领先的科技企业家和科学家 敦促研究人员在开发人工智能（A.I.）时保持谨慎。他们担心人类会过度依赖智能机器。人工智能意识到人类已不再需要它们，也是一种潜在威胁。不过，目前这种情况仍相距甚远。据《皇家学会界面》期刊 发表的一篇文章 称，一些已开发出的深度学习机器，例如名为 Eve 的人工智能“机器人科学家”，正帮助医学研究人员以更快的速度、更低的成本发现药物。
Eve 人工智能发现，一种已知具有抗癌特性的化合物也可用于对抗疟疾；这一关联此前未被人类研究人员发现。这并非个例：过去数年来，人工智能和机器人科学家一直在协助医生 诊断患者并推荐治疗方案 ，还为研究人员提供以模式为导向的数据洞见。医生已开始使用这些自动化工具，进一步推动医院和 药房自动化，从而减少医师管理药物所需投入的时间。这些算法助手正成为科学家的自然延伸；随着科学自动化趋势不断增强，它们也日益普及。
这一趋势源于机器人科学家能够简化信息发现和数据收集流程。这些机器人能够自主提出并检验假设，以解释研究人员观察到的现象；利用实验室机器人开展实验；解读结果并按需调整假设；随后重复这一循环。据 剑桥大学发布的一则新闻稿称，人工智能科学家也更有利于记录科学知识，因为实验由计算机自动设计并执行，因此能够完整捕捉并以数字方式记录科学过程的各个方面。
2009 年，同一开发团队创造了 Adam，这位机器人科学家成为首台能够独立发现新科学知识的机器。他们利用那次实验获得的知识创造了 Eve，旨在加快药物发现进程并降低其成本。在已发表的研究中，研究人员讨论并描述了该机器人如何识别有希望的新药候选物，以治疗疟疾和其他被忽视的热带疾病，例如非洲睡眠病和恰加斯病。
“被忽视的热带疾病是人类的一大祸患，每年感染数亿人，并导致数百万人死亡，”剑桥大学系统生物学中心和生物化学系教授 Steve Oliver 说。“我们知道这些疾病的致病原因，也知道理论上可以利用小分子药物攻击致病寄生虫。但药物发现的成本和速度，以及经济回报，使这些疾病对制药行业缺乏吸引力。”
Eve 旨在自动化药物研发早期阶段的筛选与淘汰流程：它利用人工智能从早期筛选成功案例中学习，并挑选针对既定目标有效概率较高的化合物。研究人员已证明，Eve 能降低药物筛选涉及的成本、不确定性和耗时。研究人员表示，这一精简流程有望改善全球数百万人的生活。
这一测试流程始于 Eve 对大量化合物逐一进行系统测试，采用的是常规大规模数据筛选中使用的标准蛮力方法。Eve 的机器人系统每天能够筛选 10,000 多种化合物。虽然将系统自动化以开展此类筛选并不复杂，但大规模筛选方法仍相对缓慢且浪费资源。该系统也需要进一步改进，因为 Eve 在筛选过程中不会学习任何内容，无法加快下一次测试。
本文与 Health Works Collective合作发布。本文的发布并不意味着世界经济论坛认同其中观点。
要了解 Agenda 的最新动态， 请订阅我们的每周通讯。
作者：Travis McKnight 是一名平面及多媒体记者，热衷于探讨科学、技术、环境和电子游戏。
图片：慕尼黑一家实验室储存的人类遗传物质。路透社/Michael Dalder
