weixin_45468600的博客

我们可以有一个更具体的，例如，Bio ChatGPT或Med ChatGPT，''阿拉巴马大学伯明翰分校的计算化学家Lurong Pan说，他是Ainnocence的创始人兼首席执行官，Ainnocence是一个拥有帮助药物发现平台的生物技术公司。现在，就你得到的东西而言，它不是很准确''，他警告说。''总部位于英国牛津的制药技术公司Exscientia一直在试验LLM，将普通的英语陈述翻译成精心构建的机械断言，以帮助生成他们的知识图谱''，该公司的首席技术官Garry Pairaudeau说。

为了开发一种计算方法，加快合理的PPI稳定剂设计，Martin Zacharias和Shu-Yu Chen从能量的角度系统地研究了18个RLS的晶体结构，包括不同的稳定剂诱导和稳定剂增强的PPI配合物。虽然有PPI稳定剂的例子在临床使用，如免疫抑制剂环孢素和免疫调节酰亚胺药物（IMiDs）沙利度胺和来那度胺，大多数报道的PPI稳定剂主要是偶然的，目前没有从头设计方法赋予PPI稳定剂的发现。值得注意的是，在大多数情况下，只有无稳定剂（建模的）的RL复合物可用，而且很难在大多数平坦的界面中检测到口袋。

当然，答案并不简单。小组成员之一，来自布朗大学和谷歌AI的艾莉·帕夫利克指出，人类的理解和知识是通过语言传递的，在没有感官基础的情况下对世界有很好的理解。随着人工智能生成工具的出现，一个新的阶段可能会开始，这些工具由大型语言模型（LLM）提供动力，如文本的ChatGPT和DALL-E或图像的稳定扩散，这使数百万人能够直接访问强大的创造性应用程序。LLM显然能够处理一系列复杂的任务，而利用语言的力量被广泛证明的可能性提供了令人兴奋的、令人惊讶的科学机会—而没有触及人工智能这一难以捉摸的一般智能的概念。

科学家调查了当前人工智能（AI）研究界的一场激烈的争论，即大型预先训练的语言模型是否可以说可以理解语言——以及任何类人意义上的语言编码的物理和社会情境。他们提供了支持和反对这种理解的论点，以及根据这些论点而出现的更广泛的智能科学的关键问题。他们认为，会有一种扩展的智能科学出现，涉及到不同的理解模式、它们的优势和局限性，以及整合不同认知形式的挑战。理解某件事意味着什么？这个问题长期以来一直涉及到哲学家、认知科学家和教育工作者。然而，随着最近大规模人工智能系统的兴起——尤其是所谓的大型语言模型——人工智

Low-cost machine learning prediction of excited state properties of iridium-centered phosphors

AI-enhanced protein design makes proteins that have never existed