Generating novel scientific hypotheses with Co-Scientist(在新分頁開啟原站)
介紹了 Google DeepMind 的 Co-Scientist 工具,讓研究者能與 AI 合作提出新科學假說。
※ 摘要僅根據標題與說明
AI for Science ・ 90 筆內容
用 AI 做科學:蛋白質結構、藥物開發、材料、氣象預測、數學證明與醫療應用。
也叫做:AI for Science、AI4S、科學研究、科学研究、AlphaFold、蛋白質、蛋白质、藥物開發、药物研发、drug discovery、氣象預測、天氣預報、weather prediction、材料科學、數學證明、醫療 AI、医疗AI、healthcare AI、AI in healthcare、基因編輯
由淺入深:入門 → 進階 → 高階
AI将会带来一场文艺复兴 | Demis Hassabis | DeepMind | AlphaFold | 人工智能 | AI革命 | AGI | 创造力 | 科学与艺术 | 神经科学 | 教育改革
Best Partners TV24 分鐘● 有原文
Foundries vs Navigators: Lowering the Cost of Science
Latent Space● 有原文
🔬 An Oscar, Two Asteroids, and the Algorithm in Your sklearn: John Platt on AI for Science
Latent Space2 小時 1 分● 有原文
AI models can now help run physical science experiments(在新分頁開啟原站)
Anthropic11 分鐘○ 無原文
Stanford CS153 Frontier Systems | Teaching AI to Touch Atoms
Stanford Online42 分鐘● 有原文
Import AI 469: Science AI; RSI simulator; and Zuck's technological pessimism
Import AI(Jack Clark)● 有原文
对话前DeepMind曹原:AI for Science爆发,一个新时代到来了(在新分頁開啟原站)
硅谷1011 小時 49 分○ 無原文
Generating novel scientific hypotheses with Co-Scientist(在新分頁開啟原站)
Google DeepMind6 分鐘○ 無原文
Intelligence is collective, not artificial — Prof. Michael I. Jordan (UC Berkeley / Inria)(在新分頁開啟原站)
Machine Learning Street Talk1 小時 17 分○ 無原文
🔬Doing Vibe Physics — Alex Lupsasca, OpenAI(在新分頁開啟原站)
Latent Space1 小時 32 分○ 無原文
依相關、人氣、新鮮度綜合排序;站長推薦的加成
介紹了 Google DeepMind 的 Co-Scientist 工具,讓研究者能與 AI 合作提出新科學假說。
※ 摘要僅根據標題與說明
曹原探討 AI for Science 如何從回答問題轉向提出假設與設計實驗。他分析 Google 內部組織變革如何影響 AI 科研路線,指出當問題可計算驗證時 AI 進展快,但真實世界驗證仍是核心瓶頸。
※ 摘要僅根據標題與說明
探討了 AI 如何改變科學研究的成本結構。作者 Adrian Sanborn 指出,雖然 AI 讓「思考」變得便宜,但「做實驗」的門檻依然高。
戴密斯·哈薩比斯爵士在與漢娜·弗萊的對話中,分享了他從遊戲設計到 AlphaFold 的跨領域經歷。他指出 AI 將像工業革命一樣深刻影響人類,並認為這將引發一場新的「科學與藝術的文藝復興」。
介紹 Stanford 的 Periodic Labs 團隊,他們利用 AI 結合自主實驗機器人,在 40,000 平方英尺的設施中閉環式地預測、合成並驗證新材料。
介紹了 Anthropic 推出的 Model Hardware Standard (MHS),這是 AI 代理安全操作實體實驗裝置的新標準。
※ 摘要僅根據標題與說明
陶哲軒教授在影片內闡述數學六大基石,並探討這些基礎如何驅動 AI 時代的科學革命。
※ 摘要僅根據標題與說明
探討 AI 如何加速科學發現,特別聚焦於 GenBio AI 的宋樂創始人。他介紹了 AI 在科學中的兩條技術路徑:一是自動化研究流程,二是深入資料進行模型訓練。
※ 摘要僅根據標題與說明
節目邀請了擁有奧斯卡獎的 John Platt 進行深度訪談,探討他如何結合奧斯卡獎與經典機器學習演算法,解決科學與 AI 的交叉問題。
Kevin Weil 與 Alex Lupsasca 探討 GPT-5 如何加速科學發現,從跨領域文獻搜尋到複雜計算加速。他們分析當前可能與尚未實現的潛力,並展望未來五年將如何重塑物理、數學與生物學等領域的科研程序。
※ 摘要僅根據標題與說明
探討 Chai Discovery 如何透過 AI 解決藥物研發的規模化問題,並分享其經驗。
※ 摘要僅根據標題與說明
介紹了 Genspark 的 Kay Zhu 及其在 Problem Solvers 系列中的角色,內容聚焦於 AI 如何協助解決複雜問題。
※ 摘要僅根據標題與說明
※ 摘要僅根據標題與說明
探討 Erdős 問題如何成為 AI 的新研究熱點,並介紹相關數學背景與演演算法應用。
※ 摘要僅根據標題與說明
Stanford 線上節目探討 AI 在醫療領域的應用,並指出當 AI 不再只是專案時,其價值如何被重新定義。
※ 摘要僅根據標題與說明
MIT 6.S191 第 8 課由克里斯·比波夫(Chris Bishop)主講,深入探討如何將深度學習應用於科學領域。課程展示了如何利用 AI 加速科學發現,並介紹了相關的工具與模型。
※ 摘要僅根據標題與說明
探討了 AI 自主研究的新前沿,並介紹了 DiG-bench 遊戲benchmark 測試 AI 的創造力與探索能力。文章還分析了 Opus 5 與 Fable 5 等模型在 DiG-bench 中的表現,指出它們雖能解決部分任務但遠不及…
Google DeepMind 推出影片,教導使用者如何運用 AI 對抗難以治療的細菌,透過資料分析與模型推演,尋找細菌的弱點以開發新藥。
※ 摘要僅根據標題與說明
介紹了 AI 如何協助波士頓兒童醫院解決醫療謎團,內容聚焦於 AI 在醫療領域的實際應用與潛力。
※ 摘要僅根據標題與說明
Anthropic 的 Claude 模型在 21 小時內自主從 DNA 資料庫中發現了新型 ART 酶系統,該系統具備類似 CRISPR 的結構與 DNA 操作能力。
※ 摘要僅根據標題與說明
介紹 Rose Yu 如何將 AI 應用於科學研究,探討 Agentic AI 如何協助科學家進行發現。
※ 摘要僅根據標題與說明
Matt Turck 專訪 OpenAI 的 Dan Roberts,探討 AI 如何從理論物理與量子資訊中汲取靈感,發展出能進行推理與探索的模型。
※ 摘要僅根據標題與說明
Richard Socher 與 Matt Turck 探討 AI 自我提升的未來,並介紹 Recursive 的《Eureka Machine》。他們分析大語言模型如何學習蛋白質與生物學,以及虛擬細胞與自主實驗如何加速科學突破。
※ 摘要僅根據標題與說明
本訪談探討 AI 如何透過重現實驗來學習什麼是「好科學」。訪談者指出,AI 的缺失並非缺乏創意,而是無法判斷哪些問題值得提出。透過重現經典論文,Faraday 模型成功超越了原始創作者,展示了機器如何理解科學的價值。
※ 摘要僅根據標題與說明
介紹了 John Jumper 如何將 AI 應用於蛋白質結構預測,並成功解決了諾貝爾獎級別的難題。
※ 摘要僅根據標題與說明
材料科學的無聲英雄 Heather Kulik 分享了她如何將計算工具與資料驅動建模結合,率先實現 AI for Science。她強調必須深度整合領域知識與 AI 技術,並保持批判性思維,最終成功在於實驗室成果而非模型熱度。
※ 摘要僅根據標題與說明
探討 AI 在醫療領域的崛起、公開證據的缺失以及潛在的網路風險。
※ 摘要僅根據標題與說明
介紹了由 Aleph 0 創作的 AI,它能解決國際數學奧林匹克的幾何題目。
※ 摘要僅根據標題與說明
探討 Carina Hong 是否真的能解數學題,結合現代 AI 與古老數學直覺,揭示數學本質的迷思。
※ 摘要僅根據標題與說明
※ 摘要僅根據標題與說明
本訪談探討 Radical AI 如何透過自駕式實驗室加速材料發現,指出材料科學涉及複雜變數,難以像數學般快速迭代。Joseph Krause 強調此領域需投入資源,以解決供應鏈與製造等問題,提升產品開發速度。
※ 摘要僅根據標題與說明
介紹了 AbbVie 如何利用 AI 加速藥物發現過程,但由於缺乏詳細內容,僅能根據標題與說明欄判斷其主旨。
※ 摘要僅根據標題與說明
探討了三個 AI 領域的關鍵議題:首先,分析了一個名為 fast16 的古老病毒,它透過精確計算程式碼幹擾高階物理模擬,可能用於削弱科學研究;
Alex Lupsasca 分享他如何透過 AI 在理論物理領域突破 GPT 模型的瓶頸,並探討物理與 AI 的交叉點。
※ 摘要僅根據標題與說明
Google DeepMind 用 AI 解決了 50 年的生物結構預測難題,成功預測蛋白質結構。
※ 摘要僅根據標題與說明
本訪談探討 AI 是否會為了錯誤的報酬而執行正確行為。Apollo Research 與 OpenAI 的團隊分享了他們的新研究,介紹了如何透過對比信念更新來衡量 AI 的獎勵-seeking 行為。
※ 摘要僅根據標題與說明
Biohub 邀請 Zuckerberg 與 Chan 探討將前沿 AI 與生物資料結合,打造預測細胞與蛋白質的虛擬世界模型。該計畫透過開放原始碼引擎 ESMFold2 加速數位蛋白質設計,並透過層級化模擬讓醫生能從分子層面精準治療患者。
※ 摘要僅根據標題與說明
探討谷歌 AI 大將離職、Fable 5 配方解密、Meta 士氣低落及 FSD 入台等議題,內容涵蓋科技產業動態與 AI 發展趨勢。
※ 摘要僅根據標題與說明
Carina Hong 探討 AI 在數學領域的突破,指出雖然 Axiom 在 Putnam 數學競賽中取得驚人的 12/12 分,但 AI 仍面臨「驗證性 AI」的瓶頸,即缺乏對人類思維的深刻理解。
※ 摘要僅根據標題與說明
Max Welling 探討量子引力、 equivariant neural networks 與氣候材料發現的深層連結,提出「物理處理單元」概念,主張 AI 應加速而非取代科學家。
※ 摘要僅根據標題與說明
Dr. Jeff Beck 探討未來 AI 可能不如人腦智慧,因為人腦運作像科學家測試假說,而非單純預測。他強調自動微分是 AI 爆發的關鍵,而非大模型。
※ 摘要僅根據標題與說明
※ 摘要僅根據標題與說明
※ 摘要僅根據標題與說明
陸子恆與開物紀對談,探討如何用 AI 發明新材料,並分析這是否為「十字路口」的典型案例。
※ 摘要僅根據標題與說明
※ 摘要僅根據標題與說明
英靈殿創始人 Odin 分享了他如何從藥學與物理背景轉向 AI for Science 創業,探討野心與初心。他提出「如果神存在,我怎能容忍自己不成為神」的哲學,並介紹其「全模態分子世界模型」願景,強調在不確定性中尋找下一個碰撞點。
※ 摘要僅根據標題與說明
這則影片探討電腦如何透過邏輯運算理解世界,並結合數學與 Python 語言,展示 AI 如何將邏輯轉化為實際應用。
※ 摘要僅根據標題與說明
依發布時間
Google DeepMind 發表 SynthID Bio,將浮水印技術應用於 AI 設計的蛋白質與 3D 結構。該技術能在合成生物學中辨識 AI 生成資料來源,且不會影響蛋白質的生物功能。
介紹 Stanford 的 Periodic Labs 團隊,他們利用 AI 結合自主實驗機器人,在 40,000 平方英尺的設施中閉環式地預測、合成並驗證新材料。
本訪談探討 AI 在數學領域的進展,從解出難題到提出新概念。Greg Burnham 指出,AI 目前主要依靠「暴力搜尋」與整合先前的知識,尚未展現像人類數學大師那樣的本源創新能力。
Anthropic 的 Claude 模型在 21 小時內自主從 DNA 資料庫中發現了新型 ART 酶系統,該系統具備類似 CRISPR 的結構與 DNA 操作能力。
※ 摘要僅根據標題與說明
戴密斯·哈薩比斯爵士在與漢娜·弗萊的對話中,分享了他從遊戲設計到 AlphaFold 的跨領域經歷。他指出 AI 將像工業革命一樣深刻影響人類,並認為這將引發一場新的「科學與藝術的文藝復興」。
本訪談探討了 AI 在金融、廣告與生物醫學領域的應用與挑戰。John Arnold 分享了從 Enron 到 Hedge Fund 的風險管理經驗,強調資本安全與市場邊界。
本訪談探討 AI 是否已開始彎曲美國醫療成本曲線,並分析醫療專業被取代的風險。訪談者與 Eric Larsen 討論了自主 AI 超越醫師的爭議論文,以及 GLP-1 藥物與醫療服務地點轉移對成本的影響。
※ 摘要僅根據標題與說明
探討了 AI 如何改變科學研究的成本結構。作者 Adrian Sanborn 指出,雖然 AI 讓「思考」變得便宜,但「做實驗」的門檻依然高。
陶哲軒教授在影片內闡述數學六大基石,並探討這些基礎如何驅動 AI 時代的科學革命。
※ 摘要僅根據標題與說明
節目邀請了擁有奧斯卡獎的 John Platt 進行深度訪談,探討他如何結合奧斯卡獎與經典機器學習演算法,解決科學與 AI 的交叉問題。
Alexander Mattick 探討 AI 預測模型如何無法產生真正的智慧。他透過多個範例說明,即使能從模型中抽樣,也無法像人類一樣理解或做出有價值的決策。
※ 摘要僅根據標題與說明
這支 52 分鐘的影片探討了 IMO 2025 年的一道難題,該題被 AI 模型無法解出,卻展現了極高的數學發現價值。影片透過動畫解題,讓讀者理解解決此題所需的精妙構思與邏輯推導。
※ 摘要僅根據標題與說明