Gerçekten doğru olup olmadığından emin değilim ama peptitleri özelleştirmek uzun zamandır güçlü kullanıcılar arasında bir uygulama. Son zamanlarda hem bilim için yapay zeka hem de yapay zeka için bilim öğrenmeye zaman ayırdım. İkisi de ilgi çekici yönler. Daha fazla içgörü kazandıkça öğrendiklerimi daha fazla blog yazmayı planlıyorum. Birkaç bakış açısı: 1. Bilim için temel modeller ortaya çıkacak ve bugünün LLM'lerinden farklı olacaklar. Fiziksel sistemlerin yapılandırılmış temsillerini öğrenen hücreler, proteinler, malzemeler ve kimya modelleri. LLM'lerin aksine, bilimsel veriler güçlü kısıtlamalar (simetri, geometri, koruma yasaları) ve yüksek gürültü içerir; bu da temelde farklı model tasarımları gerektirir. (Biyografî için @BoWang87'dan bazı çalışmalar bulabilirsin, @arcinstitute ilginç) 2. Bilimsel araştırmalar dramatik şekilde hızlanacak, insan toplumuna büyük bir etki getirecek. Çok daha veri odaklı bir yaklaşım bekleyin: Akıl yürütme ve hipotez üretimine yardımcı olan yapay zeka ortak bilim insanları ile ince taneli kontrol yapabilen robotik laboratuvarlar. Deney → analiz → hipotez döngüsü çok daha hızlı olacak, bazı doğrulama biçimleri hâlâ zaman alsa da. 3. Yapay zeka için bilim, AGI için kritik olacak. Özünde, bu yorumlanabilirlik sorunudur. Modellerin nasıl çalıştığı hakkında sezgi geliştirmek, gelecekteki sistemleri daha genel zekaya doğru nasıl yönlendireceğimizi ve tasarlayacağımızı anlamamıza yardımcı olabilir. (Hâlâ öğreniyorum, ama @AnthropicAI @ZimingLiu11 @ZeyuanAllenZhu faydalı bazı çalışmalar buluyorum)