推 kuninaka: 你真的很大膽 03/19 11:32
→ error405: AI都能速解蛋白質了怎會沒突破 03/19 11:32
→ Recoverism: 我又想縮回去了，拜託哪個非資訊領域的大神在十年內 03/19 11:33
→ Recoverism: 打臉我 03/19 11:33
→ Recoverism: AI應用於醫學算是應用面，可以加速分析，但要解決癌 03/19 11:34
→ Recoverism: 症，還是要有關鍵的技術發明？ 03/19 11:34
→ melzard: 你要不要回想一下400年前是什麼時代 現在就講400年後沒進 03/19 11:35
→ melzard: 步？ 03/19 11:35
推 arrenwu: 醫學、生物那邊瓶頸卡在實驗端 03/19 11:35
→ Recoverism: 因為400年前，我們連表層機制都搞不懂。現在，表層機 03/19 11:35
→ Recoverism: 制基本上都已解決 03/19 11:35
→ Recoverism: 實際上的底層機制，一個組織的調節，涉及20、30個分 03/19 11:36
→ Recoverism: 子傳遞的pathway，釐清哪段重要，基本上目前難以突破 03/19 11:36
→ Recoverism: 機械領域，流體問題看似已解決，但超高速段的流速模 03/19 11:37
→ Recoverism: 型依然是用模擬搞定 03/19 11:37
推 k1k1832002: 其實打臉機率可能很大,因為量子計算進展蠻快的,最近D- 03/19 11:37
→ k1k1832002: WAVE的磁性材料模擬就比較接近實用端了,目前逐漸加快 03/19 11:37
→ k1k1832002: 的AI輔助研究(OPENAI跟谷歌都有初階的實用化),到數位 03/19 11:37
→ k1k1832002: 孿生,這些綜合效應可以讓科學家有相當程度的進展速度 03/19 11:37
→ k1k1832002: 再加上科學家在取得文獻跟數據在AI系統發展輔助下可以 03/19 11:39
→ k1k1832002: 更有效跨學科,以前要靠點運氣,現在都靠AI,畢竟數據跟 03/19 11:39
→ k1k1832002: 資訊就是AI最厲害 03/19 11:39
→ ThreekRoger: 反正也沒人能證實，是原地踏步還是超進化都隨便掰 03/19 11:42
→ d58974: 20世紀初期物理學家也認為物理學剩修修補補,然後相對論跟 03/19 11:47
→ d58974: 量子力學表示:嗨 03/19 11:47
→ Numenor: 像感應器的應用先有光電效應的理論出來才有材料能實現， 03/19 11:49
→ Numenor: 不過現在理論物理也停滯好長一段時間了 03/19 11:49
推 lifehunter: 400年前的醫療是不是還在吃瀉藥跟放血... 03/19 11:52
推 k1k1832002: 我拿我perplexity的一個操作為例 03/19 11:57
→ k1k1832002: 像當前初階一般人應用可以這樣,那不用說如果再一年迭 03/19 11:57
→ k1k1832002: 代以及研究用的可以到什麼程度了XD 03/19 11:57
→ k1k1832002: (之所以說初階是因為現在幻覺以及細節查核真的還差很 03/19 11:57
→ k1k1832002: 大一段,要自己進一步判斷的地方很多,不過至少要先有框 03/19 11:57
→ k1k1832002: 架再慢慢補充跟修正) 03/19 11:57
→ k1k1832002: (如果縮網址不喜以下是原址) 03/19 11:57
→ k1k1832002: -de-suan-li-w-P6a6Z05pSiiNYFFdiGlw7g 03/19 11:57
→ HolyBugTw: AI? 400年後可以證明p=np之類的嗎？ 03/19 12:04
→ Recoverism: k大說的不錯 03/19 12:08
→ e2699096: 你看看現在ai進步的速度...說不定有生之年真的看的到移 03/19 12:45
→ e2699096: 民火星 03/19 12:45
推 tsubasawolfy: AI會是突破點沒錯。現在跨領域資訊給AI蒐集整理的 03/19 12:46
→ tsubasawolfy: 效率比起自己找或者花錢請人找還有效率跟系統化 03/19 12:47
→ tsubasawolfy: 尤其是Deep research的出現代表傳統論文的Introduct 03/19 12:47
→ tsubasawolfy: ion可以廢了 90%可以給他完成 03/19 12:47
→ tsubasawolfy: 蛋白質那個alphafold深入摸一下後就知道還是有它的 03/19 12:48
→ tsubasawolfy: 侷限性在。PDB上面沒有的區域就只會給你一坨飛天麵 03/19 12:48
→ tsubasawolfy: 條的結構，當然 AF3 的預測相較以前已經可以節省猜 03/19 12:49
→ tsubasawolfy: 互動區域的時間，但還有一段路要走。 03/19 12:49
→ tsubasawolfy: 回到你說的深層互動問題，我覺得學術界要先面對一個 03/19 12:50
→ tsubasawolfy: 很重要的問題，就是那些高分發表也有可能是錯的 03/19 12:50
→ tsubasawolfy: 不然深層的多層次互動反而是AI擅長但人腦無法處理 03/19 12:51
→ tsubasawolfy: 只是它們推導出來的結果如果跟以往發表相衝的話該 03/19 12:51
→ tsubasawolfy: 如何去解決? 雖然AI推導會有錯，但真實環境也是 03/19 12:52
→ tsubasawolfy: 當初那個浩浩蕩蕩要重現100篇歷史突破論文的計畫 03/19 12:53
→ tsubasawolfy: 最後真的重現的有多少? 03/19 12:53
→ tsubasawolfy: 過往瞎子摸象的歸納在AI出現後大概會先變成模擬後 03/19 12:55
→ tsubasawolfy: 限縮可能變因在現實中重現驗證吧 03/19 12:55
推 b852258: 我覺得我的年代智慧型手機的發展應該是最有感的，從國高 03/19 14:44
→ b852258: 中要出門還要先查地圖，到現在可以智慧導航，真的已經忘 03/19 14:44
→ b852258: 記那段出門找路的日子了 03/19 14:44
噓 ck960817: 達克效應 03/19 15:01