11:02IT之家(博客/媒体)精选72°图灵奖得主理查德·萨顿指出,普通生成式AI(如大语言模型)缺乏自我评估与持续筛选能力,因此难以完成真正的科学发现。他认为科学发现需要变异、评估和选择性保留三步,而生成式AI只擅长生成变体,缺少测试环节来筛选更好方案。萨顿列举AlphaGo、AlphaFold等系统作为正面案例,这些系统都有评估闭环。他还批评AI行业过度押注更大语言模型,更看好能与环境互动、从经验中学习的AI智能体。行业生成式AI科学发现强化学习评估闭环理查德·萨顿推荐理由:萨顿点出了生成式AI在科学发现上的根本局限,做AI研究和科学发现的团队值得反思:你的系统有评估闭环吗?原文
01:41Decoder@Matthias Bastian76°图灵奖得主Richard Sutton指出,传统生成式AI的核心缺陷在于无法评估自身结果,因此无法实现真正的科学发现。他认为,没有内置评估循环,AI产生的创新只是昙花一现,无法积累。相比之下,AlphaGo和AlphaProof等系统通过内置评估机制展现了真正的创造力。Sutton的观点挑战了当前大语言模型在科学研究中的主导地位,强调评估能力是AI实现科学突破的关键。AI模型生成式AI科学发现评估循环AlphaGoRichard Sutton推荐理由:Sutton戳中了生成式AI的致命短板——没有自我评估能力,做科研的团队和AI开发者值得深思:你的模型真的能推动科学发现吗?原文
12:16OpenAI@OpenAI (@OpenAI)OpenAI 与研究员 Terence 对话,探讨 AI 如何减少研究中的认知摩擦,帮助保留发现背后的路径,并拓展数学家和科学家可尝试的范围。Terence 认为 AI 能加速科研流程,让研究者更专注于创造性思考。该讨论反映了 AI 在科学发现中的潜在变革作用。行业AI 研究认知摩擦科研工具OpenAI科学发现10 个信源在谈推荐理由:科研人员关注:AI 正在改变研究方式,减少繁琐工作,让你更专注于创新。建议点开了解未来科研工具的新方向。原文
12:15OpenAI@OpenAI (@OpenAI)菲尔兹奖得主陶哲轩在 OpenAI 的推文中表示,AI 为研究者创造了更多实验空间,可以测试意想不到的路径,发现原本难以触及的成果。他认为 AI 能赋予研究者追求“更疯狂”想法的自由。这一观点强调了 AI 在加速科学发现和拓展研究边界方面的潜力。行业AI 科研陶哲轩OpenAI科学发现研究工具10 个信源在谈推荐理由:陶哲轩的观点直击科研痛点——AI 降低了试错成本,做基础研究或探索性项目的学者值得听听这位顶级数学家的判断。原文