ИИ-ученые уже здесь: автономные лаборатории и синтетический суперинтеллект — Periodic Labs

От создания систем искусственного интеллекта, способных анализировать данные зашумленных физических экспериментов, до разработки лабораторий, где каждый прибор может стать интеллектуальным, Periodic Labs делает ставку на то, что следующий рубеж в области ИИ будет достигнут не просто за счет обучения на большем количестве интернет-данных, а за счет экспериментирования моделей с реальным миром. В этом эпизоде ​​Лиам Федус и Экин Догус Кубук из Periodic Labs присоединяются к swyx и Брэндону, чтобы объяснить, почему научные открытия принципиально отличаются от математики и программирования, и что нужно для создания ученых-ИИ, способных действительно открывать новые материалы. Мы подробно обсуждаем видение Periodic в отношении «синтетического сверхинтеллекта»: обучение с подкреплением, основанное на физических экспериментах, характеризация материалов с помощью ИИ, моделирование и теория функционала плотности, высокопроизводительные лаборатории и системы, которые учатся на протяжении всего процесса научных исследований, а не только на основе опубликованных результатов. Лиам и Экин также объясняют, почему для построения моделей на переднем крае науки по-прежнему потребуются эксперименты, почему неудачные эксперименты могут представлять собой одни из самых ценных обучающих данных, что значит наделить каждый лабораторный прибор «140 IQ» и как автономные эксперименты могут сжать десятилетия научных проб и ошибок в несколько месяцев. Мы обсуждаем: • Почему одного интеллекта недостаточно для научных открытий • Как меняется обучение с подкреплением, когда окружающая среда — это физический мир • Почему наука требует рассуждений в условиях неопределенности, шума и недостающей информации • Прогнозирование, синтез и характеризация в цикле открытия материалов • Почему физика и материаловедение все еще далеки от «решения проблем» • «Компилятор материи» и цель Periodic — синтез сверхинтеллекта • Фазовые переходы, рентгеновская дифракция и характеризация материалов с помощью ИИ • DFT, моделирование и почему эксперименты остаются окончательной истиной • Сверхпроводники при комнатной температуре, новые магниты, батареи и более эффективные вычисления • Почему квантовые вычисления могут не автоматически решить проблему открытия материалов • Что значит, что каждый лабораторный прибор должен обладать «IQ 140» • Почему качество данных и отрицательные результаты важнее, чем просто увеличение вычислительных мощностей • Обучение моделей процессу проведения научных исследований, а не конечному ответу • Почему даже будущим моделям передовых разработок все еще потребуется проводить физические эксперименты • Масштабирование автономных лабораторий Искусственный интеллект, химия, физика и специализированное оборудование • Как автоматизированные эксперименты могут значительно увеличить «площадь для удачи» при открытии новых материалов — По вопросам спонсорства и сотрудничества: business@latent.space Лиам Федус Periodic Labs Экин Догус Кубук Periodic Labs Временные метки 00:00:00 Введение 00:02:49 Искусственный интеллект и обучение с подкреплением в физическом мире 00:09:17 Полный цикл открытия материалов 00:13:28 Почему физика не «решена» 00:19:04 Компилятор материи и характеризация ИИ 00:30:22 DFT, моделирование и экспериментальная истина 00:42:27 Материалы мечты, вычисления и квантовые вычисления 00:45:57 Предоставление каждому лабораторному прибору «140» IQ 00:50:02 Автоматизация лаборатории 00:53:16 Данные, модели и отрицательные результаты 00:58:13 Обучение ИИ научному процессу 01:00:20 Почему передовому ИИ все еще нужны эксперименты 01:06:06 Масштабирование автономных лабораторий 01:10:45 Создание команды и развертывание в промышленности 01:17:01 От ИИ-помощников к научным результатам 01:20:57 Автоматизация поиска сверхпроводников