摘要：通过CNN的Wonder Theory科学通讯，读者可以探索宇宙的奥秘和科学进展。赫库兰尼姆卷轴的解读得益于人工智能的进步，研究人员利用高分辨率X射线技术解码出2000多个字符，揭示古罗马和希腊文明的独特视角。2024年，诺贝尔委员会首次认可人工智能在科学发展
通过CNN的Wonder Theory科学通讯，读者可以探索宇宙的奥秘和科学进展。赫库兰尼姆卷轴的解读得益于人工智能的进步，研究人员利用高分辨率X射线技术解码出2000多个字符，揭示古罗马和希腊文明的独特视角。2024年，诺贝尔委员会首次认可人工智能在科学发展中的贡献，约翰·霍普菲尔德和杰弗里·辛顿因其在机器学习领域的基础性发现获得物理学奖。人工智能在动物沟通和考古发现中也取得了进展，例如在抹香鲸的研究中分析其点击声。阿尔法折叠蛋白质结构数据库的推出帮助研究人员解读蛋白质的复杂结构，加速了生物医学研究的进展。尽管面临挑战，人工智能在科学研究中的应用正变得越来越重要。
通过CNN的Wonder Theory科学通讯，探索宇宙的奥秘，获取关于引人入胜的发现、科学进展等最新消息。订阅后，您可以及时了解那些拓展我们对宇宙及其科学原理理解的突破性话题。
古老的赫库兰尼姆卷轴因烧焦而变得脆弱，若有人试图展开它们，便会崩溃，使得卷轴上的任何文字几乎无法辨读。尽管这些卷轴始终未曾打开，但如今，得益于人工智能的进步，它们的内容已得以解读。2023年，一组研究人员利用人工智能和高分辨率X射线技术，从这些卷轴中解码出超过2000个字符，揭示了自公元79年维苏威火山灾难性喷发以来保存下来的第一批完整段落。这些文物被认为是从曾为尤利乌斯·凯撒岳父居住的建筑中回收而来，为我们提供了对古罗马和希腊文明的独特视角。由计算机科学家发起的维苏威挑战旨在加快解读进程，目标是在2024年底之前解锁四卷中的90%。主要难点在于如何将文献几乎平坦化，并区分黑色墨水与炭化的卷轴，使希腊文和拉丁文文本变得可读。肯塔基大学的计算机科学教授布伦特·西尔斯表示，人工智能显著提高了墨水证据的可见性，这些证据在卷轴复杂的层次中被掩盖。
2024年是人工智能的一个重要时刻，诺贝尔委员会首次承认其对科学发展的贡献。约翰·霍普菲尔德和杰弗里·辛顿因其在机器学习领域的基础性发现而获得物理学奖，这些发现根本上塑造了当前人工智能的应用。虽然“人工智能”这一术语往往模糊且被夸大，但它基本上是指模拟人类认知功能以解决问题和执行任务。这包括利用数据集训练机器学习算法的各种计算技术，使其能够识别模式并做出预测。然而，人工智能也带来了挑战，尤其是在招聘、执法和贷款申请等领域，历史数据中的偏见可能导致歧视性做法。尽管存在这些风险，自2015年以来，利用人工智能工具的同行评审论文数量显著增加，彻底改变了科学发现。由《自然》杂志进行的一项调查显示，超过一半的1600名科学家认为人工智能工具对他们的研究实践“非常重要”或“不可或缺”。英国皇家学会对许多人工智能工具的不透明性表示担忧，这可能妨碍基于人工智能的研究的可重复性。尽管如此，对于像西尔斯这样的研究人员而言，人工智能是一个强大的工具，合理应用时能够产生令人瞩目的成果。
人工智能在理解动物沟通方面也取得了进展，尤其是在抹香鲸的研究中。研究人员发现，这些鲸鱼发出的点击声在节奏、韵律和长度上各不相同，但其含义对人类仍然难以捉摸。利用机器学习，科学家们分析了来自加勒比海约60只抹香鲸的近9000个点击序列，这些序列被称为“音节”。这项研究最终可能促进人与这些海洋生物的沟通。研究团队考察了这些音节在不同语境下的时机和频率，揭示了类似于人类语言音韵学的先前未被识别的模式。在陆地上，人工智能正在彻底改变考古发现，尤其是在秘鲁的纳斯卡沙漠，神秘的线条和符号吸引了考古学家近一个世纪的关注。由日本山形大学的坂井正人领导的研究团队在高分辨率的纳斯卡符号图像上训练了一个物体检测人工智能模型，该图像的映射截止到2020年。在2022年9月至2023年2月之间，他们评估了该模型在纳斯卡沙漠中的准确性，结果识别出303个具象地面图形，几乎是已知数量的两倍。尽管人工智能模型在629平方公里（243平方英里）的沙漠中建议了约47,000个潜在地点，研究人员还是将重点放在了1,309个被认为具有高探索潜力的候选地点上。
在分子生物学领域，人工智能正在帮助研究人员解读蛋白质的复杂结构，而蛋白质是生命的基础。蛋白质由大约20种氨基酸构成，但它们可以以无数种配置结合，形成对各种生物功能至关重要的复杂三维形状。传统上，理解这些结构需要广泛的实验室实验和X射线晶体学，这是一项劳动密集型的过程。然而，2018年阿尔法折叠蛋白质结构数据库的推出彻底改变了这一领域。该工具由谷歌深度学习公司在伦敦的德米斯·哈萨比斯和约翰·跳普开发，能够根据氨基酸序列预测近2亿种已知蛋白质的结构。这个数据库作为一个宝贵的资源，使研究人员能够快速访问蛋白质的预测模型，从而加速基础生物学及相关医学领域的进展。全球已有超过200万研究人员使用了这一工具。瑞典卡罗林斯卡学院的医学遗传学教授安娜·韦德尔称赞阿尔法折叠的意义，称其为物理化学领域的突破性成就。然而，它也有局限性；例如，尝试将阿尔法折叠应用于与早期乳腺癌相关的突变蛋白质序列时，软件无法预测新突变的影响。尽管面临这些挑战，阿尔法折叠展示了人工智能工具在生物医学研究中被广泛应用的趋势，包括努力对人体内每种细胞进行分类，以及发现新的药物化合物以对抗耐药性细菌。
来源：老孙科技前沿一点号
