走向科学的外脑
文章探讨了在一个后 ChatGPT 的世界中，利用可扩展的人工智能进行科学发现的潜力，并提出了将人工智能在高性能计算平台上扩展起来以解决复杂问题的重要性。该研究侧重于认知模拟、用于科学探究的大型语言模型、医学图像分析和物理注入方法等科学应用案例。该研究概述了在超级计算机或云上解决此类挑战所需的方法，并提供了应用这些方法解决各种科学问题的示例。
Jun, 2024
研究人员提出要加快人工智能领域的发展，必须在神经人工智能的基础研究上投资，其中核心是实体图灵测试，要求人工智能的动物模型实现与其动物同类水平的感知运动交互，这将提供下一代人工智能的发展路线图。
Oct, 2022
该研究旨在探讨人类探索行为与人工智能自主性和适应性的联系，并将认知心理学范例应用于机器学习方法中。研究表明，与人类对应的人工智能代理可以通过内部状态与探索行为之间的因果关系来学习并自我发展，这对于人类认知研究和人工智能的发展都具有重大意义。
Feb, 2023
基于 AI 在自然语言理解和生成方面的革命性进展，我们设计了能够解决复杂科学任务的 AI 系统，并将自然语言作为 AI 与人类科学家之间的核心表示、推理和交换格式。本文旨在探讨实现这一愿景所面临的主要研究挑战。
Oct, 2022
探索和研究 AI 驱动的自动闭环科学发现方法，包括自我驱动的假设生成和假设空间的无限自主探索。将自动化纳入科学实践将缓解当前问题，包括发现的复制、数据的系统化生产以及最终的科学过程民主化，具有开创性的视野将释放 AI 在我们的世界基本结构搜索和发现方面的潜力，好过自动化当前工作流程，并打开技术创新的大门，解决人类面临的最大挑战之一。
Jul, 2023
该综述旨在通过研究神经科学和认知心理学的方法，为人工通用智能的追求做出贡献。尽管深度学习模型在各个领域取得了令人印象深刻的进展，但它们在抽象推理和因果理解方面仍然存在缺点。这些能力应该最终整合到人工智能系统中，以克服数据驱动的限制，并以更加接近人类智能的方式支持决策。本工作是一项纵向综述，试图广泛探索大脑功能的范围，包括从低层生物神经元、尖峰神经网络和神经元集合到更高层的概念，如脑解剖学、向量符号体系结构、认知和分类模型以及认知体系结构。希望这些概念能为人工通用智能的解决方案提供启示。
Jan, 2024
本文为 AI4Science 领域中的一个子领域 —— 量子、原子和连续系统的 AI 提供了技术上的全面介绍，重点在于探讨诸如如何采用深度学习方法捕捉自然系统物理第一性原理、特别是对称性等挑战。
Jul, 2023
自动化整个科学方法论需要数据归纳的自动化以及实验从设计到实施的自动化，机器人科学家是将人工智能和实验室机器人相结合，具备进行真实世界实验检验假设的能力。本章探讨了机器人科学家在科学哲学中的基本原理，并将其活动与机器学习范式相对应，认为科学方法与主动学习有类似之处。我们使用以往机器人科学家的案例以及 Genesis 的案例进行实证，Genesis 是一种面向系统生物学研究的下一代机器人科学家，具备 1000 个计算机控制的微生物反应器的微流控系统和基于可控词汇和逻辑的可解释模型。
Jun, 2024