应用深度学习的人工智能 AlphaGo 战胜人类，让全球许多人类都感到危机意识，不过，或许在担心未来可能遭到“天网”统治之前，先来想想人工智能的好处。机器学习技术其实可以应用在许多复杂领域，帮助人类解开困难的习题，譬如过去想开发新材料，成分比例与制备方式要一试再试，但透过机器学习的人工智能根据化学原理来帮忙找出最佳解答，那不就轻松多了吗？
人类史上最伟大的材料发明，大概是某天有位先民不知为何把锡混进了铜里头，创造出青铜，青铜远比柔软的铜更有用处，开创了青铜器文明，但是人类发明青铜的过程完全是碰运气，事实上，就算在发明青铜之后的 7 ,000 年，人类发明新材料也往往都是透过瞎猫碰到死耗子，不过，自然界可是有 95 个元素，发展新材料的混合、化合以及聚合方式有几乎无限种可能，要靠人类碰运气一个个慢慢试，得试到什么时候？
康乃狄克大学的研究团队认为，该是派出机器学习的人工智能的时候了，研究团队让机器自动学习每个已知的聚合物，了解不同反应聚合产生的材料在原子层级的特性，最后为何有的成为良好的导体、有的却成为绝缘体，经过机器深度学习以后，人工智能就能预测需要什么样的反应才会产生什么样的成果，就有如 AlphaGo 预测围棋的盘面情势变化一样。
不过毕竟不是人人都是家大业大的 Google，研究团队只先测试 7 种不同的化学元件组成的聚合物，在其中只先给予电脑 283 种的基本资料去分析，一但电脑从这 283 种聚合物“学会”了化学的真理，它就不再需要从量子层级重新分析起，而是能直接预测新分子的特性，而且准确度相当高，由于不用从基本的量子层级去计算，演算速度比起过去的方式快很多。
能预测新材料的特质对化工产业可说有重大影响，现在工程师们可以先找出想要的特质的聚合物，然后才去合成它，最后发现果然真的跟预测一样，如此能大幅减少开发时间，也免除了一再试错而产生的大量成本。
就如同 AlphaGo 虽然厉害，但专家表示它仍然只是个弱人工智能，是机器学习的过程让它变得如此强大，机器学习应用在其他方面，也可望大幅加速许多运算需求的效能，或是降低硬件的需求，而能对人类产生相当大的贡献。或许我们先别悲叹 AlphaGo 战胜人类，而是该欢呼像 AlphaGo 这样的机器学习人工智能，将很快的能为我们的生活与科技发展，带来许多贡献。
- Building a better mouse trap, from the atoms up
（首图来源：science daily）
