Não sei se é verdade, mas personalizar peptídeos já existe há muito tempo entre usuários avançados. Recentemente, passei um tempo aprendendo tanto IA para ciência quanto ciência para IA. Ambos são caminhos fascinantes. Pretendo escrever mais blogs sobre o que aprendi à medida que for adquirindo mais conhecimentos. Algumas perspectivas: 1. Modelos fundamentais para a ciência surgirão, e serão diferentes dos LLMs atuais. Modelos para células, proteínas, materiais e química que aprendem representações estruturadas de sistemas físicos. Ao contrário dos LLMs, os dados científicos contêm fortes restrições (simetria, geometria, leis de conservação) e alto ruído, exigindo designs de modelos fundamentalmente diferentes. (Para biografia, encontre trabalhos de @BoWang87, @arcinstitute interessante) 2. A pesquisa científica vai acelerar dramaticamente, trazendo enorme impacto à sociedade humana. Espere uma abordagem muito mais orientada por dados: co-cientistas de IA que auxiliam no raciocínio e geração de hipóteses, combinados com laboratórios robóticos capazes de controle detalhado. O experimento → análise → ciclo de hipóteses se tornará muito mais rápido, mesmo que algumas formas de verificação ainda levem tempo. 3. A ciência para IA será crucial para AGI. No fundo, esse é o problema da interpretabilidade. Desenvolver intuição sobre como os modelos funcionam pode nos ajudar a entender como direcionar e projetar sistemas futuros rumo a uma inteligência mais geral. (Ainda estou aprendendo, mas acho que algum trabalho @AnthropicAI @ZimingLiu11 @ZeyuanAllenZhu útil)