日韩欧美在线综合,国产色综合一区,亚洲玖玖视频,淫视频在线观看,草逼国产,国内精品视频成人一区二区,欧美日韩国产中文字幕

前不久，清華大學和北京中關村學院聯(lián)合產出的一組實驗數據在AI業(yè)界“刷屏”。在為期一周的實驗中，AI科研智能體——AutoSOTA，發(fā)現了105個超越最新人類研究成果的SOTA（當前最佳水平）模型，打破了人們對AI性能迭代效率的認知。傳統(tǒng)印象里反復打磨、徹夜調參的工作模式被徹底顛覆。

什么是AutoSOTA？以它為代表的Agent for Science（科研智能體）有何特點？AI智能體給科研帶來哪些變革？科技日報記者就此采訪了多位專家。

圖片由AI生成。

讓AI給AI“動手術”

AI for Science（人工智能驅動的科學研究）被視為科學發(fā)現的“第五范式”，已走過10余年發(fā)展道路，近年來在生命科學、材料科學、數學、物理學等許多領域取得了突出進展。比如，預測生物分子結構的AI模型AlphaFold，其開發(fā)者榮獲2024年諾貝爾化學獎。

“與其他AI for Science模型不同的是，AutoSOTA是讓AI給AI‘動手術’，用AI來革新AI模型開發(fā)、研究。這一功能就體現在AutoSOTA的命名上。”北京中關村學院學術委員會主席、清華大學電子工程系長聘教授李勇說。

SOTA即“State-of-the-Art”，是指當下性能最頂尖的AI模型，是衡量一項研究價值的“金標準”。所謂AutoSOTA，顧名思義就是“自動優(yōu)化為頂尖模型”。AutoSOTA的核心任務，就是用AI自動優(yōu)化已有模型的架構，發(fā)現那些效率更高、更節(jié)約算力、準確率更高的SOTA模型。

為何要用AI來優(yōu)化AI？北京中關村學院兼職導師、清華大學電子工程系助理教授徐豐力告訴科技日報記者，當前的SOTA研究領域，可謂是一個高水平、高強度“競技場”。一個性能最頂尖的AI模型，往往通過少量的大膽直覺和大量的持續(xù)打磨形成。以經典的Transformer結構為例，自2017年問世以來，全球科學家投入了大量人力、算力對其結構進行迭代優(yōu)化，花費了數年時間，才將其在評測基準數據集上的性能提升到90%以上。

“在當前的AI研究中，這樣迭代的優(yōu)化固然是必要的，但它也占據了科研人員很多原本可用于原創(chuàng)性探索的精力。”徐豐力說。

為了讓繁瑣的“手藝活”變?yōu)椤傲魉€作業(yè)”，AutoSOTA研究項目啟動。“我們希望AI模型跳出代碼編寫的舒適區(qū)，能處理在AI實驗中的各種復雜任務，比如配置代碼庫、實驗環(huán)境，處理實驗過程中遇到的各種突發(fā)情況等?！毙熵S力說。

科技日報記者了解到，為實現上述目標，科研團隊為AutoSOTA構建了一個多智能體協(xié)作系統(tǒng)。徐豐力介紹，該系統(tǒng)模擬了人類科學家在AI研究中的分工邏輯。每一個科研智能體都具備了完善的技能庫，既可以處理AI實驗中遇到的復雜情況，也可以做高層次思考，如反思、構思等。

推動科研過程全自動化

端到端優(yōu)化是指將系統(tǒng)或流程視為一個整體，從起始端到終止端進行全鏈路協(xié)同優(yōu)化的過程，旨在實現全局性能最優(yōu)，而非局部最優(yōu)。它可減少人工偏差、突破科學建模的瓶頸，加速科學發(fā)現閉環(huán)形成，是AlphaFold等突破性成果的關鍵技術之一。值得一提的是，在這方面，AutoSOTA研發(fā)出創(chuàng)新構思引擎、多智能體協(xié)同的并行自動科研系統(tǒng)等，實現了高效的端到端閉環(huán)的SOTA模型自動研發(fā)，將繁瑣、高強度的實驗迭代過程全自動化，而非對單一實驗環(huán)節(jié)進行局部加速。

全自動、全過程，這正是以AutoSOTA為代表的新一代AI for Science模型的特點。徐豐力解釋，過去的AI for Science模型大多是針對單一環(huán)節(jié)或任務的工具。作為特定工具，它的表現尤為出色，甚至超越人類，但其局限性也十分明顯。比如，AlphaFold雖可將科研人員原本數月才能完成的工作壓縮至幾個小時內完成，但其適用范圍僅限于蛋白質結構預測任務。

隨著OpenClaw等智能體的出現，AI for Science正逐步升級為Agent for Science。正如上海科學智能研究院院長漆遠所說，具備高能動性和自主學習能力的智能體正推動科研進入一個新的臨界點。人工智能逐漸從科研流程中的“助手”，成長為能夠參與推理決策與實驗閉環(huán)的“科研合伙人”“AI科學家”。

徐豐力特別提到，Agent for Science也有望改變AI for Science給科研帶來的“不利”影響。去年，徐豐力和團隊圍繞AI對科研的影響問題開展了大量實證研究，最終成果發(fā)表在《自然》上。該論文顯示，AI for Science雖能促進個體科學家職業(yè)生涯的發(fā)展，但也相應縮小了科學家的探索廣度。研究認為，這一現象的出現與AI for Science模型的“專用化”密切相關?！斑@就如同爬山，優(yōu)秀的AI for Science模型就像一條索道，因為索道好用，大家都順著這條索道往上爬，路線豐富度自然下降?！毙熵S力說。

而Agent for Science則有望解決這一問題。徐豐力認為，AI不再只是一個“小專家”，而是成為與人類能力相當的科研伙伴。這種角色轉變使其能與科研人員深入交流、共同探討，從而在提升科研效率的同時，也賦予研究更豐富的視角。

放大人類創(chuàng)造力

“在此次發(fā)現的105個SOTA模型中，超60%具有新穎的模型結構設計，平均性能提升達10%。”徐豐力告訴科技日報記者，更令人驚喜的是，研究證實AutoSOTA不僅能實現性能突破，也可以記錄研究過程中的思路、設計理念，產生人類可理解的研究知識。

AutoSOTA質效雙優(yōu)的表現，顛覆了人們對傳統(tǒng)科研效率的認知。數據顯示，在當前的AI研究中，研究人員普遍需要數月才能實現對SOTA模型的迭代優(yōu)化，而AutoSOTA平均只需5小時就可以發(fā)現一個新的SOTA模型。

這一變革無疑會促使業(yè)界重新思考科研創(chuàng)新的本質。“我們不禁要問自己，SOTA是否還是AI研究突破的全部內涵？什么可以定義我們人類科學家獨一無二、不可替代的價值？”徐豐力說。

許多學者對這一變革持積極態(tài)度。他們相信，通過人智協(xié)同科研模式，人類科學家或能從重復試錯中解放出來，更多地開展“從0到1”的原始創(chuàng)新，AI則幫助實現“從1到100”的快速迭代優(yōu)化，成為人類創(chuàng)造力的“放大器”。

“我認為這是Agent for Science的真正意義所在——不僅是數據提升，更是研究范式的變遷，讓科學研究重新回歸創(chuàng)新本質?！毙熵S力說。