Anthropic 正在启动一项 AI for Science 计划,以支持那些从事“高影响力”科学项目的研究人员,重点关注生物学和生命科学应用。
该计划于周一宣布,将在六个月内为“合格”的研究人员提供最多 20,000 美元的 Anthropic API 信用额度,研究人员的选拔依据是他们对科学的贡献、所提研究的潜在影响以及 AI 在有意义地加速其工作方面的能力。入选者将获得 Anthropic 标准 AI 模型套件的使用权限,其中包括公司所有公开的 Claude 系列模型。
Anthropic 在博客文章中写道:“先进的 AI 推理和语言能力可以帮助研究人员分析复杂的科学数据、生成假设、设计实验并更有效地传达研究成果。我们尤其关注利用 AI 加速诸如理解复杂生物系统、分析基因数据、加速药物研发(特别是针对一些全球最大疾病负担)、提高农业生产力等过程的应用。”
Anthropic 是众多看好 AI 在科学领域应用的科技公司之一。今年早些时候,Google 推出了“AI co-scientist”,该科技巨头表示该工具能够帮助科学家制定假设和研究计划。Anthropic 与其主要竞争对手 OpenAI 以及 FutureHouse 和 Lilia Sciences 等公司均声称,AI 工具可以大幅加速科学发现,尤其在医学领域。
然而,许多研究人员认为,目前的 AI 在指导科学研究过程中并非特别有用,这主要归因于其不可靠性。
开发“AI scientist”面临的部分挑战在于需要预见大量难以预料的干扰因素。AI 或许能在需要广泛探索的领域发挥作用,例如从海量可能性中筛选出候选项,但目前尚不清楚它是否能够进行那种跳出常规的解决问题方式,从而带来真正的突破。迄今为止,为科学设计的 AI 系统的成果大多未达到预期。2023 年,Google 表示在其一款名为 GNoME 的 AI 帮助下,大约合成了 40 种新材料,但外部分析发现,这些材料中实际上没有一种是真正意义上的全新成果。
Anthropic 无疑希望其此次努力能够优于以往的尝试。
该公司表示,其 AI for Science 计划的入选者将于每个月的第一个星期一依据科学价值、潜在影响、技术可行性以及生物安全审查标准 ( i.e. 确保所提研究不会被用于有害应用 ) 进行遴选。研究人员可通过公司网站上的表格进行申请,所有申请材料将由 Anthropic 进行审核,审核团队中包括相关领域的主题专家。
好文章,需要你的鼓励
苏州大学研究团队提出"语境降噪训练"新方法,通过"综合梯度分数"识别长文本中的关键信息,在训练时强化重要内容、抑制干扰噪音。该技术让80亿参数的开源模型在长文本任务上达到GPT-4o水平,训练效率比传统方法高出40多倍。研究解决了AI处理长文档时容易被无关信息干扰的核心问题,为文档分析、法律研究等应用提供重要突破。
在Cloudera的“价值观”中,企业智能化的根基可以被概括为两个字:“源”与“治”——让数据有源,智能可治。
清华大学团队首次揭示了困扰AI训练领域超过两年的"幽灵故障"根本原因:Flash Attention在BF16精度下训练时会因数字舍入偏差与低秩矩阵结构的交互作用导致训练崩溃。研究团队通过深入分析发现问题源于注意力权重为1时的系统性舍入误差累积,并提出了动态最大值调整的解决方案,成功稳定了训练过程。这项研究不仅解决了实际工程问题,更为分析类似数值稳定性挑战提供了重要方法论。