10月27日至28日，首届天桥脑科学研究所AI驱动科学研讨会在美国旧金山举行。包括三名诺贝尔奖获得者和斯坦福大学名誉校长在内的 20 多位全球顶尖学者和行业领袖共同探讨了人工智能如何推动科学发现。盛大集团和天桥脑科学研究所创始人陈天桥在会上宣布，将投资10亿美元算力，支持国际科学家的人工智能创新研究。他说：“人类的进化没有停止，只是方法变了。未来，人类的进化将更多地依赖人工智能。”陈天桥：发现智能是终极的通用人工智能。本次会议由加州大学伯克利分校计算、数据科学与学会学院天桥脑科学研究所联合主办。陈天桥说人工智能的最终价值是发现。发现智能可以积极开发关于世界的可测试的世界模型，提出错误的假设，并通过与世界的互动和自我反思不断改变对其框架的理解。这就是通用人工智能的真正定义。陈天桥认为，发现智能可以提出问题而不仅仅是回答问题，理解模式而不仅仅是预测结果。它超越了模仿，具备了创造和发现这些智能的必备能力，使得通用人工智能（AGI）的定义不再是“取代人类”而是“进化人类”。为了帮助全球科学家推进基于发现的研究，陈天桥在会上宣布了多项专门针对年轻科学家的支持，包括为博士生和博士后提供独立路径，并建立以自己命名的实验室。奥马尔·雅奇：A我已经成为一个新的科学思想体系。一台零能耗的便携式集水装置被放置在空气湿度低于15%的极其炎热的美国沙漠“死亡谷”，它很快成功地从环境中提取了饮用水。旅行者的救生神器是由chatgpt分子优化和编辑的材料制成的。 2025年诺贝尔化学奖新任获得者、加州大学伯克利分校奥马尔·亚吉教授根据最新成果揭晓。 “人工智能不是一种工具，而是一种新的科学思想体系。通过人工智能，我们赋予科学思考、推理和改变自身的能力。”奥马尔·雅奇说道。除了AI-Desert设计的神器Desert Water之外，Omar Yaqi和他的团队还基于ChATGPT创建的七种代理组建了虚拟科研团队。他们分工执行实验设计、文献检索、算法优化等任务化、实验安全性和数据分析。他们在几天内完成了数百次实验，取得了惊人的结果。同时，他们训练 Chatgpt 读取数千份综合报告并执行基准测试，证明该模型的预测性能优于许多传统启发式方法，Chatgpt 从文本生成器演变为科学推理引擎。大卫·贝克：人工智能颠覆生命密码 2024 年诺贝尔化学奖获得者、华盛顿大学阿克教授大卫·贝克 (David B. Baker) 分享了人工智能如何在蛋白质工程领域“从头开始设计”。他介绍了其团队开发的RFDiffusion3模型，这是一种能够在三维结构空间中运行的先进生成式AI模型。研究人员只需输入所需的分子功能，模型就会生成具有相应功能的新型蛋白质的精确三维结构蓝图。基于这项技术，团队取得多项突破性成果：在神经退行性疾病研究领域，设计了一种能够特异性捕获β-淀粉样蛋白的新型肽缀合物，为干预阿尔茨海默病提供了新策略；在酶工程领域，成功研发出第一个“从头设计”蛋白酶。贝克教授表示，人工智能模型的快速发展高度依赖于与实验数据紧密耦合的“反馈闭环”。他强调，良好的“设计-构建-测试-学习”迭代循环至关重要：AI进行预测设计，实验室进行快速验证，实验产生的数据立即反馈到模型以优化算法参数。 Jennifer Dodner：人工智能开启了个性化基因治疗的时代。使用 CRISPR 技术开发的镰状细胞病基因疗法已获得美国食品和药物管理局的批准。第一个“个性化”CRISPR基因编辑疗法已成功实施。 2020年诺贝尔化学奖获得者、加州大学伯克利分校詹妮弗·杜德纳教授在演讲中分享了突破性进展。 Jennifer Downer回顾了从细菌中Cas核酸酶的发现到CRISPR基因编辑技术最终诞生的完整历程，并指出该领域面临的巨大挑战：尽管CRISPR技术非常强大，但即使在最简单的生物体中，多达40%的主要基因的功能仍未得到解决。这极大地阻碍了基因编辑技术在更深层次领域的进步。 Jennifer Dowdner 强调，生物学领域的数据是有限的，构建有效的生物学机器学习模型需要“精心策划的包含因果关系的数据集”。正因为如此，他提出了CRISPR与机器学习的协同进化。 CRISPR技术可用于系统地创造“基因p”细胞系中的“扰动”，从而大规模、高效地筛选和识别每个基因的特定功能。它为因果数据集提供了关键工具。约翰·亨尼西：人们应该保留基本的决策权。人工智能正在以前所未有的方式席卷全球，不到一年的时间就达到了美国家庭普及率的50%。个人电脑花了几十年才达到同样的数字，智能手机则需要10多年。约翰·亨尼西，斯坦福大学获奖者Alphabet 第十任总裁、现任董事长（magGoogle 旗下公司龙虾埃西）在题为《AI 赋能科学与社会》的演讲中强调了这一惊人现象，指出了人们在 AI 技术浪潮面前应坚持的主要原则：在使用 AI 或与 AI 合作完成工作时应保持“透明披露”；应为人工智能合成的数据建立编辑文档。他进一步强调，在涉及人工智能的关键决策时，人类不应被排除在外。约翰·轩尼诗也有两个担忧。一是数据的质量和数量。按照目前人工智能模型数据消耗的惊人速度，世界现有的数据存量可能会在 4 到 5 年内耗尽。未来，如果aof的数据生成速度能够保持大型AI模型训练的速度。第二个是关于能源效率。与算力的快速增长相比，计算的“能效”却较慢。据悉，研讨会还将举办陈学会科学奖人工智能加速研究颁奖典礼，三位去年获奖的青年科学家将分享他们在该领域的研究成果和获奖经验。 特别声明：以上内容（如有则包括照片或视频）均已上传发布由自媒体平台“网易号”用户编辑。本平台仅提供信息存储服务。 注：以上内容（如有，包括图片、视频）由网易HAO厂商上传发布，网易HAO为社交媒体平台，仅提供信息存储服务。