始复苏，这导致了新型建模方法和应用的空前爆发。化学科学的许多领域已经受益于深度学习的不断发展。 我将描述深度学习方法在药物领域蓬勃发展的一些方面，具体来说,基于配体的定量结构活性/性质(构象/部分)的关系,以及基于结构的建模、新创的分子设计和合成预测得到解决。最后强调预测现代人工智能(AI)如何塑造未来辅助药物发展。 QSAR/QSPR建模自50多年前诞生以来已经走过了漫长的道路。这些计算模型对药物发现的影响是不可否认的，可以成功预测药物的生物活性和药物动力学参数，即吸收、分布、代谢、排泄和毒性(ADMET)。对于基于配体的QSAR/QSPR建模，分子的结构特征(如药效团分布、物理化学性质和官能团)通常使用所谓的分子描述符转换为机器可读的数字。手工制作的分子描述符的光谱，旨在捕获潜在的化学结构的各个方面。一般来说，QSAR/QSPR方法已经从使用更简单的模型，如线性回归和k近邻，转向更普遍适用的机器学习技术，如支持向量机(SVM)和梯度增强方法(GBM)，旨在解决化学物质之间更复杂和潜在的非线性关系结构及其理化/生物学特性，通常以可解释性为代价。 深度网络可以在训练过程中自动进行特征提取。图神经网络和循环神经网络，能够生成内部上下文特定的分子结构表示。图神经网络的具体情况下，是通过学习潜在原子和键表示在训练过程中实现的。因此，深度学习方法对于那些经典描述符最初没有被设计的任务建模是很有前途的。例子包括肽、大环和蛋白水解靶向嵌合体(PROTACs)的建模。深架构的优点是适用于多任务学习,旨在找到共同的内部表示为一组相关的有用的端点。由于药物发现是一个多参数优化挑战，多任务学习可能更有效地利用相关数据的共同情况下，一个分子库的整体没有完全测试所有感兴趣的端点，或没有对先验推断的需要。多输出QSAR建模的思想，旨在将一组预定义的化学描述词与可观测端点相关联，在深度学习方法兴起之前就已经被探索过。 鉴于深度学习在药物发现中的应用增长，以及这些方法得益于大型训练集的事实，勤于数据管理和对新开发模型进行适当的基准测试是强制性的。在过去的几年中，化合物库的可用性和规模都有所提高。ChEMBL等数据库是配体基础项目的常用起点。基于结构的建模也观察到类似的趋势，如PDBbind和BindingDB等数据库提供了关于蛋白质配体复合体的非常详细的结构信息，以及它们相关的生物活性数据。蛋白质结构预测和测定领域的进展可以乐观地认为，未来将有更多药物靶点的结构信息可用。 从头设计,生成新的分子实体具有预期的药理特性从头,可以被认为是一个最具挑战性的计算机辅助任务，由于基数药物类分子的化学空间的顺序。由于可以研究的不同原子类型和分子拓扑结构的数量，从头生成分子面临组合爆炸的问题。根据用于指导重新设计的信息，各自的方法可以是基于配体、基于结构，或两者的混合。 基于配体的方法可以分为两大类: 1.基于规则的方法，使用一套构建规则从一组“构建块”(试剂或分子片段)的分子组装 2.无规则的方法，不使用明确的构建规则。 到目前为止，大多数基于深度学习的从头设计研究都集中在基于配体的方法上。基于结构的生成设计是针对孤儿受体和迄今尚未探索的大分子的一个有前途的互补发展方向。这些方法通常利用配体结合位点的信息(例如通过片段连接或生长)。目前，深度学习尚未广泛渗透。然而，随着结合袋的形状和性质的考虑，配体设计的将会初步发展。 大多数已知的有机化合物可以通过有限数量的稳定反应合成。然而，可靠和全自动的化学合成规划是一个挑战，尚未得到满足。部分原因是由于有效的正向和反向合成规划需要广泛的化学专业知识。人工智能的合成规划有着丰富的历史，可以追溯到20世纪70年代的计算机辅助反合成预测领域。计算能力的提高、大数据的出现以及用于深度学习和优化的新算法的发展，导致人工智能在合成有机化学领域的发展。 人工智能应用在药物研发和设计中开始变得无处不在。随着QSAR建模、从头分子设计和综合规划等方面的显著进步，这些技术逐渐达到了一些的发展。最后，这些技术如何帮助研究人员更快地设计和合成“更好的候选药物”，让我们拭目以待。 参考资料：Jiménez-Luna J, Grisoni F, Weskamp N, et al. Artificial intelligence in drug discovery: Recent advances and future perspectives[J]. Expert Opinion on Drug Discovery, 2021: 1-11. 一个案件的不同阶段是一个案件的不同阶段,起诉之后是法院审判，申请执行是法院已经审判过了，并已经做出生效的判决了，申请法院依据判决书执行。二者不是一个阶段。 中华人民共和国民事诉讼法第二百三十六条发生法律效力的民事判决、裁定，当事人必须履行。一方拒绝履行的，对方当事人可以向人民法院申请执行，也可以由审判员移送执行员执行。 执行标的和诉讼请求的区别主要有：执行标的是民事诉讼中予以审理和判断的的对象，简单来讲就是诉讼的对象，而诉讼请求是请求法院在诉讼中支持己方的诉讼主张，两者的适用主体显然是不一样的。 执行标的是指当事人之间发生争执并要求法院作出裁判的民事权利义务关系。 诉讼标的物是指当事人之间争议的实体权利义务关系指向的对象(存在于给付之诉中)。诉讼请求是当事人基于争议的实体权利义务关系向人民法院提出的，责令义务人履行义务以实现自己合法权益的具体实体要求。一、人工智能进展
什么是人工智能？
人工智能的历史
人工智能的应用
人工智能的挑战
人工智能的未来
二、人工智能新进展
引言
深度学习技术
强化学习的新发展
人机交互界面的革新
结语
三、人工智能 AI 不断提升，有哪些新进展？
四、2023年，人工智能哪些方向进展将值得期待？
五、人工智能的最新进展有哪些？
新闻热点汇
科技阅读室
新锐应用探秘
六、全球人工智能十大进展
1. 语言处理和自然语言处理技术的突破
2. 机器学习的进一步发展
3. 自动驾驶技术的突破
4. 人工智能在医疗领域的应用
5. 人机协作和智能助理的发展
6. 人工智能在金融领域的应用
7. 人工智能在教育领域的应用
8. 人工智能在农业领域的应用
9. 人工智能与物联网的融合
10. 人工智能伦理与法律的挑战
七、有没有中医学者关注人工智能的进展？
八、近两年，人工智能有哪些有趣的进展？
九、人工智能在新药发现中的应用进展怎么样？
机器学习算法已广泛应用于人工智能辅助药物发现。
QSAR/QSPR和基于结构的人工智能建模
人工智能的全新药物设计
具有人工智能的自动综合规划
发展
十、诉讼进展和执行进展的区别？