L'ancien PDG de Google lance le plan AI+Science pour atteindre les objectifs d'OpenAI

L'ancien PDG de Google, Eric Schmidt, lance une énorme startup à but non lucratif IA+science visant à utiliser l'intelligence artificielle pour relever les défis auxquels est confrontée la recherche scientifique

Photos

Il a invité deux scientifiques exceptionnels à la tête de cette initiative à but non lucratif :

Samuel Rodriguez, fondateur du Laboratoire de biotechnologie appliquée du Francis Crick Institute, et Andrew, professeur à l'Université de Rochester et pionnier de l'utilisation de l'intelligence artificielle en chimie ·White. Ce sont tous des étoiles académiques relativement jeunes dans leurs domaines respectifs qui ont déjà réalisé des réalisations exceptionnelles

Schmidt, Rodriguez et White croient tous que l'intelligence artificielle changera l'avenir de la recherche scientifique

Dans "MIT Dans un article intitulé " Comment l'IA va changer la façon dont la science est faite" publié dans Technology Review, Schmidt a exprimé sa vision

Avec l'émergence de l'intelligence artificielle, la science deviendra plus passionnante et elle deviendra illisible à certains égards. Les ramifications de ce changement dépasseront bien les limites du laboratoire, elles nous concerneront tous

Photo

En revanche, Rodriques et White proposent sur leurs propres sites expérimentaux ou lors de conférences publiques les prédictions et les hypothèses selon lesquelles l'intelligence artificielle va subvertir la science

Rodriques a déclaré : « Nous avons besoin d'une équipe de chercheurs et de scientifiques principaux en IA qui travailleront ensemble et adopteront des cycles d'itération rapides pour construire un système capable de tirer parti des technologies de pointe. et apporter des outils d'une réelle valeur aux scientifiques »

Jim Fan estime que cette entreprise a un énorme potentiel. Si le LLM et les robots intelligents deviennent l'infrastructure de la recherche scientifique future, des expériences comme LK-99 ne resteront plus au niveau de l'alchimie manuelle

Photos

Selon des personnes proches du dossier, Schmidt travaille sur Le travail effectué est basé sur OpenAI comme modèle, mais le financement provient de Schmidt Futures, que Schmidt a cofondé avec son épouse Wendy. Fondamentalement, les fonds pour les activités ont été payés personnellement par Schmidt

Jim a également exprimé ses inquiétudes quant à la pérennité de l'organisation de Schmidt

AI+Science Moon Landing Plan

Décidé de former des idées et des théories scientifiques La base est de savoir comment collecter, transformer et comprendre les données

Parmi elles, la collecte et l'analyse des données sont à la base de la compréhension et de la découverte scientifiques.

Dans les années 1950, l'introduction de la technologie numérique a ouvert la voie à l'utilisation généralisée des ordinateurs dans la recherche scientifique

Depuis 2010, l'essor du deep learning a permis à l'intelligence artificielle d'identifier des informations scientifiquement pertinentes à partir de grands ensembles de données modèles pour fournir des conseils précieux. Cela élargit considérablement la portée et l'ambition du processus de découverte scientifique

La découverte scientifique est un processus à multiples facettes impliquant plusieurs étapes interdépendantes, notamment la formulation d'hypothèses, la conception expérimentale, la collecte et l'analyse de données

Bien que la recherche scientifique Il existe des différences dans les domaines scientifiques pratiques et procédures à différentes étapes, mais les algorithmes d'intelligence artificielle ont la capacité de couvrir des disciplines traditionnellement isolées. avec les données, tout en fournissant également des modèles exploitables et fiables pour la découverte autonome et l'intégration avec les flux de travail scientifiques

Les applications de l'IA peuvent améliorer la conception et la conception des outils de recherche scientifique. Il peut collecter, visualiser et traiter des données en optimisant les paramètres et les fonctions, en automatisant les procédures pour explorer un grand nombre d'hypothèses candidates afin de former des perspectives théoriques, et générer des hypothèses et estimer leurs incertitudes pour faire des recommandations pour des expériences pertinentes

Images

La science à l'ère de l'IA

Cependant, utiliser l'intelligence artificielle pour mener des recherches scientifiques ne signifie pas que cela peut être fait avec désinvolture

L'un des plus grands défis est l'énorme espace d'hypothèses dans les problèmes scientifiques, qui rend l'exploration systématique irréalisable

Sur le terrain de biochimie, le nombre estimé de molécules médicamenteuses à explorer est d'environ 10 à la puissance 60

Alors que les systèmes d'intelligence artificielle peuvent révolutionner les flux de travail scientifiques en accélérant le processus et en fournissant des prédictions avec une précision quasi expérimentale

Obtention d'annotations fiables Les ensembles de données sont une entreprise assez importante pour les modèles d'intelligence artificielle et peuvent nécessiter beaucoup de temps et de ressources pour les expériences et les simulations.

Dans un développement récent, AlphaFold a été résolu avec succès par Google DeepMind. Résoudre le casse-tête du repliement des protéines vieux de 50 ans

Les simulations de systèmes moléculaires de millions de particules 16 réalisées par AlphaFold, basé sur l'IA, démontrent le potentiel de l'intelligence artificielle pour résoudre des problèmes scientifiques complexes. résultats et limitent également son applicabilité dans certains domaines

Par exemple, avant une application pratique, la sortie du modèle doit être conforme à des conditions réalistes. Par exemple, l'exploration spatiale habitée et les domaines qui éclairent l'élaboration des politiques, comme la science du climat, etc. Parmi tous, l’un des domaines qui bénéficieront des applications de l’IA est la conduite autonome. Deuxièmement, l'introduction d'outils intelligents d'IA améliorera la technologie de pointe et créera de nouvelles opportunités, telles que des applications dans des processus biologiques, chimiques ou physiques, comme l'utilisation de l'IA pour étudier les réactions de fusion nucléaire, etc.

La composition de la future équipe de recherche sera Des changements se produisent sur la base de ces deux forces, notamment des experts en Al, des ingénieurs logiciels et matériels, et de nouvelles formes de collaboration impliquant tous les niveaux de gouvernement, les établissements d'enseignement et les entreprises

À mesure que l'échelle des modèles de pointe continue d'augmenter, la consommation d'énergie augmente également, les coûts informatiques deviennent de plus en plus élevés. En conséquence, les grandes entreprises technologiques investissent dans l'infrastructure informatique et les services cloud, repoussant constamment les limites d'échelle et d'efficacité

Cela signifie que les organisations à but lucratif et non universitaires utiliseront une infrastructure informatique à grande échelle

Il est nécessaire que les établissements d'enseignement supérieur intègrent mieux les multiples disciplines. De plus, les établissements universitaires possèdent souvent des bases de données historiques et des technologies de mesure uniques qui n'existent peut-être pas ailleurs mais qui sont essentielles à Al+Science

Ces atouts complémentaires entraîneront de nouveaux niveaux de modèle de collaboration industrie-université et auront un impact sur le choix de la recherche. questions

Références :

https://www.php.cn/link/db261d4f615f0e982983be499e57ccda

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!