Google DeepMind 回顧 AlphaFold 五年來的科研影響
Google DeepMind 回顧 AlphaFold 自 2020 年以來的科研影響,稱 AlphaFold 2 解決了蛋白質結構預測問題。AlphaFold Protein Database 已被超過 3 million 名研究者在 190 多個國家使用,逾 30% 的 AlphaFold 相關研究聚焦於疾病理解。
Google DeepMind 回顧 AlphaFold 自 2020 年以來的科研影響,稱 AlphaFold 2 解決了蛋白質結構預測問題。AlphaFold Protein Database 已被超過 3 million 名研究者在 190 多個國家使用,逾 30% 的 AlphaFold 相關研究聚焦於疾病理解。
OpenAI 表示,AI 正快速發展,人們有機會塑造其發展方向,將其引向探索、安全與惠及所有人的更美好未來。
Chime CMO Vineet Mehra 分享 AI 如何將市場營銷重塑為智能體驅動模式。他認為,重視 AI 素養並審慎採用 AI 的領導者將推動增長。
OpenAI《日本經濟藍圖》闡述日本如何運用 AI 推動創新、提升競爭力,並促進可持續且具包容性的增長。
Figma 正利用 AI 重塑數碼設計工作流程。David Kossnick 分享 Figma Make 等工具如何協助團隊以 AI 製作原型、協作及構建,並改變設計師、開發者和非技術創作者的工作流程。
Sayash Kapoor 分析 AI 對科學制度的影響,認為 AI 可能加劇論文產量上升與實際科研進展之間的落差,但這並非必然。文章指出,發表數量導向、計算研究軟件品質不足,以及以預測準確度取代理解,都可能造成瓶頸;作者主張加強錯誤檢測、元科學研究及對人類理解的支持。
Manus 回顧推出三個月以來的用户應用與產品改進,並提出研究、文件生成和跨應用整合等後續發展方向。為改善使用體驗,Manus 加入聊天模式和新手使用指南,並透過架構及基礎設施優化,將速度提高 2 倍、成本降低 5 倍。用户已將其用於研究、網站製作、簡報、圖像和影片生成,以及數據可視化。
Sayash Kapoor 認為,AGI 不是可操作的發展里程碑,因為系統能力達標不會直接帶來經濟、政策或安全影響。文章指出,AI 的經濟影響取決於產品、職場培訓、組織調整等互補條件,擴散通常以數十年計;作者亦區分模型能力與 AI 在環境中獲得的權力,主張企業及政策制定者應聚焦安全、有效的 AI 擴散,而非 AGI 宣告。
Hugging Face 從倫理角度分析 AI 智能體,指出自主性愈高、人類交出的控制愈多,相關風險也隨之增加,並建議不要開發完全自主的智能體。文章認為,半自主智能體的效益與風險取決於自主程度、可執行任務及人類控制方式,並梳理準確性、私隱、安全和信任等面向的取捨。作者建議建立嚴謹評估、追蹤社會影響並加強透明披露,也認為開源有助擴大參與和問責。
Arvind Narayanan、Benedikt Ströbl 和 Sayash Kapoor 認為,現有證據不足以判定 AI 進展放緩或模型擴展已經終結,並指出業界人士的預測會受商業利益與技術視角影響。他們認為,推理時計算擴展短期仍有不少改進空間,但能力提升可能因任務領域而不均,且難以預測。文章指出,AI 對社會和經濟的實際影響更受產品開發及採用速度制約,而非單由能力進展決定。
Sayash Kapoor 分析 WIRED AI Elections Project 收錄的2024年全球選舉78宗 AI 使用案例,指出政治錯假資訊並非 AI 問題。其中39宗沒有欺騙意圖;對於其餘具欺騙意圖的案例,作者估算相似內容不用 AI 製作,成本也不超過數百美元。文章主張分析及應對政治錯假資訊時,應重視需求端與制度因素,而非只着眼於 AI 生成內容的供應。
跨領域藝術家 Minne Atairu 分享 Sora 如何協助她實現創作願景。她談及 Sora 對實現其藝術構想的幫助。
OpenAI 分享其在 22 個國家的交流中學到的內容,並説明未來將如何納入這些見解。
OpenAI 的使命是確保通用人工智能(AGI)造福全人類;文中將 AGI 描述為普遍比人類更聰明的 AI 系統。
OpenAI 指出,深度學習是一門實證科學,團隊基礎設施的質素會放大進展。現有開源生態令任何人都能建立優良的深度學習基礎設施。
OpenAI 指出,有影響力的科學工作應聚焦於合適的問題:問題不但要有趣,其解決方案也必須重要。