科幻电影里畅想的人工智能既能和人类进行交流|openai聊天机器人一边偷偷写下毁灭人类的计划书( 二 ) 科幻电影里畅想的人工智能既

OpenAI的通用预训练转换器GPT的第三个版本称为GPT-3 ，它通过一种深度学习算法来根据互联网的大量数据进行训练，重点关注单词的使用方式和语言的构建方式，使它能够以类似人类的方式完成任何与语言相关的任务，从回答简单的问题到吟诗颂词。

文章图片
ChatGPT是OpenAI对GPT-3模型（又称GPT-3.5）微调后开发出来的对话机器人｜图源网络
德雷克塞尔大学生物医学工程的研究人员从健康的志愿者和阿尔茨海默氏症患者那里采集了237段录音，结果发现， GPT-3模型可以仅根据语音数据推断受试者的认知测试分数，还能很好地区分阿尔茨海默氏症患者和健康志愿者的语音记录，足足有80.3%的准确率，明显好于使用传统方法的74.6%正确率。
有趣的是，当研究人员尝试微调（fine-tune ，是指通过使用在大数据上预先训练好的模型来初始化自己的模型权重，从而提升精度。自己训练好的模型也可以当做预训练模型，然后再在自己的数据集上进行训练。）时， GPT-3模型的表现并不佳。研究人员认为，可能是由于训练GPT-3模型的大量数据与可用于微调的少量特定领域训练数据之间的大小不匹配，微调使得预训练模型变得过于拟合。

文章图片
人工智能预测的蛋白质结构（蓝色）与实验确定的蛋白质结构（绿色）几乎完美匹配｜DeepMind
AI在生物医学领域的应用不仅如此，一个叫做DeepMind的公司开发的人工智能系统AlphaFold还能快速准确地预测蛋白质3D结构。
氨基酸是构成蛋白质的基本单元，它们连成的长链经过折叠形成了拥有3D结构的蛋白质，但由于氨基酸的排列组合不胜枚举，折叠方式也是五花八门，所以预测蛋白质的3D结构非常困难。
以前人们会利用一种叫做X射线晶体学的技术，通过X射线照射蛋白质晶体样本，测量这些射线的衍射情况，进而推算出蛋白质分子的结构。
如今， DeepMind团队利用AlphaFold构建了一个包含2亿多种蛋白质3D结构的数据库（几乎囊括了科学界所有已知的植物、细菌、真菌和动物产生的蛋白质），通过神经网络算法学习这些数据，找出氨基酸序列与蛋白质最终形态之间的联系。

文章图片
AlphaFold预测了雌激素受体蛋白的结构｜DeepMind
虽然预测模型不能百分之百保证预测的正确率，但将AI聊天机器人运用到生物医学上是一个无比大胆的突破。比起代写论文、替考、帮忙做作业，或许这才是AI发明的初衷。
......
你害怕AI时代的到来吗......