使用移动人工智能构建更智能的应用程序
移动人工智能正在颠覆已经快节奏的移动应用程序开发游戏。2020年，移动人工智能领域估值达到21.4亿美元，预计到2026年这一数字将增长4.5倍。可以肯定地说，移动人工智能将继续存在，让我们来看看这项创新技术如何用于移动应用程序开发。了解移动人工智能的好处移动人工智能旨在让移动技术更智能，为用户提供更多功能。移动人工智能强大的一个众所周知的例子是亚马逊的Alexa购物产品，它为亚马逊解放了无数小时的客户支持繁重的工作。在用户体验层面，它还为最终用户带来了显著的生活质量改善。最显著的行业增长很可能来自人工智能虚拟助手技术。Siri和Alexa等上一代AI助手取得的惊人成功证明了该技术的控制力。下一代移动设备中支持人工智能的处理器将预装各种智能解决方案，例如语言翻译、情境感知人工智能助手、增强现实和虚拟现实增强功能以??及改进的安全功能。这些应用程序和板载解决方案的未来是高度可扩展性和与第三方移动应用程序的集成，为开发人员提供功能齐全的人工智能开发生态系统。对智能手机、无人机、相机和成像、机器人、汽车和云计算等相关行业的预测也显示出移动人工智能技术的爆炸性增长。尽管美国和其他西方国家政府试图限制消费无人机技术，但随着支持人工智能的移动处理器的出现，无人机行业可能会呈指数级增长。下一代无人机为家庭和企业用户提供了令人兴奋的功能，例如AI辅助摄影、AI自动驾驶和导航、表面测绘和GPS以及更多应用。下一代AI从AI应用程序开发管道中消除无数工时的潜力怎么强调都不为过。人工智能帮助程序员克服以前需要花费大量时间和金钱的障碍，例如跨平台移植软件以及消除人工测试人员完成的大部分手动错误检查和故障排除。人工智能如何让你的应用更智能随着移动用户总数的不断增长，随着年轻一代、技术素养更高的一代的到来，对定制等功能的需求猛增。虽然过去UI由应用程序开发人员以第一方的方式处理，但现在许多应用程序开发人员使用智能手机制造商的板载UI为其用户提供界面。由于这些制造商包括支持AI的处理器，智能手机可以分析用户行为并执行应用程序界面的实时定制以改善用户体验，例如将界面中的按钮轻推几毫米以解决用户手指大小的变化。人工智能通过机器学习、识别技术、生物识别和语音技术为移动开发带来了惊人的新可能性。机器学习许多企业在机器学习开发上投入了大量资金是有原因的，这归结为机器学习范式预测和优化用户行为的能力，从而导致追加销售和交叉销售。SpotifyUSA,Inc.的旗舰应用程序Spotify的成功很大程度上来自机器学习集成。Spotify在应用程序启动时提供量身定制的播放列表和引人注目的内容，例如与客户兴趣相关的新版本。机器学习不仅有助于改善最终用户对应用程序的整体体验，而且通过使用上下文提供适当的内容来增加总使用时间，让他们回来更多。在由用户使用您的应用程序等指标驱动的高度竞争的应用程序市场中，机器学习使公司能够让用户保持娱乐和参与，从而推动相关指标在GooglePlay和AppStore中排名更高。在线零售商使用机器学习根据各种指标为客户生成档案，例如客户已经进行的购买、客户与其他用户的关系、客户在网站或应用程序上的行为以及许多其他因素。使用这些数据，零售商根据客户的兴趣为客户提供一组推荐产品。例如，亚马逊广泛使用机器学习将客户与他们可能购买的产品联系起来。机器学习存在于亚马逊物流工作流程的每个阶段，从最终用户使用网站或应用程序的体验一直到优??化运输计划的方式。优步等主要运输提供商在其物流应用程序中实施机器学习，为司机提供最新的道路信息。机器学习解决方案有助于为驾驶员预测可能的最快路线，并针对潜在的交通拥堵进行优化。利用历史数据来推断道路状况，基于ML的应用程序还可以将实时交通信息插入历史预测中，以做出最准确的猜测。识别技术移动AI为GoogleLens等突破性的图像识别技术提供支持。GoogleLens和其他类似应用彻底改变了许多人与世界互动的方式。图像识别方面的进步使任何事情都成为可能，从识别特定的植物品种和物种到使用机器学习支持的OCR实时翻译外语文本。金融机构在其移动应用程序中使用相同的技术来处理支票，而无需客户进入银行分行。药剂师使用这项技术扫描医疗处方并将其导入软件，以检查药房数据库中药物的存在。零售商使用OCR自动从采购订单分析中提取有价值的见解。这样的例子不胜枚举。下一代移动人工智能改进了先前的面部识别技术，利用人工神经网络等技术来加速检测人脸的过程。移动AI人脸识别模块首先实时搜索图像，检测和跟踪人脸。标记图像中的人脸后，该人脸将正确对齐以进行进一步分析。然后从面部提取特征并匹配面部信息数据库以提供可靠的身份验证。人工智能生物识别技术显著提高了移动应用程序的保护级别，使其适合存储更敏感的数据。这扩展了医疗保健、政府、金融等领域的移动应用程序的使用案例。语音技术先进的文本转语音技术受益于移动人工智能实施，提供从文本输入生成的清晰语音功能。改进的文本转语音可帮助视障用户浏览应用程序和网站，将静态文本转换为语音丰富的内容。随着文本到语音技术的改进，用户将能够通过点击按钮将整本书翻译成有声读物。AI助手技术利用移动人工智能驱动的语音识别与用户进行无延迟交互。来自用户的短语命令由虚拟助手处理成动作，提供无缝体验。例如，亚马逊的Alexa和苹果的Siri现在能够执行许多不同的请求，根据上下文智能地感知用户请求的意图，在信息不完整的情况下进行推断。即将发生的变化移动人工智能领域正在呈指数级增长。由于人工智能技术的进步，许多行业面临着快速转型。随着移动处理器集成人工智能友好特性，第一方和第三方应用程序的人工智能能力将大幅提升。实现这一目标的关键技术包括机器学习、识别技术、生物识别技术和语音技术。移动AI有助于优化流程，为用户和提供商消除障碍，提供相关内容，增强最终用户参与度，并改进开发流程。AI使移动应用程序更具可扩展性、模块化和动态性，并为开发人员和用户提供卓越的性能。微生物+人工智能：开启新一代生物制造
光明图片/视觉中国
新闻事件
近期，中国科学院微生物研究所的吴边团队通过使用人工智能计算技术，构建出一系列的新型酶蛋白，实现了自然界未曾发现的催化反应；并在世界上首次通过完全的计算指导，获得了工业级微生物工程菌株，取得了人工智能驱动生物制造在工业化应用层面的率先突破。成果发表在学术期刊《自然·化学生物学》杂志上。
该项研究不仅降低了传统化学合成中对反应条件的苛刻要求，更重要的是解决了化学合成带来的污染问题。这是人工智能技术在工业菌株设计方向的成功案例，验证了其科学理论基础，也将为人工智能与传统生物产业的互作融合打开新局面。
现代生物制造已经成为全球性的战略性新兴产业，在化工、材料、医药、食品、农业等诸多重大工业领域得到了广泛的应用，根据OECD预测，到2030年约有35%的化学品和其他工业产品来自生物制造。欧、美、日等主要发达国家都将绿色生物制造确立为战略发展重点，并分别制定了相应的国家规划。我国正处于建设创新型国家与加快生态文明体制改革的决定性阶段，紧随并引领世界科技前沿，发展新型绿色生物制造技术，支撑传统产业升级变革，关乎资源、环境、健康，符合国家重大战略需求。
近年来，人工智能技术迅猛发展，其影响开始推广到绿色生物制造领域，尤其是在其核心元件蛋白质的设计方面，发挥了巨大的作用。通过人工智能技术，预测蛋白质结构、设计蛋白质功能，可以极大地扩展人工改造生命体的应用场景，变革性地推动绿色生物制造的发展。蛋白质的工程改造正在经历了从传统实验进化到计算机虚拟设计的演变过程，计算机辅助蛋白结构预测以及新功能酶设计策略得到了前所未有的重视和发展，成为了生物学、化学、物理学、数学等多学科交叉的热点前沿领域。
人工智能“计算”新酶已成为国际热点
酶是生物催化技术中的核心“发动机”，其本质是一种蛋白质。蛋白质的生物学功能很大程度上由其三维结构决定，结构预测是了解酶功能的一种重要途径。《科学》杂志将蛋白质折叠问题列为125个最为重大的科学问题之一。
近年来，随着计算机科学、计算化学、生物信息学等多学科的联合进步，这一问题的解决看到了曙光。尤其是在CASP竞赛推动下，蛋白质结构预测方法和新功能酶计算设计策略得到了迅猛的发展。
设计蛋白质一方面可以揭示蛋白质结构与功能关系的规律，另一方面可以创造具有潜在应用价值的蛋白质。2016年，《自然》杂志发表了题为《全新蛋白质设计时代来临》的重要综述。同年，《科学》杂志也将蛋白质计算机设计遴选为年度十大科技突破之一。2017年，美国化学会将人工智能设计新型蛋白质结构列为化学领域八大科研进展之首。多个来自美国、瑞士等国的科研团队活跃在这个领域，文章发表在《自然》、《科学》等顶级学术期刊上。
我国在工业化应用上率先获得突破
目前，全球微生物酶制剂市场主要由几家跨国企业垄断。与之相比，国内企业在市场竞争中仍然处于不利的位置，以大宗普通微生物催化剂（如淀粉酶、糖化酶）为主，行业呈现出竞争白热化的态势。但我国已经注意到这个问题，并着力改善。2017年5月，《“十三五”生物技术创新专项规划》在坚持创新发展、着力提高发展质量和效益层面，提出拓展产业发展空间、支持人工智能技术等具有重大产业变革前景的颠覆性技术发展要求。
在此规划的指引下，我国的多个研究团队在该领域取得了不俗成绩。例如，中国科学院微生物研究所的吴边团队通过人工智能计算技术，赋能传统微生物资源，在世界上首次完成了工业级工程菌株的计算设计，获得人工智能驱动生物制造工业化的率先突破。该团队不仅设计了β-氨基酸这一类具备特殊生物活性的非天然氨基酸的最优合成途径，还借助人工智能计算手段，成功设计出一系列的β-氨基酸合成酶，并据此构建出能够高效合成β-氨基酸的工程菌株。
不仅如此，微生物研究所还积极推进成果的落地转化。通过与企业的合作，已经建成千吨级的生产线，相关产品潜在市场规模超过30亿，有望在紫杉醇、度鲁特韦与马拉维若等抗癌与艾滋病治疗药物的生产过程中大幅度降低生产成本。中国科技大学的刘海燕团队则提出了一种新的统计能量模型，为搭建具有高“可设计性”的蛋白质主链结构提供了可行性解决方案。2017年，该团队与中科院脑科学与智能技术卓越创新中心杨弋团队合作，设计出了新一代细胞代谢荧光蛋白质探针，并将其应用于活体动物成像与高通量药物筛选，相关成果发表于《自然·方法学》。
除此之外，中国科学院天津工业生物技术研究所的江会锋团队，通过使用人工智能技术进行关键合成酶的发掘，在国际上首次实现了重要中药活性成分灯盏花素的人工生物合成，相关成果发表于《自然·通讯》，引起强烈反响。
建立适合人工智能驱动生物技术的科研环境
开展人工智能设计元件的核心算法与策略研究。人工智能技术应用于生物制造领域最为基础的部分是核心算法与设计策略的创造。考虑到基础研究的难度与特点，建议选拔一批在该领域的拔尖科学家，提供相对稳定的支持，让他们潜心研究、长期攻关、实现更多原创发现，提出更多原创理论，开辟更多领域发展方向。将人工智能技术与蛋白质结构与功能理论、合成化学理论、量子化学理论有机交叉融合，发展新型算法，搭建“高可设计性”系统策略，把控底层核心技术源头，力争实现人工智能关键技术驱动生物制造的国际领跑地位。
拓展人工智能设计元件在生物制造领域的应用场景。在发展算法的基础上，我国还应积极推进人工智能设计在生物制造领域的应用拓展。建议由优势单位组织重大项目，协同全国相关单位联合攻关；发展系统、科学的新型化学应用拓展策略，利用新型生物催化反应改造和优化现有自然生物体系，从头创建合成可控、功能特定的人工生物体系，在创造研究工具和技术方法的基础上，推动化学、生物、材料、农业、医学等多学科的实质性交叉与合作，为天然化学品与有机化工原料摆脱对天然资源的依赖，促进可持续经济体系形成与发展奠定科学基础，全面提升我国生物制造产业的核心竞争力。
推进人工智能驱动生物制造技术的产业发展。创新驱动发展战略需要落实创新成果，创造新的经济增长点。人工智能驱动的生物制造技术的最终价值也应该体现在实实在在的产业活动上，如果没有与上下游的良好生态，再出色的技术或产品也只能是死路一条。建议在技术发展与市场需求的耦合驱动下，坚持产学研多方位的开放联合，消除成果转化过程执行层面仍然广泛存在的种种屏障；重视资本对于技术和产业发展的催化作用，探索设立专项产业发展基金等市场调控手段；在国家层面，协调沟通行业监管机构，破除不合时宜的陈旧政策限制，尽快建立有利于新兴生物技术的政策法规体系；实现资源、能源的节约与替代，加快转变经济增长模式，加速推进绿色与高效低碳生物经济的产业基础格局。
（作者：向华，系中国科学院微生物研究所副所长、微生物资源前期开发国家重点实验室主任）