Не впевнений, чи це справді так, але налаштування пептидів давно є поширеним серед досвідчених користувачів. Останнім часом я присвятив час вивченню як ШІ для науки, так і науки для ШІ. Обидва напрямки захопливі. Я планую писати більше блогів про те, чого навчився, коли отримуватиму глибше розуміння. Кілька точок зору: 1. З'являться базові моделі для науки, і вони відрізнятимуться від сучасних LLM. Моделі клітин, білків, матеріалів і хімії, які вивчають структуровані представлення фізичних систем. На відміну від LLM, наукові дані містять суворі обмеження (симетрія, геометрія, закони збереження) та високий рівень шуму, що вимагає принципово різних моделей. (Для біографії — знайдіть деякі роботи від @BoWang87, @arcinstitute цікаво) 2. Наукові дослідження різко прискоряться, матимуть величезний вплив на людське суспільство. Очікуйте набагато більш орієнтованого на дані підхід: співнауковці з ШІ, які допомагають у формулюванні та генерації гіпотез, у поєднанні з роботизованими лабораторіями, здатними до детального контролю. Експеримент → аналіз → цикл гіпотез стане значно швидшим, хоча деякі форми перевірки все одно потребуватимуть часу. 3. Наука для ШІ буде ключовою для ШІ. У своїй основі це проблема інтерпретаційності. Розвиток інтуїції щодо того, як працюють моделі, допомагає нам зрозуміти, як спрямовувати та проектувати майбутні системи в напрямку більш загального інтелекту. (Ще вчуся, але знайду корисну роботу з @AnthropicAI @ZimingLiu11 @ZeyuanAllenZhu)