如今，当大多数人遇到人工智能时，它会推荐一首新歌或一部电影。但这只是可能的开始。
人工智能技术正越来越多地用于为科学家和研究人员开辟新领域。在芝加哥大学(University of Chicago)，研究人员正把它用于各种领域，从扫描天空寻找超新星，到从数百万种可能的组合中寻找新药，再到对地球气候背后的复杂现象有更深刻的理解。
今天的人工智能通常从大量的数据集开始工作，从中找出自己的策略来解决问题或做出预测，而不是依靠人类明确地编程来得出结论。结果是一系列创新的应用。
“学术界在人工智能及其应用的发展中起着至关重要的作用。芝加哥大学(University of Chicago)统计和计算机科学教授、人工智能基础和科学应用领域的领先专家丽贝卡•威利特(Rebecca Willett)表示:“尽管科技行业往往注重短期回报，但要充分发挥人工智能的潜力，以改善我们的世界，则需要有长远眼光。”“大学和国家实验室的基础研究可以为人工智能和机器学习方法奠定基础，探索如何应用这些技术来解决社会挑战，并利用人工智能促进各个领域的科学发现。”
Willett是UChicago-affiliated Argonne国家实验室主办的创新xlab人工智能峰会的特邀演讲者之一，该实验室将很快成为世界上功能最强大的计算机的故乡，而且它的设计着眼于人工智能式计算。10月2日至3日的峰会将展示美国能源部实验室，将工业界、大学和投资者与实验室创新者和专家聚集在一起。
此次研讨会召开之际，芝加哥大学的研究人员和实验室正在引领人工智能的新探索。
例如，假设普利兹克分子工程学院的副教授Andrew Ferguson想要寻找一种新的疫苗或柔性电子材料。新材料本质上只是化学物质和分子的不同组合，但实际上有数十亿种这样的组合。科学家们如何选择制造和在实验室中测试哪一种呢?人工智能可以迅速缩小范围。
“在许多领域，爱迪生式的方法——也就是让一群助手为灯泡做数百种不同的选择——是不实际的，”弗格森说。
接下来的问题是，如果人工智能成为科学家，会发生什么。一些人想知道人工智能模型是否能够提出新的实验，而这些实验可能永远不会在人类模型中出现。
“例如，当有人编写了进入人工智能的游戏规则时，它发明了人类数千年来从未见过的策略，”卡维里宇宙物理研究所(Kavli Institute For宇宙学物理)和芝加哥大学附属的费米国家加速器实验室(Fermi National Accelerator Laboratory)的副科学家布赖恩·诺德(Brian Nord)说。“也许有时它会有比我们更有趣的想法。”
弗格森对此表示赞同:“如果我们写下物理定律并输入这些定律，人工智能能告诉我们什么关于宇宙的事情呢?”
但要确保这些应用是准确、公平和有效的，就需要对人工智能的基本原理进行更多的基础计算机科学研究。芝加哥大学的科学家们正在探索减少模型预测中的偏差的方法，甚至在数据匮乏的情况下也要使用先进的工具，并开发“可解释的人工智能”系统，以产生更有可操作性的见解，并在这些模型的使用者中提高信任度。
“大多数人工智能现在只是在没有任何上下文的情况下给出一个答案。但是，举例来说，医生不会接受癌症诊断，除非他们能看到人工智能的原因和方式，”弗格森说。
然而，通过正确的校准，研究人员看到了人工智能的应用前景。举几个例子:威利特与来自阿尔贡和地球物理科学系的科学家合作，正在使用机器学习来研究云层及其对天气和气候的影响。芝加哥大学布斯商学院(Chicago Booth)的经济学家森德希尔•穆莱纳坦(Sendhil Mullainathan)正在研究机器学习技术如何改变我们处理社会问题的方式，比如减轻贫困的政策;神经生物学家大卫·弗里德曼(David Freedman)是该大学生物科学系的一名教授，他正在利用机器学习来理解大脑如何解释视觉和听觉，并做出决策。
以下是该大学的三个项目，展示了目前人工智能应用的广度。
宇宙深处的原子结构
我们越来越擅长建造望远镜来扫描天空，也越来越擅长建造加速器来以更高的能量粉碎粒子。然而，随之而来的是越来越多的数据。例如，欧洲的大型强子对撞机每秒产生1拍字节的数据;从长远来看，在不到五分钟的时间里，世界上最强大的超级计算机就会被填满。存储的数据太多了。诺德说:“你需要迅速挑选出有趣的事件来保存，然后把其他的都扔掉。”
类似地，每天晚上都有数以百计的望远镜扫视天空。现有的计算机程序非常善于从中挑选出有趣的东西，但是还有改进的空间。(在LIGO于2017年探测到两颗中子星相撞产生的引力波后，世界各地的望远镜都挤满了人，他们疯狂地通过天空照片寻找中子星发出的光点。)
几年前，诺德正坐着扫描望远镜图像，寻找引力透镜效应。引力透镜效应是指大型物体经过时会扭曲光线。“我们花了这么多时间手工制作，我想，肯定有更好的方法，”他说。事实上，人工智能的能力只是一个转折点;诺德开始编写用神经网络搜索透镜效应的程序。其他人也有同样的想法;这项技术正在成为寻找引力透镜的标准方法。
今年，Nord与计算机科学家陈育新(Yuxin Chen，音译)合作，探索他们所谓的“自动驾驶望远镜”:一个可以优化望远镜指向何时何地以收集最有趣数据的框架。
“总的来说，我认为人工智能和科学之间的合作还处于非常早期的发展阶段，”陈说。“该研究项目的成果不仅将在推进基础科学方面产生变革性影响，还将使我们能够利用物理过程中涉及的科学来指导人工智能的发展。”
为艺术和科学理清风格和内容
近年来，流行的应用程序如雨后春笋般出现，它们可以将照片转换成不同的艺术形式——从一般的模式如木炭素描或水彩画到达利、莫奈和其他大师的特定风格。这些“风格转换”应用程序使用来自计算机视觉前沿的工具——主要是神经网络，它被证明在图像搜索和面部识别等应用程序中擅长图像分类。
不过，除了把你的自拍变成毕加索(Picasso)作品的新奇之处之外，这些工具还开启了一场围绕人类感知本质的更深层次的对话。从很小的时候，人类就能够将图像的内容与其风格区分开来;也就是说，认识到真实的熊、填充玩具熊或乐高玩具熊的照片描绘的都是同一种动物。对人类来说很简单的东西，今天的计算机视觉系统也能做到，但是Assoc。教授。Jason Salavon和Greg Shakhnarovich认为风格转换的“魔术”可以帮助他们迎头赶上。
“事实上,我们仍然可以看照片,艺术家创建和理解的,即使他们有时看起来非常不同于现实,似乎是密切相关的圣杯机知觉:是什么让图像理解的内容,“Shakhnarovich说,芝加哥丰田技术学院的副教授。
Salavon和Shakhnarovich正在合作研究一种新的风格转换方法，这种方法可以分离、捕捉和操作内容和风格，为艺术和科学打开新的潜力。这些新模型可以把头像变成更扭曲的风格，比如《辛普森一家》(the Simpsons)的独特漫画，或者教自动驾驶汽车更好地理解不同天气条件下的路牌。
“我们正在进行一场全球军备竞赛，用这些技术制造出很酷的东西。从所谓的实用空间到文化空间，有很多活动，”芝加哥大学视觉艺术系副教授、“半自主艺术”艺术家萨拉文说。“但最终，我们的想法是通过计算来理解图像的‘本质’。这是一个富有哲理的问题。”
学习蛋白质设计的自然法则
大自然是无与伦比的工程师。数百万年的进化已经创造出了分子机器，能够在深海喷口等充满挑战的环境中发挥无数的功能和生存能力。长期以来，科学家们一直在寻求利用这些设计技能，解码大自然的蓝图，构建自己的定制蛋白质，应用于医学、能源生产、环境净化等领域。但直到最近，创造这条管道所需的计算和生化技术才成为可能。
Ferguson和Rama Ranganathan教授正在把这些信息整合到一个雄心勃勃的项目中，该项目由数据和计算中心种子基金资助。结合最近在机器学习和合成生物学方面的进展，他们将建立一个迭代的管道来学习蛋白质设计的自然规则，然后将它们重新混合来创造具有更高甚至新的功能和特性的合成蛋白质。
兰加纳坦说:“这不仅仅是重建大自然所建造的东西，我们还可以把它推向大自然从未向我们展示过的东西之外。”“这项提议基本上是建立一个数据驱动的分子工程整体框架的起点。”
“我们考虑这个项目的方式是，我们试图在实验室里模拟数百万年的进化，使用计算和实验，而不是自然选择，”弗格森说。