人工智能（AI）正逐渐从一个专门的研究领域走向成为其他学科的工具，这种方式也促进了跨学科合作。 根据斯坦福大学2021年AI相关数据指数报告，2019年至2020年AI相关期刊发表数量增长34.5%；2018年至2019年为19.6%。AI出版物占2019年全球所有同行评审科学出版物的3.8%，高于2011年的1.3%。 善用AI算法也成为当前科学研究的必备素质.Nature采访了五位研究人员，调查了他们如何与AI合作。理论物理学家和AI PhialaShanahan是一名理论物理学家，一直与AI研究部门GoogleDeepMind合作。合作始于以色列的一次会议，会上她和学生展示了一些麻省理工学院的项目，这些项目采用了伦敦DeepMind高级研究科学家DaniloJimenezRezende的想法；Rezende的工作包括建模，例如医学图像、视频、3D场景几何和复杂的物理系统。他进行了一些关键的机器学习研究，并将其应用于基础物理学中的问题。 他们进行了一次对话，并促成了长期合作，主要涉及DeepMind的一些人、我的几个博士后和一名博士生。他们在过去几年里合着了四五篇论文，他们确实用人工智能做了一些创新的事情，使用机器学习模型来加速既定的物理计算。 最终目标是使我们能够进行现有算法和资源无法计算的研究。 Phiala认为成功合作的关键是平等感，她的团队和DeepMind团队一样，正在推动AI的发展。DeepMind组的人也很懂物理，双方都可以做科学的两部分，所以这是一个非常平衡和动态的合作，非常有趣。 Phiala也参与了一些无效的合作，他们认为一组应该担心物理部分，一组应该担心计算机科学部分，最后在中间相遇。但事实上，这两个群体最终都陷入了孤立，并为语言障碍而苦苦挣扎。 所以跨学科合作需要双方对两个领域都有了解。药物设计与AI SimonOlsson是瑞典哥德堡查尔姆斯理工大学应用人工智能副教授。他说，他们在去年10月开设的实验室中使用机器学习方法来解决自然科学中的计算问题。 例如，他们目前正在与在哥德堡设有研究中心的英瑞合资企业阿斯利康合作开发药物设计方法，他们也在研究如何将实验数据整合到蛋白质结构和动力学中机器学习模型。如果您试图弄清楚蛋白质如何折叠，或者药物如何与其相互作用，使用一个计算模型，该模型同时考虑了关于蛋白质的文献和支配其行为的物理和化学定律可能会有所帮助。帮助。 如果你有计算机科学背景，想在学习自然科学的同时进入人工智能领域，试着找出一个你感兴趣的领域，找到一个你想解决的问题。 Olsson最初是通过分子动力学和分子设计的研究被吸引到该领域的，其中分子及其相互作用在计算机中模拟，通常用于发现新药。人工智能有可能在计算要求高的领域解决以前无法解决的问题。 奥尔森建议对人工智能感兴趣的人开始学习编程，并尝试将他们在工作生活中经常做的事情自动化：无论是发送模板电子邮件还是将数据输入电子表格。如果重复任务很无聊，那么自动化的动机就会很快出现。之后，逐渐用越来越复杂的任务挑战自己。人工智能实验物理学家 SiddharthMishra-Sharma是麻省理工学院（剑桥）粒子物理学博士后研究员。他在英国剑桥大学本科期间做过一些实验高能物理和天体物理学的实习。其中包括在瑞士日内瓦附近的欧洲粒子物理实验室CERN度过了几个夏天，在他的博士学位期间涉足机器学习。在机器学习领域。 AI工具通常是物理学的重要补充，它们通常使用来自粒子对撞机或望远镜的大量数据集，这些数据集可以生成PB级数据。 由于天文数据集种类繁多，从单个星系的图像到银河系的地图，没有任何机器学习方法可以有效地用于发现暗物质效应。当机器学习开始用于天体物理学时，已建立的算法将用于新的环境。例如，如果机器学习方法擅长区分猫和狗的图像，那么它也可能擅长区分不同星系的图像。 但今天物理学家和其他自然科学从业者的需求可以为机器学习方法的发展提供信息，物理学家不再直接使用来自对撞机或望远镜的海量数据集。相反，他们的部分日常工作涉及查看哪种方法适用于给定问题或观察，如果不存在此类方法，则尝试开发新模型。 在这样的工作中，物理学和机器学习之间的信息流是双向的，人工智能和物理学这两个学科充分交流。管理与AI FabioCozman是巴西圣保罗大学人工智能中心(C4AI)的主任，该中心的主要目标是开展对社会和行业有直接影响的机器智能研究。有五个核心项目。目标之一是能够显着提高巴西官方语言葡萄牙语的自然语言处理和翻译能力，使计算机语音工具能够更好地翻译、转录和理解葡萄牙语人士所说的话。 另一个项目，BlueAmazoniaBrain，研究气候变化、生物多样性和矿产资源对巴西大西洋海岸线和居住在那里的人们的影响。 人工智能中心成立于2020年10月，每年由技术公司IBM提供200万雷亚尔（380,000美元）的资助，圣保罗研究基金会提供200万巴西雷亚尔，圣保罗大学提供400万巴西雷亚尔此外，州政府还将提供未来的财政支持。 该中心的合作目标非常广泛，但合作者往往对计算机科学能实现的目标有不同的期望，这需要在合作前通过与合作者清楚地解释AI能做什么和不能做什么来解决。 并且研究产出往往存在分歧，例如，自然科学领域的人通常将期刊论文视为传播研究的最佳方式，而AI研究人员则更侧重于会议。 另一个挑战是一些研究人员只想要一个程序员。这些研究人员需要更愿意分享他们的知识和问题，而不是仅仅采取“来帮我计划”的方式，合作需要成为旨在解决和回答问题的伙伴关系。 人工智能发展如此之快，以至于计算机科学和工程领域的人们觉得他们必须伸出手来解决现实世界的问题：我们不再只做我们领域的事情没有意义了。其他领域的研究人员正在追随一种趋势：所有主要的人工智能实验室和中心现在都在研究现实生活中的应用问题。 对于希望与AI专家合作的研究人员，Fabio的建议是从降低你的期望开始：你是想让“擅长编程”的人帮你做一些数据分析，还是你真的需要问更深层次的问题？ 一些AI相关的背景知识和实践经验，对合作者很有用。艺术家与AI 艺术家RomanLipski于2016年4月开始在柏林美术学院教授难民，在那里他结识并与数据科学家FlorianDohmann合作，尝试用人工智能探索艺术。Lipski看过谷歌数据科学家用AI制作的图像，但大多是由重复元素构成的恐怖故事图像，具有1000只眼睛或1000英尺长的动物等主要特征。 一开始，他天真地认为AI技术即将落地，可以帮助拍出有史以来最好的电影。虽然他知道人工智能的潜力很大，但他却无从下手。Florian加入后，他们决定只在自己的作品上训练算法，以忠于Lipski自己的艺术灵感。在拍摄了他职业生涯中的每一幅画之后，创建了一个小数据集来训练算法，然后要求其创作原创作品。 可是结果又惨了。生成的作品类似于谷歌工程师看到的画作，充满了重复的形状和颜色，没有添加任何新的东西。但在艺术上，它们比其他任何东西都更花哨。 在将应用场景转换为风格迁移时，Lipski使用了他在2016年3月访问过的洛杉矶街景。他曾多次用不同的颜色和纹理绘制这个场景。这一次，当算法被要求制作新图片时，结果令人震惊。 虽然不是每张照片都很棒，但有成千上万的不同艺术风格的优秀结果，真正的艺术品质和形式，是艺术家无法单独实现的。 在遇见弗洛里安的前一年，利普斯基认为她遇到了彻底的艺术危机。他觉得自己的世界里已经没有可以用颜料讲述的故事了，但他现在又开始画画了，但他不是简单地打印AI算法生成的内容，而是将其输出作为灵感来创作自己的原创作品。 Lipski的建议是不要被AI吓倒，而是要学会开始使用它们：就像任何工具一样，它们各有利弊。但对他来说，人工智能改变了我的职业生涯。
