2月25日

Scaling 能通往 AGI 吗？万字科普 Scaling Law 的业内争议与讨论

Dwarkesh 预计，有 70% 左右的概率人们能够通过 scaling 在 2024 年之前实现更强的 AI，这种 AI 能够实现大量认知劳动的自动化，进而促进 AI 的进一步发展。但如果 scaling law 失效，那么实现 AGI 的过程会非常漫长和艰难。本文编译自科技博主 Dwarkesh Patel 的个人博客，这篇文章首先对现阶段社区围绕 scaling law 的争议与讨论的关键问题进行了梳理，并对支持或质疑 scaling law 的声音进行了解读分析。消极观点：2024 年，高质量的语言数据将会用尽。积极观点：caling Law 真的起过作用，在各种基准测试中，模型的性能已经稳步提升了 8 个数量级。即便在计算资源增加了百万倍的情况下，模型性能的损失仍然可以精确到小数点后多位。来源：微信公众号【Founder Park】

科学家开发自动化学合成AI机器人，速度和准确性超越人类，有望用于药物合成和能源领域

荷兰阿姆斯特丹大学研究员温正慧（现任甬江实验室特聘研究员）和研究团队开发了一款自动化学合成 AI 机器人 RoboChem，通过集成现有的商业化硬件、自定义软件和闭环的贝叶斯优化算法，实现对光催化反应的全自动化运行，即自主优化、过程强化和规模化合成，并且在速度和准确性上均超过人类化学家。这款 AI 机器人可以在任何有机合成化学实验室中获得应用，相当于对用户掌握光催化方法的程度放宽了要求。RoboChem 的优势主要体现在以下几个方面。其一，基于流动化学的操作模式，能够很好地解决复杂光催化反应过程中的传质传热和光照不均匀问题，从而生成高质量、重复性强的数据集，助力于 AI 在化学领域中的应用。其二，整体优化效率高，不管是氢原子转移光催化、还是光氧化还原催化，抑或是金属协同光催化，都能在 1 天内完成对底物的优化，但如果采用传统优化方法，则至少需要几个月。其三，能够根据不同底物的性质来选择最优反应条件，并提高整个反应的安全性，让研究人员可以将注意力更多地转向化学领域的其他创造性工作，极大地释放了从事繁琐工作的时间。其四，基于该平台产生的数据集不仅包括正向数据，还包括反向数据，这有利于其他研究人员更好地开展有关 AI for Science 的研究，从而深化对反应机理的了解。来源：微信公众号【DeepTech深科技】