【HCIA-AI笔记（微认证1）】4.2 华为AI4Science领域的探索和实践
已帮你记录好《华为AI for science探讨》,详细内容请点击下方查看:
华为AI for science探讨
会议讨论了华为AI for science的探索和实践，包括科学新范式、发展趋势以及华为的具体实践案例等内容，具体如下：
- 课程目标：
- 了解AI重要性：了解AI在科学研究领域的重要性。
- 掌握华为实践：了解华为AI for science领域的探索和实践。
- 科学新范式：
- 诺奖影响：2024年两个颁给AI的诺奖，让我们看到AI和science密不可分，也给传统学科带来巨大冲击。
- 范式总结：吉姆格雷总结了科学研究的四种范式，Chris Bishop提出科学的第五范式是AI for science范式。
- 知识象限：人类知识体系按可感知、不可感知、可表达、不可表达划分了知识的四象限，包括默知识和暗知识。
- AI拓展知识空间：AI for science成功地将人类的知识空间拓展到了暗物质知识领域。
- 标志性工作：alphafold、Alphago等通过对科学领域全量数据的建模，将暗知识构建成AI模型；ChatGPT和Sora则在默知识领域对人类语言数据和视觉数据更好的学习和建模。
- AI for science发展趋势：
- 学科尺度划分：自然科学从时间和空间维度划分不同学科，开发大量工具和方法研究各领域问题。
- 深度学习应用：深度学习方法在微观尺度可设计新材料晶型等，在宏观尺度可设计飞行器、预测气象要素。
- 科学基础模型：从跨学科、多尺度的数据融合趋势促进科研人员思考和设计更大的科学基础模型，在生命、材料、流体、电磁等领域逐渐形成。
- 传统产业变革：AI for science领域的科学大模型可加速传统产业新产品研发周期，提升产品设计成功率，促进生产力，还能实现智能涌现，驱动行业创新。
- 发展阶段：短期内AI在更多学科实现突破；中期跨学科和多尺度数据融合，聚焦科学基础模型构建；长期推动科学基础模型到行业场景的打通。
- 华为实践案例：
- 基因组解码：2019年起致力于通过人工智能解码基因组信息，发布全球首款基因组专用自动建模工具autogenome，在多项基因数据建模任务中准确性超出传统模型，已用于20多项生物医学任务，在临床研究中提升了准确率。
- 药物研发：2022年发表盘古药物分子大模型，基于新颖深度学习架构和大量开源化合物分子训练得到，在20多个药物设计任务中取得业界最好水平，帮助发现针对全新靶点的新药，降低了时间和资金成本。
- 气象预报：2023年发布盘古气象大模型，核心架构为高效3D地球编码器，计算时间提升4个数量级，联合气象局打造高精度区域气象预报大模型，促进气象行业向AI跃进。
- 华为软硬件平台：
- 硬件层：提供端侧推理芯片、昇腾服务器以及昇腾云，满足不同部署需求。
- 计算架构层：华为CNN是昇腾AI芯片针对AI场景推出的异构计算架构，承上启下，提升计算效率。
- AI框架：Mindspore AI框架是华为开源的全场景深度学习框架，基于此打造面向AI for science的开源套件，加速科研行业应用和开发。
- 思考题：
- 问题及答案：华为的哪一款大模型负责预测气象？答案是华为盘古气象大模型。