Não tenho certeza se é realmente verdade, mas personalizar peptídeos há muito que é uma prática comum entre os utilizadores avançados. Recentemente, passei algum tempo a aprender tanto sobre IA para a ciência quanto sobre ciência para a IA. Ambos são direções fascinantes. Planeio escrever mais blogs sobre o que aprendi à medida que ganho mais insights. Algumas perspetivas: 1. Modelos de fundação para a ciência vão surgir, e serão diferentes dos LLMs de hoje. 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 muito ruído, exigindo designs de modelos fundamentalmente diferentes. (Para biologia, encontre alguns trabalhos de @BoWang87, @arcinstitute interessantes) 2. A pesquisa científica vai acelerar dramaticamente, trazendo um enorme impacto para a sociedade humana. Espere uma abordagem muito mais orientada por dados: IA co-cientistas que assistem com raciocínio e geração de hipóteses, combinadas com laboratórios robóticos capazes de controle fino. O ciclo experimento → análise → hipótese vai tornar-se muito mais rápido, mesmo que algumas formas de verificação ainda levem tempo. 3. A ciência para a IA será crucial para a AGI. No seu cerne, este é o problema da interpretabilidade. Desenvolver intuição sobre como os modelos funcionam pode ajudar-nos a entender como direcionar e projetar sistemas futuros em direção a uma inteligência mais geral. (Ainda a aprender, mas encontro alguns trabalhos de @AnthropicAI @ZimingLiu11 @ZeyuanAllenZhu úteis)