人工智能對科研領域的顛覆才剛剛開始。

人工智能已經開始在基礎科學領域大施拳腳，其中的思路相信會給人工智能領域的創業者帶來啟發。

目前利物浦大學的科學家正嘗試用機器學習算法，模擬原子之間的無窮多的組合方式，從而發現新的物質，這讓計算機在某種程度上扮演了造物主的角色。

在該研究中，通過向機器學習算法輸入已知物質的構成數據，可以讓計算機預測與之類似的新物質中原子可能的組合方式，這可以幫助科學家大大縮小尋找新物質的范圍，從而提高發現新物質的效率，這也使科學家得以將精力集中在實驗結果分析上，避免像過去那樣陷于痛苦的實驗階段。

近年來，人工智能輔助科研的案例層出不窮，這一領域涌現了一大批創業公司以及強強合作的項目。

例如2016年11月，強生公司與英國人工智能公司BenevolentAI合作，來使用人工智能評估小分子化合物的臨床潛力，目前BenevolentAI已經獲得了一定數量臨床實驗階段的新藥物。

類似的案例還有2016年12月，醫藥巨頭輝瑞與IBM 合作：將云端人工智能平臺Watson for Drug Discovery用于新型抗癌藥的研發，依靠Watson分析大量公共數據及自有數據，將得到的結果用于發現免疫腫瘤新藥物的靶點、研究組合療法以及選擇患者治療策略。

以上述的藥物研發為例，傳統的藥物開發是一個不斷試驗和試錯的過程，藥物從最初的實驗室研究到最終擺放到藥柜銷售平均需要12年時間，1個藥物需要投入66.145億元人民幣、7000874個小時、6587個實驗、423個研究者。

AI對藥物研發的幫助首先從數據開始，通過數據處理生成假定的藥物，從而更有效率地開發新藥。超級計算機可以通過在幾天之內評估820萬種化合物，從而找到多發性硬化癥可能的治療方法。