领域
艾维·维格森、杰弗里·辛顿、汤晓鸥……盘点2024那些站在AI背后的科学家
2024年，人工智能的发展势头异常迅猛。 这一年，GPT-4o、Sora、o1以及最近的DeepSeek V3等广为大众所知的重大突破相继发布，每一次都引发了广泛的讨论热潮，也让Sam Altman、黄仁勋、马斯克等业界领袖频频登上媒体热搜榜。 但在科研领域，还有一群鲜为大众所知、但在业内享有极高赞誉，却一直默默耕耘为AI进步贡献力量的科学家，同样值得铭记。
诺奖颁给交叉学科，对「AI for Science」意味着什么？
编辑 | X_X2024 年 10 月 8 日，诺贝尔物理学奖授予了两位 AI 领域的科学家，以表彰他们的发现。诺贝尔奖评审团表示，被誉为「人工智能教父」的英裔加拿大科学家 Geoffrey Hinton 和美国物理学家 John Hopfield 因「利用人工神经网络实现机器学习的发现和发明」而获得该奖。这一切意味着什么？Geoffrey Hinton 和 John Hopfield 的研究主要围绕人工神经网络（ANN）的发展，这是一种模仿人脑神经元连接方式的计算模型。Hinton 在深度学习领域的贡献尤其突出，
盖茨谈当前 AI 市场：准入门槛低吸引海量资本涌入，狂热程度远超互联网泡沫
感谢微软联合创始人比尔・盖茨（Bill Gate）作客《下一个伟大的构想》（the Next Big Idea）播客节目，表示现在 AI 市场的狂热程度远超互联网泡沫。盖茨认为当前 AI 领域的准入门槛非常低，且整个市场处于狂热期，AI 初创公司可以比较轻松地拿到数亿美元的融资，甚至还有人为一家公司筹集了 60 亿美元（IT之家备注：当前约 437.34 亿元人民币）现金。盖茨认为如此多的资本扎堆涌入新领域是前所未见的，无论从市值以及估值角度来看整个 AI 市场已经陷入“狂热”状态，其程度让历史上互联网、汽车时期的
浙大、腾讯团队发布科学LLM大规模评测基准，国产大模型表现亮眼
编辑 | ScienceAI随着大型语言模型（LLMs）在科学研究领域的广泛应用，评估这些模型在理解和应用科学知识方面的能力变得尤为重要，但是科学领域全面评估 LLMs 科学知识的高级基准非常缺乏。近日，来自浙江大学 NLP 实验室与腾讯 AI Lab 的研究者构建了 SciKnowEval 评测基准，定义了 L1 到 L5 不同层级的科学智能，共包含化学和生物领域 50,000 个不同层次的科学评测题目，并利用该数据集用于对 20 个开源和闭源 LLMs 进行基准测试。其中，拥有千亿至万亿参数的通用大语言模型如
2024智源大会议程公开丨人工智能人才发展交流会
2024年6月14日-15日，第6届北京智源大会将以线下与线上结合的形式召开，线下会场设在中关村国家自主创新示范区会议中心。2024智源大会再次以全球视野，汇聚年度杰出工作研究者，交流新思想，探讨新思路，引领新前沿。目前已正式开放报名渠道。人工智能人才发展交流会丨6月14日下午2024北京智源大会将举办人工智能人才发展交流闭门会， 诚邀您共同探讨人工智能人才发展的关键议题。论坛将围绕具身智能领域、自然语言领域、机器视觉领域、多模态领域、强化学习领域、AI for Science等方向进行讨论，为您提供与智源科研专家
从材料设计合成，到催化剂创新、碳中和，清华王笑楠团队探索「AI+材料」前沿与落地
作者 | 清华大学王笑楠编辑 | 凯霞在当今科技飞速发展的时代，新材料的研究与开发已成为推动科学进步和工业革命的关键力量。从能源存储到信息技术，再到生物医药，创新材料的设计、合成及其功能表征是实现这些领域突破的基石。随着人工智能（AI）技术的不断进步，其在新材料研究中的集成应用已逐步开启一个全新的研究范式，成为超越传统研发模式的新质生产力，特别是在材料的设计、合成和表征过程中，AI 的助力大大提高了研究效率和精度。「17 岁上清华，27 岁做博导，30 岁回归清华，90 后科研女神，入选 2023 全球学者终身学术
韩国计划到 2027 年在 AI 半导体领域投资 9.4 万亿韩元，目标成为 AI 技术三强
据韩联社消息，韩国总统尹锡悦在昨日举行的韩国“半导体领域待审问题会议”上表示，韩国政府计划到 2027 年在 AI 半导体领域投资 9.4 万亿韩元（IT之家备注：当前约 502.9 亿元人民币）。除了直接投资外，韩国还计划创建一笔价值 1.4 万亿韩元（当前约 74.9 亿元人民币）的基金，帮助 AI 半导体创企的发展。尹锡悦称当前的半导体竞争是“一场工业领域的战争，一场国家层面的战争”，因此韩国需要在未来 30 年在 AI 领域建立如现在存储产业的影响力。为此韩国将全面审查半导体产业投资激励政策，建立同这一“战
微软“背刺”谷歌：训练 AI 上有搜索引擎和 YouTube 两大天然资源优势
欧盟委员会于今年 1 月开始针对 AI 领域展开调查，主要评估科技巨头们是否存在垄断行为。微软在接受问询时为了强调其没有反垄断行为，称谷歌在该领域有两大天然优势，该领域存在竞争。微软在接受欧盟委员会调查时强调，谷歌目前在训练 AI 方面有两大天然优势，其一是搜索引擎提供了海量资源，其二是 YouTube 平台，提供了约 140 亿个视频，谷歌可以利用这些数据训练 Gemini 模型，而其它 AI 开发商却无法访问。IT之家从报道中还获悉，微软为了进一步强调生成式 AI 领域存在竞争，表示谷歌和苹果很早就发力语音助手
浙大团队发布 75 页科学 LLM 调查，重点关注生物和化学领域，指出七个未来发展方向
编辑 | X大型语言模型 (LLM) 已成为增强自然语言理解的变革力量，代表着通用人工智能的重大进步。LLM 的应用超越了传统的语言界限，涵盖了科学领域各学科中开发的专业语言系统。这也导致了科学 LLM 的出现。作为科学人工智能（AI for Science）领域的一个新兴领域，科学 LLM 值得全面探索。然而，目前缺乏系统的、最新的调查来介绍它们。近日，来自浙江大学的研究团队，系统地描述了「科学语言」的概念，同时对科学 LLM 的最新进展进行了全面回顾。鉴于科学学科领域广阔，该分析重点关注生物和化学领域。这包括对
AI4Science还是伪命题吗？两年后workshop组织者重新审视AI4Science
DALL⋅E 想象的 2023 年 AI for Science（与AI4Science目前的发展类似：图像不完美，许多单词拼写错误）。作者 | AI4Science workshop组织者编辑 | ScienceAI2021年，一群热血青年提出了要把AI4Science（AI for Science）带入机器学习顶会NeurIPS。什么？AI4Science是一门学科吗？是不是靠着AI蹭热点？各种质疑声接踵而来。这些质疑和不解也反映在了第一届AI4Science workshop的较为平淡的群众参与度上。时过境迁
230页长文，涵盖5大科学领域，微软团队使用GPT-4探索LLM对科学发现的影响
编辑 | 紫罗前不久，微软 DeepSpeed 团队启动了一个名为 DeepSpeed4Science 的新计划，旨在通过 AI 系统优化技术实现科学发现。11 月 13 日，微软团队在 arXiv 预印平台发表题为《大型语言模型对科学发现的影响：使用 GPT-4 的初步研究》（「The Impact of Large Language Models on Scientific Discovery: a Preliminary Study using GPT-4」）的文章。文章篇幅长达 230 页。论文链接：，自然
获1000万美元捐款，用于代码重构、上云，论文预印版平台arXiv「好起来了」
上云、代码重构一起来。对于节奏越来越快的学术研究领域而言，arXiv 是非常重要的论文预印版平台。和维基百科一样，它是个非营利性机构。当地时间本周四，康奈尔大学科技校区（Cornell Tech）宣布了 arXiv 获得巨额捐款的好消息。作为一个非营利数据库，arXiv 是所有人均可以免费访问的，长期以来一直依赖人们的捐赠。康奈尔科技校区宣布，西蒙斯基金会和美国国家科学基金会（NSF）已提供了总额超过 1000 万美元的赠款以支持 arXiv。据介绍，这笔资金将使这个拥有超过 200 万篇论文的研究存储库迁移到云端
大模型与知识图谱融合？爱数推出基于大模型的领域认知智能产品与方案
大模型的影响力正在深入各行业，对各厂商而言，既是机遇也是挑战。2023年世界人工智能大会期间，超过30家大模型厂商在上海亮相，有人在大炼模型，也有人迅速找到场景落地，事实上在大模型出现之前就已经有一些天然的场景需求。在数据总量越来越大的今天，数据存储、数据管理、数据xx的重要性正在B端企业凸显。换句话说数据已经成为企业的有形资产，数据治理正在成为新经济增长的重要方向之一。越来越多数据厂商正在思考——如何用大模型赋能数据治理。2023世界人工智能大会期间，爱数在“大模型时代的领域认知智能”论坛上宣布，全面升级AnyS
大模型如何实际在行业落地：生成式大模型结合知识库，打造出7*24小时永远在线的超级员工
大模型构建人机协同的新型生产关系。采访嘉宾 | 中关村科金AI平台能力中心作者 | 刘燕 infoQ对话式AI产品拥抱大模型 一个大胆的决定自2014年成立以来，中关村科金就选择专注于企业服务赛道提供对话场景服务，聚焦生成式AI技术，包括领域大模型、大数据分析、多模态交互三大核心技术。如今基于这三大类核心技术，已形成了一套完备的技术体系，并构建了一个基础的技术底座——即生成式的得助对话引擎。这些底座式的能力都由AI平台能力中心来提供支持的。这是一个在内部被定义为偏底层、汇聚“原子能力”的地方。这个能力中心，既要构
ICLR 2023 Oral | 漂移感知动态神经网络加持，时间域泛化新框架远超领域泛化&适应方法
在领域泛化 (Domain Generalization, DG) 任务中，当领域的分布随环境连续变化时，如何准确地捕捉该变化以及其对模型的影响是非常重要但也极富挑战的问题。为此，来自 Emory 大学的赵亮教授团队，提出了一种基于贝叶斯理论的时间域泛化框架 DRAIN，利用递归网络学习时间维度领域分布的漂移，同时通过动态神经网络以及图生成技术的结合最大化模型的表达能力，实现对未来未知领域上的模型泛化及预测。本工作已入选 ICLR 2023 Oral (Top 5% among accepted papers)。
AI+Science技术实践与产业应用中的挑战与机遇
「机器之心2021-2022年度AI趋势大咖说」聚焦「驱动未来的AI技术」与「重塑产业的AI科技」，推出线上分享，共邀请近40位AI领域知名学者、产业专家及企业高管通过主题分享及多人圆桌等形式，与行业精英、读者、观众共同回顾 2021年中的重要技术和学术热点，盘点AI产业的年度研究方向以及重大科技突破，展望2022年度AI技术发展方向、AI技术与产业科技融合趋势。
如何更科学地研究AI+科学？顶级学者将云集这次ICML研讨会
ICML将举办一个AI+科学的研讨会，由来自全球顶尖机构的研究人员举办，集结了AI+各科学领域的领跑者。
工业环境中对机器学习的行业视角
编辑/凯霞Google Applied Science 是 Google Research 的一个部门，将计算方法，尤其是机器学习，应用于广泛的科学问题。不久前帕特里克·莱利（Patrick Riley）还是该部门软件工程师之一，现在是 Relay Therapeutics 的人工智能负责人，他与《Nature Reviews Materials》谈论了他在工业环境中从事机器学习项目的经验。你能告诉我们一些关于你所做的事情以及谷歌机器学习研究的事情吗？我在 Google Applied Science () 的小组