过去几年，人工智能在许多领域内都系统性地超越了人类专家

　　2018年12月2日，CASP会场上弥漫着一种困惑的气氛。CASP是结构预测关键评价（Critical Assessment of Structure Prediction）的缩写，它是一项两年一度旨在预测蛋白质3D结构的竞赛。预测蛋白质的形状可以让我们更好地理解它在细胞中的作用，以及诊断和治疗由于蛋白质错误折叠引发的阿尔茨海默病、帕金森病、亨廷顿病和囊肿性纤维化等疾病。但是，蛋白质如何把其很长的氨基酸链折叠为紧致的3D形状依然是生物学中最重要的未解问题之一。
　　CASP成立于1994年，被称作蛋白质折叠领域的肯塔基德比马赛。每隔两年，这个领域的顶尖研究小组就会参加这一“赛马”盛会，比较各自的最佳方法，为整个领域建立新的基准。然后，研究人员就回到各自的实验室，研究他人的方法，改进和发展自己的方法，以期在两年后赛出好成绩。
　　在 2018年的会议上发生了两件非同寻常的事情。首先，正如组织者所言，“计算方法在预测蛋白质结构的能力上取得了无与伦比的进步”。客观来说，这场竞赛取得的进步大体相当于通常需要两次竞赛才能取得的进步。其次，这一巨大飞跃并非是由该领域的科学家完成的。获胜的团队对于大家而言是完全陌生的。
　　过去几年，人工智能在许多领域内都系统性地超越了人类专家，2018年的CASP竞赛结果只是其中一个例子。这些进展已经促成一种共识：正在发生的人工智能革命将会改变几乎每一个行业，创造巨大的社会和经济机会以及同样多的挑战。整个社会都将要面对人工智能时代的到来，它们也许会超越甚至取代人类医生、司机、士兵和银行业者。我们需要问的是：人工智能将会如何影响科学？这些改变对科学家又意味着什么？
　　这波人工智能浪潮有什么不同
　　当前人工智能革命的核心技术是深度学习，更为专业的叫法是深度神经网络。尽管人工智能专家对于许多事情都还没有形成共识，包括这一领域究竟是应该被称作“人工智能”还是“机器学习”，但是学术圈内外都意识到这确实是“下一个大事件”。
　　深度学习确实有效，这一点应该说已经得到了验证。2012年以来，深度学习已经在多到让我们难以记录的领域内击败原有的机器学习方法。这些进展无疑已经改变了图像与语音识别、问答系统和机器翻译等典型的计算机科学领域。深度神经网络也在其他更广泛的领域突破了原有的记录，这些领域包括药物活性预测、粒子加速器数据分析、大脑回路重构以及基因突变和表达的预测。