註冊並分享邀請連結,可獲得影片播放與邀請獎勵。

檢索結果 Collecting
Collecting 貼吧
一個關鍵字就是一個貼吧,路徑全站唯一。
建立貼吧
用戶
未找到
包含 Collecting 的搜尋結果
生命科学长期以来被称为“集邮式科学”(Stamp Collecting Science)——它充斥着海量的自然语言叙述、非标准化的显微图像、碎片化的湿实验论文、手工调配的试剂配方以及充满模糊经验的机理猜想。 这种高度“非形式化(Informal)”的本质,正是过去生物科研突破周期长、试错成本极高、且无法像芯片设计或物理学那样实现自动化编译的根本原因。 AI 的核心进化能力之一是,将非形式化问题转化为形式化问题(Formalization)。 因此,AI 对生命科学的加速将不是简单的“找靶点速度加快”,而是一场从底层表征、实验执行到假设验证的全局编译化革命。 生命科学长期作为一门“经验科学”,根本原因确实在很大程度上是“有效数据规模和高保真计算量严重不足”。本质上是被以下三个极度缺乏 Scale 的现实所迫: 1、观察到的数据只是冰山一角(稀疏与长尾) 人类现有的公共生物数据,大部分是“结果快照”而非“动力学过程”。例如全球蛋白质数据库(PDB)几十年来积累的结构仅有 20 多万个,且绝大多数是结晶状态下的单一静态构象。面对大自然数以亿计的动态蛋白互作,样本量少得可怜。 2、严重的观测偏差与批次效应(Batch Effects) 过往生物学论文中的数据,来自全球数万个实验室、不同操作人员、不同批次试剂和不同显微设备。这种数据充满了系统性噪音和“幸存者偏差”(往往只报道阳性结果,海量阴性失败数据从未被记录)。用充满噪音的异构数据训练模型,很容易遭遇“垃圾进,垃圾出”。 3、维度的诅咒(Curse of Dimensionality) 一个文本 token 的嵌入维度是几千维;但一个活细胞不仅有 30 亿对碱基的 DNA,还有表观遗传修饰、数万种转录本的时空丰度、数万种蛋白质的翻译后修饰以及微环境动力学——这是一个横跨皮秒(分子运动)到数十年(衰老、疾病)的时空连续多尺度系统。在数据规模没有覆盖这个高维流形前,人类科学家只能退守到经验法则、动物实验和手工对照。 而对比大模型(LLM)的涌现依赖于 Transformer 架构 + 互联网级文本 + 自动回归自监督任务。生命科学要实现同等级别的泛化突破,其底层要素必须对齐: 1. 规模化生成“无批次效应”的原生数据(Biofoundry 工业化) 纯靠人工在高校实验室里移液,永远不可能凑齐大模型所需的自监督 Tokens。生命科学的 GPT-3 时刻,前提必须是数据生产的工业化——利用全自动化的生物铸造厂(Biofoundry)、硅基高通量芯片合成和标准化液体处理机器人,在完全一致的物理环境下,规模化、连续性地生成数十亿级的单细胞扰动、突变体结合与高内涵表型图谱。没有自动化的物理数据工厂,生命科学就没有训练集。 2. 自监督预训练任务的重构:从“掩码预测”到“物理能量与因果扰动” 在文本中,“预测下一个词”极其有效。但在生物学中,单纯的掩码语言模型(Masked Language Modeling)有其天花板。未来的基础模型需要将几何等变性、非平衡态统计物理和热力学约束直接编入注意力先验中。正如人类大脑理解物理世界不是靠背诵文字,而是靠视觉和触觉的连续交互,生命大模型需要直接在连续的时空流形中学习因果演化。 3. 闭环主动学习(Active Learning Loop) 生命系统太庞大,随机或暴力采集全部数据在物理上不可行(分子组合空间超过 10的60次方。大模型必须扮演“科学假设生成器”,自动计算出认知不确定性最高的领域,自动指挥物理机器人去合成、测试并回传数据。这种“模型假设 -》自动化实验-〉权重更新”的循环加速,是催生 Scaling 质变的关键催化剂。 当然,生命科学的发展终局,可能也不会彻底变成纯粹的数学推演,而会演化为一种“极高置信度推演 + 物理不可约验证”的新范式: 大模型确实能把目前人类难以理解的万级基因互作网络,压缩为高度精准的潜空间向量变换,人类不用再手工去画繁琐的通路图。从这个角度看,传统的“经验直觉”会被强大的高维统计几何彻底取代。 正如物理世界的计算不可约性时规律所告诉我们的,哪怕大模型在数字空间里给出了 99.9% 确定性的抗癌药设计方案,药物在真实复杂活体(包含免疫系统、肠道微生物、全身循环系统)中的毒副作用与代谢,仍受微观随机多体动力学统治。它依然需要活体或器官芯片运行自身的物理时钟来进行终极校验。 从科学发展史来看,化学在门捷列夫之前也是纯粹的“炼金经验科学”,直到元素周期律和量子力学奠定了物理底座;生命科学当前正处在类似的拐点——它过往的“经验属性”,在很大程度上确实是因为我们只能用肉眼和试管观察局部。当数据通量和算力 Scale 越过特定相变阈值时,生命科学将从一门靠经验归纳的描述性学科,质变为一门具备高预测精度的形式化工程科学。
顯示更多
0
25
220
43
轉發到社區
It was supposed to be a romantic proposal scene, but upon closer reflection, I realized that the young man's comment about "scrap collecting" was his true feeling!本来应该是浪漫的画面,不过仔细琢磨一下,觉得小伙子好像说得是心里话!#AmazingChina#
顯示更多
0
17
229
10
轉發到社區
AI really isn’t that mysterious. 叼毛们,AI 真没那么玄。 I’m not a coder, but with Codex, I still built my own small web page. 不是程序员, 用 Codex 也能慢慢搭出一个自己的网页。 Not perfect. But it works. It can run, display, and be improved. 不完美, 但能跑、能看、能继续改。 Meanwhile, some people are still selling “magic prompts” and beginner courses. 有些人还在卖“万能提示词”和“AI入门课”。 Nothing wrong with learning. But at some point, you need to stop collecting lessons and start building something. 一直准备学习,真不如先做出一个东西。 Build first. Improve later. 先做出来, 再优化。 强过纸上谈兵 #AI# #ChatGPT# #Codex# #AITools# #NoCode# #BuildInPublic# #Productivity# #WebTools# #DigitalTools# #WorkSmarter# #AI时代# #工具分享# #效率工具#
顯示更多
Im Yours 🩷🫶🏻 Waifu Collection 9 is now open for pre-order! 🩷 Available Worldwide🫶🏻 《Waifu Collection 9》現已正式開放預購!🩷 全球可訂購🌏 Featuring: Nami, Asuna, Tifa & Inori 🧡⚔️❤️🩷 Can’t wait for you to see it 🥹✨ 📸小内 @kevin.lee.338
顯示更多
0
1
248
9
轉發到社區