这一次，人工智能算法在数学奥林匹克竞赛（IMO）上取得了重大成绩突破。在今天发表的国际权威期刊《自然》杂志最新一期上，论文《Solvingolympiadgeometrywithouthumandemonstrations》向世人介绍了AlphaGeometry，专家表示，这是人工智能朝着具有人类推理能力方向迈进的重要一步。论文链接：https://www.nature.com/articles/s41586-023-06747-5DeepMind 也在论文发表的第一时间将代码和模型开源，GitHub：https://github.com/google-deepmind/alphageomet
人工智能（AI）一直在迅速发展，但对人类来说，强大的模型却是个「黑匣子」。我们不了解模型内部的运作原理，不清楚它得出结论的过程。然而最近，波恩大学（UniversityofBonn）的化学信息学专家JürgenBajorath教授和他的团队取得了重大突破。他们设计了一种技术，揭示了药物研究中使用的某些人工智能系统的运行机制。他们的研究结果表明，这些人工智能模型主要依赖于回忆现有数据，而不是学习特定的化学相互作用，来预测药物的有效性。——也就是说，AI预测纯靠拼凑记忆，机器学习实际上并没有学习！他们的研究结果最近发表在《自然机器智能》（NatureMachineIntelligence）杂志上。
AI真的可以用来科学地算命了！？丹麦技术大学(DTU)的研究人员声称他们已经设计出一种人工智能模型，据说可以预测人们的生活中的重大事件和结果，包括每个人死亡的大致时间。文章在前两天登上了Nature的子刊ComputationalScience。图片作者SuneLehmann称，「我们使用该模型来解决一个基本问题：我们可以在多大程度上根据过去的条件和事件来预测未来的事件？」看来作者研究的目的没有别的，确实是想用AI来帮大家算命。研究人员将人的生活轨迹表征为时间顺序的生活事件序列，这种表征方法与自然语言具有结构相似性。利用Transformer模型的表征学习能力,可以学习到生活事件的语义空间，并
AIforScience的新成果、新动态、新视角抢先看——*DeepMind最新研究FunSearch登Nature*谷歌推出医疗保健行业模型MedLM*晶泰科技冲刺港交所，AI+机器人赋能AIforScience*GHDDI与微软研究院科学智能中心达成合作*用于地震学处理分析的AI工具开源*我国首个自主研发的地球系统模型宣布开源*百度飞桨螺旋桨团队构建蛋白质-小分子对接构象预测模型HelixDock*国内研究团队公开基于混合机器学习的碳排放预测方法及系统*苹果芯片「专属定制版」机器学习框架开源更多内容详见下文~企业动态DeepMind最新研究FunSearch登「Nature」谷歌DeepM
文章目录前言揭秘Coscientist不到四分钟，设计并改进了程序能力越大，责任越大前言有消息称，AI大模型“化学家”登Nature能够自制阿司匹林、对乙酰氨基酚、布洛芬，甚至连复杂的钯催化交叉偶联反应，也能完成。要知道，2010年诺贝尔化学奖获得者就因为对该反应的研究才获奖，这类反应可以高效地构建碳-碳键，生成很多以往很难甚至无法合成的物质。揭秘Coscientist下面我们来看看化学家Coscientist到底长什么样子。Coscientist由卡内基梅隆大学的研究团队开发。前不久谷歌DeepMind造的AI化学家也登上了Nature，号称一口气能预测220万种新材料。而现在Coscien
大型语言模型（LLM）是基于大量数据进行预训练的超大型深度学习模型。底层转换器是一组神经网络，这些神经网络由具有自注意力功能的编码器和解码器组成。编码器和解码器从一系列文本中提取含义，并理解其中的单词和短语之间的关系。通过此过程，转换器可学会理解基本的语法、语言和知识。借助转换器神经网络架构，人们可以使用非常大规模的模型，其中通常具有数千亿个参数。这种大规模模型可以摄取通常来自互联网的大量数据，但也可以从包含500多亿个网页的CommonCrawl和拥有约5700万个页面的Wikipedia等来源摄取数据。一般来讲，LLM主要是在已有的知识库上进行学习，然后通过阅读、理解、写作和编码来帮助人们
ChatGPT大模型爆火这一年，没想到竟颠覆了整个化学领域。先是谷歌DeepMind的AI工具GNoME成功预测出200万种晶体结构，随后微软推出的MatterGen，大大加速了设计所需材料特性的速度。今天，CMU和EmeraldCloudLab的研究团队开发了一种全新自动化AI系统——Coscientist，荣登Nature。它可以设计、编码和执行多种反应，完全实现了化学实验室的自动化。图片实验评测中，Coscientist利用GPT-4，在人类的提示下检索化学文献，成功设计出一个反应途径来合成一个分子。GPT-4遍历整个互联网上的说明书，并选择数据库中最好的试剂盒和试剂，在现实中制造分子。
你有没有想过，可能就在你阅读这篇文章的几分钟内，获得诺贝尔奖的化学反应就能被完美复刻出来。是的，你没有听错，现在由AI驱动的系统已经能够自主了解这些化学反应，甚至设计出了实验室程序来制造它们。人工智能在短短几分钟内就完成了这一切，并且一次尝试就成功了。“这是第一次非有机智能计划、设计和执行人类发明的复杂反应。”卡内基梅隆大学化学家兼化学工程师GabeGomes表示，他领导了组装和测试基于人工智能的系统的研究团队。他们将该AI命名为Coscientist。而Coscientist实现的复杂反应在有机化学中被称为钯催化交叉偶联，该反应为美国化学家RichardFredHeck与两位日本化学家Ei-
在开放、高动态和演化环境中的学习能力是生物智能的核心要素之一，也是人类以及大多数动物在「适者生存」的自然选择过程中形成的重要优势。目前传统机器学习范式是在静态和封闭的数据集上学习到一个模型，并假设其应用环境和之前训练数据的属性相同，因而无法适应动态开放环境的挑战。针对该问题，持续学习模拟生物智能的学习过程和学习能力，发展新型的机器学习理论和方法，通过持续学习的过程，以期提升智能体对开放、高动态环境的适应能力。但是，目前主流的机器学习模型通过调整网络参数进行学习，当学习任务的数据分布发生变化时，先前学到的网络参数可能被覆盖，从而导致对先前知识的灾难性遗忘（catastrophicforgetti
用大模型解决困扰数学家60多年的问题，谷歌DeepMind最新成果再登Nature。作者之一、谷歌DeepMind研究副总裁PushmeetKohli表示：训练数据中不会有这个方案，它之前甚至根本不为人类所知。这项技术名为FunSearch，其中的Fun是函数（Function）一词的简写。利用大模型解决长期存在的科学难题，产生以前不存在的可验证且有价值*的新信息。在Nature论文配套的新闻解读中，DeepMind负责人称“我们使用大模型的方式是当做创造力引擎”。这是第一次有人证明基于大模型的系统可以超越数学家和计算机科学家的认知。它不仅新颖，而且比当今存在的任何其他东西都更有效。针对这项成
