Революция искусственного интеллекта в научных исследованиях. От предсказания структуры белков до поиска новых лекарств. Машинное обучение в физике, химии, биологии, астрономии.
Статья рассматривает преимущества нейросимволического ИИ как гибридного подхода, сочетающего гибкость нейросетей и надежность экспертных систем для медицинских консультаций.
Переход от больших языковых моделей к «моделям мира», способным понимать физику реальности, и анализирует роль ОАЭ в глобальном технологическом противостоянии.
OpenAI выпустила специализированную модель GPT-Rosalind для ускорения фармацевтических исследований и биохимических разработок.
Современные математики активно внедряют большие языковые модели (LLM) в свои рабочие процессы, используя их как генераторы идей для доказательств. Эти идеи затем строго проверяются символьными вычислениями и SAT-солверами, превращая вероятностные догадки в математически верифицированные факты.
Две группы исследователей применили машинное обучение для поиска новых антивирусных механизмов у бактерий, обнаружив тысячи неизвестных ранее систем.
Википедия вводит запрет на использование нейросетей для создания и переписывания статей, чтобы защитить репутацию площадки от недостоверных данных.
Система The AI Scientist от Sakana AI продемонстрировала возможность полной автоматизации научного цикла в области машинного обучения.
Использование алгоритмов машинного обучения и спутниковых данных InSAR позволяет обнаруживать подготовку оползней и лавин на ранних стадиях, автоматизируя мониторинг тысяч склонов.
Генеральный директор OpenAI Сэм Альтман опроверг широко распространенные утверждения о значительном водопотреблении систем искусственного интеллекта, назвав их «совершенно не соответствующими действительности». Однако он признал, что растущие энергетические потребности ИИ представляют собой серьезную проблему, требующую ускоренного перехода к ядерной и возобновляемой энергетике. Об этом Альтман заявил в интервью The Indian Express во время своего визита в […]
Учёные MIT создали вычислительный фреймворк, моделирующий эволюцию зрения у ИИ-агентов. Инструмент помогает понять, как задачи формируют зрительные системы, и может использоваться для проектирования сенсоров в робототехнике.