Der frühere CEO von Google, Eric Schmidt, gründet ein riesiges gemeinnütziges Startup im Bereich KI+-Wissenschaft, das darauf abzielt, künstliche Intelligenz zur Bewältigung der Herausforderungen der wissenschaftlichen Forschung einzusetzen.
Samuel Rodriguez, Gründer des Applied Biotechnology Laboratory am Francis Crick Institute, und Andrew, Professor an der University of Rochester und Pionier beim Einsatz künstlicher Intelligenz in der Chemie ·White. Sie alle sind relativ junge akademische Stars in ihren jeweiligen Fachgebieten, die bereits herausragende Leistungen erbracht haben
Schmidt, Rodriguez und White glauben alle, dass künstliche Intelligenz die Zukunft der wissenschaftlichen Forschung verändern wird
In „MIT In einem Artikel mit dem Titel „ Wie KI die Art und Weise verändern wird, wie Wissenschaft betrieben wird“, veröffentlichte Schmidt in Technology Review, in dem er seine Vision zum Ausdruck brachte. Mit dem Aufkommen der künstlichen Intelligenz wird die Wissenschaft spannender und in einigen Aspekten unleserlich. Die Auswirkungen dieses Wandels werden weit über die Grenzen des Labors hinausreichen und uns alle betreffen und Annahmen, dass künstliche Intelligenz die Wissenschaft untergraben wird
Rodriques sagte: „Wir brauchen ein Team aus Kernforschern und Kernwissenschaftlern im Bereich KI, die zusammenarbeiten und schnelle Iterationszyklen anwenden, um ein System aufzubauen, das die Vorteile modernster Technologien nutzen kann.“ und Wissenschaftlern Werkzeuge von echtem Wert zur Verfügung stellen.“
Jim Fan glaubt, dass dieses Unternehmen großes Potenzial hat. Wenn LLM und intelligente Roboter zur Infrastruktur zukünftiger wissenschaftlicher Forschung werden, bleiben Experimente wie LK-99 nicht mehr auf dem Niveau der manuellen Alchemie Die geleistete Arbeit basiert auf OpenAI als Vorlage, die Finanzierung kommt jedoch von Schmidt Futures, das Schmidt zusammen mit seiner Frau Wendy gegründet hat. Grundsätzlich wurden die Mittel für die Aktivitäten von Schmidt persönlich bezahlt
Jim äußerte auch Bedenken, ob Schmidts Organisation aufrechterhalten werden kann
KI+Wissenschaftlicher Mondlandeplan
In den 1950er Jahren ebnete die Einführung der digitalen Technologie den Weg für den weit verbreiteten Einsatz von Computern in der wissenschaftlichen Forschung.
Seit 2010 ermöglicht der Aufstieg des Deep Learning künstlicher Intelligenz, wissenschaftlich relevante Informationen aus großen Datensätzen zu identifizieren Muster, die wertvolle Orientierung bieten. Dies erweitert den Umfang und die Ambitionen des wissenschaftlichen Entdeckungsprozesses erheblich.
Wissenschaftliche Entdeckung ist ein vielschichtiger Prozess, der mehrere miteinander verbundene Phasen umfasst, darunter Hypothesenformulierung, experimentelles Design, Datenerfassung und -analyse.
Obwohl wissenschaftliche Forschung Unterschiede in der wissenschaftlichen Forschung aufweist Praktiken und Verfahren in unterschiedlichen Stadien, aber Algorithmen der künstlichen Intelligenz sind in der Lage, traditionell isolierte Disziplinen abzudecken.
Künstliche Intelligenz (KI) integriert riesige Datensätze, präzise Messungen und experimentelle Anleitung über Disziplinen und Bereiche hinweg und erforscht theoretische Räume, die kompatibel sind mit Daten und stellt gleichzeitig umsetzbare und zuverlässige Modelle für die autonome Entdeckung und Integration in wissenschaftliche Arbeitsabläufe bereit. Es kann Daten sammeln, visualisieren und verarbeiten, indem es Parameter und Funktionen optimiert, Verfahren automatisiert, um eine große Anzahl möglicher Hypothesen zu untersuchen, um theoretische Perspektiven zu bilden, Hypothesen zu generieren und deren Unsicherheiten abzuschätzen, um Empfehlungen für relevante Experimente abzugeben
Wissenschaft im KI-Zeitalter
Der Einsatz künstlicher Intelligenz zur Durchführung wissenschaftlicher Forschung bedeutet jedoch nicht, dass dies beiläufig durchgeführt werden kann In der Biochemie liegt die geschätzte Anzahl der zu erforschenden Arzneimittelmoleküle bei etwa 10 Ein großes Unterfangen für Modelle der künstlichen Intelligenz und erfordert möglicherweise viel Zeit und Ressourcen für Experimente und Simulationen
Molekularsystemsimulationen von Millionen von Partikeln 16, die von der KI-gestützten Firma AlphaFold durchgeführt wurden, zeigen das Potenzial künstlicher Intelligenz bei der Lösung anspruchsvoller wissenschaftlicher Probleme.Ein Problem besteht darin, dass die Undurchsichtigkeit der Menschen hinsichtlich der internen Funktionsweise der KI das Vertrauen in die Vorhersageergebnisse verringert und auch seine Anwendbarkeit in bestimmten Bereichen einschränken
Vor der praktischen Anwendung muss beispielsweise die Ausgabe des Modells realistischen Bedingungen entsprechen. Zum Beispiel die Erforschung des menschlichen Weltraums und Bereiche, die die Politikgestaltung beeinflussen, wie die Klimawissenschaft usw.
Zukünftige wissenschaftliche Forschung
Die Nachfrage nach KI-Expertise mit Blick auf die Zukunft wird von zwei Kräften beeinflusst
Erstens Einer der Bereiche, die von KI-Anwendungen profitieren werden, ist das autonome Fahren. Zweitens wird die Einführung intelligenter KI-Tools den Stand der Technik verbessern und neue Möglichkeiten schaffen, beispielsweise Anwendungen in biologischen, chemischen oder physikalischen Prozessen, beispielsweise die Verwendung von KI zur Untersuchung von Kernfusionsreaktionen usw.
Die Zusammensetzung des zukünftigen Forschungsteams wird sein: Auf der Grundlage dieser beiden Kräfte finden Veränderungen statt, darunter Al-Experten, Software- und Hardware-Ingenieure und neue Formen der Zusammenarbeit unter Beteiligung aller Regierungsebenen, Bildungseinrichtungen und Unternehmen
Da der Umfang modernster Modelle weiter zunimmt, steigt auch der Energieverbrauch und die Rechenkosten werden immer höher. Infolgedessen investieren große Technologieunternehmen in Computerinfrastruktur und Cloud-Dienste und stoßen dabei ständig an die Grenzen von Skalierung und Effizienz. Das bedeutet, dass sowohl gewinnorientierte als auch nicht-akademische Organisationen groß angelegte Computerinfrastrukturen nutzen werden
Für Hochschuleinrichtungen ist es notwendig, mehrere Disziplinen besser zu integrieren. Darüber hinaus verfügen akademische Einrichtungen häufig über einzigartige historische Datenbanken und Messtechnologien, die anderswo möglicherweise nicht vorhanden sind, aber für Al+Science von wesentlicher Bedeutung sind. Diese ergänzenden Ressourcen werden neue Ebenen des Kooperationsmodells zwischen Industrie und Wissenschaft vorantreiben und sich auf die Auswahl der Forschung auswirken Fragen
Das obige ist der detaillierte Inhalt vonEhemaliger Google-CEO startet AI+Science-Moonshot-Plan, um die Ziele von OpenAI zu erreichen. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!
Was bedeutet Kol?
Der Unterschied zwischen xdata und data
So verwenden Sie den Befehl „find', um Dateien unter Linux zu finden
Gängige Methoden im Mathematikunterricht
Die Funktion des Span-Tags
Wo kann ich das Douyin Little Fire Man-Kostüm bekommen?
Was ist das World Wide Web?
So öffnen Sie eine MDF-Datei
