Jun, 2024

面向科学的可扩展人工智能：视角、方法和实例

PDF
TL;DR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。
发现论文，激发创造
  • ChatGPT 时代的科学：大语言模型和人工智能带来的挑战及应对方法

    本文回顾了人工智能中的哲学挑战、伦理和完整性风险，探讨了 AI 语言模型作为研究工具和研究主题的作用及其对科学家、参与者和评审人的伦理影响，并给出了十个建议以对更负责任的 AI 语言模型研究进行回应。

    May, 2023

  • 从表现到认知体系结构：一个可扩展的框架

    通过将现实解读为信息源，并将其转化为计算框架，我们提出了一种新颖的建模方法，从而接近于人工通用智能。该框架可以以流动可扩展的分层方式构建经典的认知架构元素，如长期记忆和工作记忆。

    Jun, 2024

  • 面向语言驱动的科学人工智能

    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

  • 科学家对于生成式人工智能在其领域中潜力的看法

    研究发现生成式 AI 技术有潜力改变科学家的实践方法、加速科学发现并提供科学教育，但是这也引起了对于技术责任的担忧。

    Apr, 2023

  • 大型语言模型的紧急自主科研能力

    本论文展示了一个结合多个大型语言模型的智能代理系统，可自主设计、规划和执行科学实验，并通过三个不同的实例展示代理的科学研究能力，最为复杂的是成功执行加催化交叉偶联反应。最后，讨论了这种系统的安全影响，并提出了防止滥用的措施。

    Apr, 2023

  • 科学中的人工智能：一个新兴议程

    本报告总结了 Dagstuhl Seminar 22382“科学中的机器学习：桥接数据驱动和机理建模” 的讨论并提出了如何协作来推动人工智能和科学发现的新一波进展的路线图。

    Mar, 2023

  • 迈向一种心理学通用人工智能：大型语言模型的现有应用和未来前景综述

    心理学中的复杂原理与广泛社会影响形成了一个重要的社会挑战。近年来，高度适应和可复用的人工智能模型在心理学领域崛起，强调了对这些大规模人工智能模型的性能验证的重要性，同时突出了这些模型在社交媒体分析、临床护理洞察、社区监测和心理学理论的细致探索等领域的前沿进展和实际应用。基于我们的综述，我们预示心理学领域将会加速发展，这源于这些大规模人工智能模型的推动。这些未来的综合型人工智能模型有望大幅降低劳动成本并缓解社会压力，然而，这种前进的势头在考虑到医疗仪器和相关应用所需的范式变革和升级时也面临一系列挑战。

    Dec, 2023

  • 可扩展、分布式 AI 框架：利用云计算提高深度学习性能和效率

    本文全面研究了利用云计算的可扩展和分布式人工智能框架以提高深度学习性能和效率的关键方面，包括数据存储和管理、优化策略、模型部署与服务等，并讨论了云计算人工智能的挑战、限制和未来研究方向。

    Apr, 2023

  • 衡量大型语言模型可扩展监督的进展

    本篇论文讨论了监督强于人类水平的 AI 系统的问题，提出了一个实验设计并探讨如何通过与打破传统 AI 的对话式助手交互的方式来解决这个问题。在基于两个问答任务进行的试验中，我们发现，通过这种方式监管的人类表现显著优于只使用大语言模型或人类自身的表现。

    Nov, 2022

  • 大型语言模型的科学计算

    大型语言模型在科学计算应用中的应用领域和研究进行了概述，重点突出了涉及科学文献和描述物理系统的专用语言的自然语言处理的使用案例。在医学、数学和物理学领域，聊天机器人样式的应用可以与领域专家进行迭代，进行问题解决。同时，我们还对分子生物学中的专用语言进行了审查，这些语言包括分子、蛋白质和 DNA 的使用，语言模型被用于预测特性，甚至以比传统计算方法快得多的速度创建新型物理系统。

    Jun, 2024