لست متأكدا إذا كان هذا صحيحا فعلا، لكن تخصيص الببتيدات كان شائعا منذ فترة طويلة بين المستخدمين المحترفين. لقد قضيت بعض الوقت مؤخرا في تعلم كل من الذكاء الاصطناعي للعلوم والعلوم للذكاء الاصطناعي أيضا. كلاهما اتجاهات مثيرة للاهتمام. أخطط لكتابة المزيد من المدونات عما تعلمته كلما اكتسبت المزيد من الرؤى. بعض وجهات النظر: 1. نماذج أساسية للعلم ستظهر وستكون مختلفة عن نماذج اللغة الكبيرة الحالية. نماذج للخلايا والبروتينات والمواد والكيمياء التي تتعلم التمثيلات المنظمة للأنظمة الفيزيائية. على عكس نماذج اللغة الكبيرة (LLMs)، تحتوي البيانات العلمية على قيود قوية (التماثل، الهندسة، قوانين الحفظ) وضوضاء عالية، مما يتطلب تصاميم نماذج مختلفة جوهريا. (للسيرة الذاتية، ابحث عن بعض الأعمال من @BoWang87، @arcinstitute مثير للاهتمام) 2. سيتسارع البحث العلمي بشكل كبير، وسيكون له تأثير هائل على المجتمع البشري. توقع نهجا أكثر اعتمادا على البيانات: علماء مشاركون في الذكاء الاصطناعي يساعدون في التفكير وتوليد الفرضيات، إلى جانب مختبرات روبوتية قادرة على التحكم بدقة. سيصبح تحليل التجربة → حلقة الفرضية → أسرع بكثير، رغم أن بعض أشكال التحقق ستستغرق وقتا. 3. العلم للذكاء الاصطناعي سيكون حاسما للذكاء الاصطناعي العام. في جوهرها، هذه هي مشكلة قابلية التفسير. تطوير الحدس حول كيفية عمل النماذج يمكن أن يساعدنا على فهم كيفية توجيه وتصميم الأنظمة المستقبلية نحو ذكاء أكثر عمومية. (ما زلت أتعلم، لكن أجد بعض الأعمال من @AnthropicAI @ZimingLiu11 @ZeyuanAllenZhu مفيدة)