2016年2月11日，科學(xué)家宣布，人類首次直接探測到引力波及雙黑洞合并事件【GW20150914】，標志著人類文明又上升了一個臺階。4000公里長的探測器只要伸縮原子核直徑的千分之一，就能被捕捉到！?。∵@在過去是不可想象的事情，多虧了人工智能和大數(shù)據(jù)處理技術(shù)，人類才做到了這一點。換句話說，是人工智能發(fā)現(xiàn)了引力波，然后“告訴”人類的。
探測到引力波最難的事情在于：這需要從嘈雜的背景噪音中提取出真實信號，并與數(shù)據(jù)模板進行匹配。
位于美國路易斯安那州的引力波探測器
LIGO獲取的數(shù)據(jù)不但包括激光干涉儀引力波探測器輸出的數(shù)據(jù)，還包括了各種獨立的對探測器的環(huán)境和探測器設(shè)備狀態(tài)進行監(jiān)控的探測器和紀錄儀，對諸如溫度﹑氣壓﹑風力﹑大雨﹑冰雹﹑地表震動﹑聲響﹑電場﹑磁場等環(huán)境條件進行監(jiān)測，以及對引力波探測器內(nèi)部的平面鏡和透鏡的位置等探測器自身狀態(tài)進行監(jiān)測的數(shù)據(jù)。
升級的LIGO的設(shè)計為記錄大于300000個通道的數(shù)據(jù)采集，其中大約3000個快速通道。 這是典型的大數(shù)據(jù)分析處理問題，需要強大的計算資源與先進的算法，才能有效處理如此巨大的數(shù)據(jù)量。其中一些人工智能技術(shù)被應(yīng)用到LIGO。
技術(shù)革命與人類文明的躍遷
我們知道，第一次工業(yè)革命和第二次工業(yè)革命分別以蒸汽機和電氣化為標志，讓人類從繁重的體力勞動中解放出來，帶來了生產(chǎn)效率的極大提高。
第三次工業(yè)革命以信息化為標志，計算機技術(shù)的應(yīng)用讓人類從腦力勞動中初步解放，帶來了生產(chǎn)效率的進一步飛躍。腦力勞動的進一步解放——機器學(xué)習(xí)和人工智能無疑將是第三次工業(yè)革命的下一波浪潮。
在智能化時代，機器不僅能感知、收集并處理數(shù)據(jù)，還能按照與人類思維模式相近的方式對數(shù)據(jù)處理結(jié)果進行再次反饋，能夠按照給定的知識和規(guī)則對具有隨機性的外部環(huán)境自行做出決策并執(zhí)行。
同時，智能化的最大特點是機器之間具備高度的協(xié)同合作與數(shù)據(jù)共享效應(yīng)，信息化所產(chǎn)生的信息孤島均基于統(tǒng)一的數(shù)據(jù)平臺，從而實現(xiàn)了互聯(lián)互通。
頂級科學(xué)家力薦人工智能
#Always Curious
未來，人工智能還將怎樣影響科學(xué)研究？會讓研究者的工作方式發(fā)生怎樣的變化？會不會像取代其他職業(yè)一樣，取代科學(xué)家？這也是許多科學(xué)家正在思考的問題。默克公司在慶祝創(chuàng)立350周年并召開Curious2018未來洞察大會之際，邀請了四名來自科學(xué)及科技界的頂尖人物，詢問他們對于科學(xué)及科技的未來有怎樣的疑問，又會給出怎樣的答案。這些科學(xué)家不約而同地提到了人工智能。
美國工程院院士邵陽教授就機器學(xué)習(xí)和人工智能（AI）如何改變培養(yǎng)研究生的方式，如何改變基礎(chǔ)研究和應(yīng)用研究的方式，以及如何定義創(chuàng)造力等問題與三位諾貝爾獎得主進行了探討。（邵陽教授因在電化學(xué)能量轉(zhuǎn)換及存儲方面的專業(yè)知識享譽國際）。
2015年諾貝爾化學(xué)獎得主，詹姆斯·弗雷澤·司徒塔特勛爵（Sir James Fraser Stoddart）教授：
我深信人工智能將對我們未來解決問題的方式產(chǎn)生極大的影響。
早年，我曾經(jīng)在一個農(nóng)場度過了我生命的前25年。我在那里學(xué)習(xí)到的是，跟上時代的發(fā)展是件非常重要的事情。幸運的是，我的父親能夠接受新理念，而且購買了當時農(nóng)業(yè)領(lǐng)域所有的新裝置，并且予以實際應(yīng)用。這對于我父親未造成任何障礙，其他家人也在經(jīng)營農(nóng)場上十分有創(chuàng)意。
所以，我將這個經(jīng)驗推廣到自己的研究中并且認為，通過機器學(xué)習(xí)或其他任何人工智能出現(xiàn)的任何事物都只會用來幫助和支持源于人類思維的創(chuàng)造力。
2011年諾貝爾生理或醫(yī)學(xué)獎得主，布魯斯·博伊特勒（Bruce Beutler）教授：
今天起，我們必須關(guān)注人工智能，以及用來推進研究的技巧和新工具。
大約在35到40年前，我開始從事生物學(xué)工作時，那時并沒有今天認為的理所當然的簡單工具。例如，沒有蛋白質(zhì)序列的資料庫。
我記得有次 Ross Dooiittle教授做演講，他是一位著名的生物進化學(xué)家。他告訴我們，在他的個人電腦上（那個時代大概只是5M的硬盤），他正在通過Edman降解法定序，儲存蛋白質(zhì)序列，隨著時間變化也可以找到與其他蛋白質(zhì)序列的同源，僅能做到這種程度。現(xiàn)在，我們可以去比對一組序列，對比工具Blast出現(xiàn)時，我?guī)缀鯚o法相信，這是真的！運作的如此之快，您提交一組序列，一秒鐘內(nèi)就可以得到該序列所有同源的結(jié)果，這在今天遠遠不是最新發(fā)明。我們依賴電腦完成幾乎所有的工作。
在遺傳學(xué)工作中查找突變，排除掉人為錯誤，評估某個突變是有害的可能性，辨識基因以及在一定程度上預(yù)測蛋白質(zhì)的結(jié)構(gòu)。熟悉所有這些工具的人士，會擁有更大優(yōu)勢。比起其他生物學(xué)中的東西，它的變化快得多，今天起，我們必須關(guān)注人工智能。
1987年諾貝爾化學(xué)獎得主，簡-馬里·萊恩（Jean-Marie Lehn）教授：
雖然擁有人工智能很好，但大腦仍然是功能強大的實體。人工智能這個術(shù)語現(xiàn)在遍布世界各地，已被過度使用。我堅定地認為，雖然電腦表現(xiàn)杰出，但大腦仍然是最重要的，或許人類未來會有一個更優(yōu)秀，更龐大，更復(fù)雜的大腦。因此，人工智能以給定的方式運作，效率極高。
人工智能是人類智能的產(chǎn)物，我們必須學(xué)會使用所有的這些工具。這其實與使用其他工具是一樣的，例如搭乘飛機可以讓我們走得更遠，都是一個類別的事情。
在平時做研究的時候千萬不要錯過“預(yù)料之外的事情”，這通常都是重要發(fā)現(xiàn)的信號?？茖W(xué)史上這樣的例子不勝枚舉，有些人明明得到了結(jié)果，卻看不出來，這在我以及周圍同事身上都發(fā)生過。時機出現(xiàn)時，千萬不要錯過它。我的另一個建議是，做研究的時候，要學(xué)會對經(jīng)典的知識提出質(zhì)疑，許多答案往往很蠢，但卻非常重要，而且有潛力發(fā)展成完全不一樣的新領(lǐng)域。
通過以上諾獎得主的回答，我們可以看出：雖然他們的觀點并不完全相同，但核心觀點是一致的，那就是人工智能將極大改變?nèi)祟惢A(chǔ)研究和應(yīng)用研究的方式，極大提高工作效率，也會極大改變?nèi)祟愃伎紗栴}的方式，要積極擁抱人工智能時代的來臨。
