Microsoft 刚刚推出了一个 AI，可以在 200 小时内发现一种新化学物质，而不是几年
快速阅读: 据《VentureBeat 公司》称，微软推出“微软发现”平台，利用AI加速科学研究。该平台通过自然语言交互，无需编程即可利用超级计算机，已在多个领域展现潜力。微软希望借此提高全球科研效率，应对紧迫挑战。
订阅我们的每日和每周简报，获取关于行业领先人工智能报道的最新资讯和独家内容。
微软推出了一款新的企业级平台，利用人工智能大幅加速科学研究和开发进程，有可能将多年的实验室工作压缩到几周甚至几天。这款名为“微软发现”的平台利用专门的人工智能代理和高性能计算，协助科学家和工程师应对复杂的研发难题，而无需编写程序代码。该公司在周一于年度Build开发者大会上宣布了这一消息。
微软战略任务和技术公司副总裁杰森·赞德在与VentureBeat的独家采访中表示：“我们正在做的事情是真正审视如何应用自主人工智能和计算工作的进展，然后转向量子计算，并将其应用于重要的领域，即科学。”
该系统已经在微软自己的研究中展示了其潜力，在大约200小时内帮助发现了一种用于浸没式冷却的数据中心新型冷却剂——这一过程传统上可能需要几个月甚至几年的时间。
“在200小时内，我们通过这个框架筛选了367,000个潜在候选者，”赞德解释道。“我们实际上将其交给了一个合作伙伴，他们进行了合成。”
微软如何将超级计算能力置于普通科学家手中
“微软发现”标志着迈向科学工具普及化的重要一步，使研究人员能够通过自然语言而非专业编程技能与超级计算机及复杂模拟互动。赞德强调说，这关乎借助自主人工智能赋予科学家变革整个发现过程的能力。
“我的博士学位是生物学。我不是计算机科学家，但如果仅仅通过允许我提示它就能释放超级计算机的力量，那将是非常强大的。”
该平台解决了科学研究中的一个关键挑战：专业领域知识与计算技能之间的脱节。传统上，科学家需要学习编程才能利用先进的计算工具，这在研究过程中造成了瓶颈。这种民主化对于资源有限、无法雇佣计算专家来增强其科研团队的小型研究机构来说尤其有价值。
通过允许领域专家直接查询复杂的模拟并使用自然语言运行实验，微软有效地降低了进入尖端研究技术的门槛。
“作为一名科学家，我是一名生物学家。我不知道如何编写计算机代码。我不想把所有时间都花在编辑器里写脚本等事情上来让超级计算机完成某项任务，”赞德说。“我只是想要用简单的英语或简单语言表达我的需求，然后让它去做。”
微软发现：可以筛选数十万个实验的AI“博士后”
微软发现通过赞德所描述的一组AI“博士后”运作——这些专业的代理可以从文献综述到计算模拟等多个方面执行科学过程的不同部分。
“这些博士后代理会完成这项工作，”赞德解释说。“就像拥有一支刚刚获得博士学位的人才团队。他们在医院里，但仍在完成学业。”
该平台结合了两个关键组件：处理规划的基础模型以及针对物理、化学和生物等特定科学领域的专门模型。这种方法的独特之处在于它如何将通用人工智能能力和深度专业的科学知识相结合。
“核心流程中你会发现这两部分，”赞德说。“一方面，我们使用基础模型来进行规划。另一方面，在人工智能方面，有一组专门针对科学特定领域的模型，包括物理、化学和生物学。”
该平台结合了两个关键组件：处理规划的基础模型以及针对物理、化学和生物等特定科学领域的专门模型。这种方法的独特之处在于它如何将通用人工智能能力和深度专业的科学知识相结合。
根据公司的声明，微软发现基于一种“基于图的知识引擎”，构建了专有数据与外部科学研究之间微妙关系。这有助于在学科间理解相互矛盾的理论和多样的实验结果，同时通过跟踪来源和推理过程保持透明度。
用户体验的核心是一个Copilot界面，该界面根据研究者的提示协调这些专业代理，确定要利用哪些代理并设置端到端的工作流。这个界面本质上是人类科学家指导其虚拟研究团队的中央枢纽。
从数月到数小时：微软如何利用自己的AI解决数据中心冷却的关键挑战
为了展示该平台的能力，微软使用“微软发现”解决了数据中心技术中的一个紧迫问题：寻找不含PFAS（全氟烷基物质）的替代冷却剂，这些物质被称为“永久化学品”，正面临越来越多的监管限制。
当前的数据中心冷却方法通常依赖于有害化学物质，随着全球法规推动禁止这些物质，这些方法变得越来越不可持续。微软的研究人员使用该平台筛选了数十万种潜在替代品。
“我们对此进行了原型设计。实际上，当我负责Azure时，八年前我就做了一个原型，效果非常好，”赞德说。“它的效率比单纯的空气冷却高出60%到90%。主要问题是市面上现有的冷却材料含有PFAS。”
在确定了有前景的候选物之后，微软合成了冷却剂，并演示了其冷却运行视频游戏的GPU。尽管这一具体应用仍处于实验阶段，但它展示了“微软发现”如何帮助面临监管挑战的公司缩短开发周期。其影响远远超出了微软自己的数据中心。任何面临类似监管压力需替换现有化学品或材料的行业都有可能利用这种方法极大地加速其研发周期。过去需要多年的发展过程现在可能只需几个月即可完成。
专注于可持续数据中心的Submer公司创始人丹尼尔·波普在新闻稿中引用说：“微软发现实现的分子筛选速度和深度是传统方法无法做到的。过去需要多年实验室工作和反复试验的事情，微软发现可以在短短几周内完成，并且更有信心。”
制药、美容和芯片：已经排队使用微软新科学AI的主要公司
微软正在建立一个跨行业的合作伙伴生态系统来实施该平台，表明其适用范围远超公司内部研究需求。制药巨头葛兰素史克正在探索该平台在改变药物化学方面的潜力。该公司表示有意与微软合作，推进“葛兰素史克的生成性平台，用于并行预测和测试，以更快速度和精确度创造新药”。
在消费领域，雅诗兰黛计划利用微软发现加速护肤品、化妆品和香水的产品开发。
“微软发现平台将帮助我们释放数据的力量，推动快速、敏捷、突破性的创新以及高质量、个性化的产品，满足我们的消费者，”雅诗兰黛公司研发与创新技术副总裁科斯马斯·克雷托斯博士兼工商管理硕士说道。
微软还正在扩大与英伟达的合作，将英伟达的ALCHEMI和BioNeMo NIM微服务集成到微软发现中，从而加快材料和生命科学领域的突破。这一合作关系将使研究人员能够利用最先进的推理能力进行候选物识别、属性映射和合成数据生成。
“人工智能正在大幅加速科学发现的步伐，”英伟达加速数据中心解决方案高级总监迪翁·哈里斯说。“通过将英伟达ALCHEMI和BioNeMo NIM微服务集成到Azure Discovery中，我们正在赋予科学家前所未有的速度、规模和效率，从数据到发现。”
在半导体领域，微软计划集成Synopsys的行业解决方案以加速芯片设计和开发。Synopsys总裁兼首席执行官萨辛·加齐称半导体工程是“我们这个时代最复杂、最重要且风险最高的科学事业之一”，使其成为“人工智能极具吸引力的应用实例”。
系统集成商埃森哲和凯捷将帮助客户实施和扩展微软发现部署，弥合微软技术与行业特定应用之间的差距。
微软的量子策略：为什么发现只是科学计算革命的开始
“微软发现”也标志着公司在更广泛的量子计算雄心上的重要一步。赞德解释说，尽管该平台目前使用传统的高性能计算，但它是为未来的量子能力而设计的。
“科学是量子计算机的英雄场景，”赞德说。“如果你问自己，量子计算机能做什么？它在探索经典计算机无法处理的复杂问题空间方面非常出色。”
微软最近宣布了量子计算方面的进展，推出了其Majorana One芯片，该公司声称该芯片可能在一个手掌大小的空间内容纳一百万个量子比特——相比之下，竞争方案可能需要“一片足球场大小的设备”。
“通用生成化学——我们认为高规模量子计算机的英雄场景实际上是化学，”赞德解释说。“因为它可以利用少量数据探索一个经典计算机即使是最强大的超级计算机也需要数百万年才能完成的空间。”
当下由人工智能驱动的发现平台与未来量子计算机之间的这种关联揭示了微软的长期战略：今天构建软件基础设施和用户体验，最终将在硬件成熟时利用量子计算的革命性能力。
扎德展望了一个未来，量子计算机将自行设计出自己的继任者：“当我拥有一台能够执行此类任务的量子计算机时，我会将其芯片材料堆栈提供给它。我基本上会这样告诉它，‘好吧，去模拟那个东西。告诉我如何构建一个更好的新版本的你。’”
防范误用：微软在其科学平台中设置的伦理护栏
鉴于“微软发现”平台的强大能力，关于潜在误用的问题自然出现。扎德强调该平台集成了微软负责任的人工智能框架。
“我们有负责任的人工智能计划，并且已经推行多年，实际上我们认为我们是首批实施此类框架的公司之一，”扎德说，“发现平台绝对遵循所有负责任的人工智能准则。”
这些保障措施包括类似于消费级人工智能系统中的道德使用指南和内容审核机制，但专门针对科学应用。该公司似乎正在积极识别潜在的误用场景。
“我们已经在寻找可能有害的特定算法，并尝试以内容审核的方式标记它们，”扎德解释道，“这个类比类似于消费者使用的机器人所做的工作。”
这一注重负责任创新的做法体现了强大科学工具的双重用途——同一平台既能加速拯救生命的药物发现，也可能在其他情况下被误用。微软的方法努力在创新与适当保障措施之间寻求平衡，但这些措施的效果只有在平台更广泛应用后才会显现。
更大的图景：微软发现平台如何重塑人类创新的速度
这一注重负责任创新的做法体现了强大科学工具的双重用途——同一平台既能加速拯救生命的药物发现，也可能在其他情况下被误用。微软的方法努力在创新与适当保障措施之间寻求平衡，但这些措施的效果只有在平台更广泛应用后才会显现。
微软进入科学人工智能领域正值加速发现领域升温之际。压缩研究时间线的能力可能会对解决紧迫的全球挑战产生重大影响，从药物研发到气候解决方案。
微软方法的独特之处在于其对非计算科学家的易用性及其与公司现有云基础设施和未来量子野心的集成。使领域专家能够直接利用高级计算，无需中间环节，这可能解决了科学进步中的一个重要障碍。
微软进入科学人工智能领域正值加速发现领域升温之际。压缩研究时间线的能力可能会对解决紧迫的全球挑战产生重大影响，从药物研发到气候解决方案。
“主要的效率提升来自以下方面，即我不需要额外掌握领域知识，比如科学家学习编程，我们实际上是这样说的，‘让生成式人工智能来做这件事，你可以做你擅长的事，也就是运用你的博士学位并取得进展，’”扎德解释道。
这种高级计算方法的民主化可能引发全球科学研究方式的根本变革。在计算资源匮乏的地区，较小的实验室和机构可能会突然获得以往只有顶尖研究机构才能具备的能力。
然而，“微软发现”平台的成功最终将取决于它如何有效地融入复杂的现有研究工作流程，以及其人工智能代理是否能真正理解专业科学领域的细微差别。科学界以其严谨性和对新方法的质疑精神著称——微软需要展示一致且可重现的结果以赢得广泛认可。
该平台今日启动了私人预览，具体定价细节尚未披露。微软表示，较小的研究实验室将能够通过Azure访问该平台，费用结构与其他云服务类似。
“归根结底，我们的目标是从商业角度来看，就是要让人们能够更轻松地使用这个核心平台，而不是自己搭建，”扎德说，“它将简单地基于云运行，使其更易于使用。”
加速未来：当人工智能遇到科学方法
随着微软构建其雄心勃勃的科学人工智能平台，它在计算和科学发现的历史上占据了独特的位置。经过几个世纪完善的过程——科学方法，现在正被一些最先进的人工智能所增强。
“微软发现”代表了一种赌注，即下一波科学突破不会来自孤立的杰出人类头脑或强大的人工智能系统，而是来自它们的合作——其中人工智能负责计算繁重的工作，而人类科学家提供机器仍然缺乏的创造力、直觉和批判性思维。
随着微软构建其雄心勃勃的科学人工智能平台，它在计算和科学发现的历史上占据了独特的位置。经过几个世纪完善的过程——科学方法，现在正被一些最先进的人工智能所增强。
“如果你想到化学、材料科学，材料实际上影响着世界上大约98%，”扎德指出，“一切，桌子、显示器我们正在使用的、我们穿的衣服。这些都是材料。”
在这些领域加速发现的影响远远超出了微软的商业利益，甚至整个科技行业。如果成功，像“微软发现”这样的平台可能会从根本上改变人类应对生存挑战（从气候变化到流行病预防）的创新速度。
现在的问题不是人工智能是否会改变科学研究，而是它将以多快的速度和多深的程度改变。正如扎德所说：“我们需要开始更快地工作。”在一个面临日益复杂挑战的世界里，微软押注于人类科学专业知识与主动型人工智能的结合可能是我们所需要的加速器。
(以上内容均由Ai生成)
