本当かどうかはわかりませんが、ペプチドのカスタマイズはパワーユーザーの間で長い間行われてきました。 最近、科学のためのAIとAIのための科学の両方を学ぶ時間を過ごしました。どちらも非常に興味深い方向性です。今後も学んだことについて、より多くの洞察を得てブログを書くつもりです。 いくつかの視点から: 1. 科学の基礎モデルが登場し、それらは現代のLLMとは異なるものになるでしょう。 物理システムの構造化された表現を学習する細胞、タンパク質、材料、化学のモデル。LLMとは異なり、科学データは強い制約(対称性、幾何学、保存則)と高いノイズを含み、根本的に異なるモデル設計を必要とします。(生物学については、@BoWang87の仕事を探してみてください。@arcinstitute興味深いです) 2. 科学研究は劇的に加速し、人類社会に大きな影響をもたらす。 よりデータ駆動型のアプローチが期待されます。推論や仮説生成を支援するAI共同科学者と、細かな制御が可能なロボットラボが組み合わさっています。仮説ループ→実験→解析は大幅に高速化しますが、検証の一部の形式には時間がかかります。 3. AIにとって科学はAGIにとって極めて重要だ。 本質的に、これは解釈可能性の問題です。モデルの仕組みを直感的に理解することは、将来のシステムをより一般的な知性へと導き設計する方法を理解する助けとなります。(まだ学んでいますが、@AnthropicAI @ZimingLiu11 @ZeyuanAllenZhuから役立つ仕事を見つけてください)