Не уверен, действительно ли это так, но кастомизация пептидов давно стала делом среди продвинутых пользователей. В последнее время я потратил некоторое время на изучение как ИИ для науки, так и науки для ИИ. Оба направления увлекательны. Я планирую написать больше блогов о том, что я узнал, по мере получения новых знаний. Несколько точек зрения: 1. Фундаментальные модели для науки появятся, и они будут отличаться от сегодняшних LLM. Модели для клеток, белков, материалов и химии, которые учат структурированным представлениям физических систем. В отличие от LLM, научные данные содержат сильные ограничения (симметрия, геометрия, законы сохранения) и высокий уровень шума, что требует принципиально различных дизайнов моделей. (Для биологии найдите интересные работы от @BoWang87, @arcinstitute) 2. Научные исследования будут ускоряться драматически, что окажет огромное влияние на человеческое общество. Ожидайте гораздо более ориентированный на данные подход: ИИ-соавторы, которые помогают с рассуждениями и генерацией гипотез, в сочетании с роботизированными лабораториями, способными к тонкому контролю. Цикл эксперимент → анализ → гипотеза станет гораздо быстрее, хотя некоторые формы верификации все еще займут время. 3. Наука для ИИ будет ключевой для AGI. В своей основе это проблема интерпретируемости. Разработка интуиции о том, как работают модели, может помочь нам понять, как направлять и проектировать будущие системы к более общему интеллекту. (Все еще учусь, но нахожу некоторые работы от @AnthropicAI @ZimingLiu11 @ZeyuanAllenZhu полезными)