筛选结果
26 篇排序
1:43:39EN → 简体中文五个突变就可能让致死率 60% 的禽流感在人与人之间传播主持 Nathan Labenz约翰霍普金斯大学助理教授 Jassi Pannu 主张,只限制那一小部分教模型如何制造大流行病毒的功能数据,其余生物学数据仍然保持开放。
2:25:42EN → 简体中文专家们争到咖啡时间,也没有定论:AI 能不能造出 AI主持 Nathan Labenz在 Cognitive Revolution 的一场马拉松直播中,一位癌症 AI 研究者、一位前 OpenAI 董事会成员和一位国家安全分析师,各自撞上了这股热潮里一堵不同的墙。
1:34:42EN → 简体中文500 美元的内核、十个月的村庄,以及智能体的性情主持 Nathan LabenzJames Zou、Sam Hammond 和 Shoshannah Tekofsky 谈科学智能体、美国押注的知识工作,以及把模型放任不管时它们究竟会做什么。
1:04:51EN → 简体中文1.25 亿个细胞用了十年,下一个十亿只需几个月主持 Nathan Labenz扎克伯格与 Priscilla Chan 谈,如何把前沿生物学实验室与前沿 AI 实验室结成对子,让模型用为它们专门设计的数据来训练。
1:29:30EN → 简体中文2500 个化合物,51% 的命中率:一个小型图网络如何找到新抗生素主持 Nathan LabenzMIT 的 Jim Collins 向 Nathan Labenz 讲述:一个没有正式经费的 2018 年项目,加上二元生长抑制标签和 Chemprop 图网络,如何从实验室根本无法人工筛查的化学空间中找出新抗生素。
1:01:49EN → 简体中文ChatGPT 联合创造者离开,要把自然放进奖励回路主持 Nathan LabenzLiam Fedus 与 Ekin Dogus Cubuk 谈语言模型为什么仍然学不好物理,为什么文献数据噪声太大、无法用来训练,以及 Periodic Labs 为什么瞄准 200K 的超导体。
1:55:02EN → 简体中文每天一百次实验,以及材料领域的“死亡之谷”主持 Nathan LabenzRadical AI 两位联合创始人向 Nathan Labenz 讲述,如何通过前沿模型与自驾实验室组成的闭环,把四十年的材料研发周期压缩到十年以内。
1:12:29EN → 简体中文谷歌 AI Co-Scientist 破解了人类多年没看出的噬菌体谜题主持 Nathan Labenz帝国理工学院的科学家 José Penadés 和 Tiago Costa 在 Podovirus 播客上讲述:一个尚未公开的谷歌系统,如何复原了他们尚未发表的答案,即没有尾部的衣壳会去结合游离的噬菌体尾部。
1:26:21EN → 简体中文不到 10 美元,Google 的 AI 独立得出了一个没人发表过的实验室结果主持 Nathan LabenzVivek Natarajan 和 Anil Palepu 向 Nathan Labenz 讲述 AMIE(Articulate Medical Intelligence Explorer)如何在治疗方案上胜过基层医生,以及 Co-Scientist 如何与帝国理工学院(Imperial College)尚未发表的细菌耐药机制相吻合。
1:43:54EN → 简体中文培育一个脑类器官要一年,模拟一次只要一小时主持 Nathan Labenz斯坦福博士后 Siyu He 向 Nathan Labenz 讲述 Squidiff 和 CORAL 如何把单细胞实验与空间实验搬进电脑,以及这些模型目前还做不到什么。
1:31:35EN → 简体中文三十年的研究,被压缩成一句话主持 Nathan Labenz免疫学家 Derya Unutmaz 谈如何用半小时写出一份医学专利,如何把 o1 Pro 当作教授级的合作者,以及他为什么在问过模型之前,不再相信自己的专业判断。
1:40:22EN → 简体中文20 原子晶体教会 AI 心跳的物理学主持 Nathan LabenzOrbital Materials 的 Jonathan Godwin 和 Tim Duignan 向 Nathan Labenz 讲述,一个在微小晶体上训练的神经网络,如何在一块 2017 年款 GPU 上模拟了钾离子通道。
1:01:53EN → 简体中文人类只写了 1.3% 的 Token,AI 实验室仍然设计出有效的纳米抗体主持 Nathan Labenz斯坦福大学的 James Zou 介绍了一个基于 GPT-4o 的研究小组,他们用不到 100 美元搭出了一条蛋白质设计流程。另有一个稀疏自编码器(SAE),从 ESM-2 中提取出一个没有文献记载的蛋白基序(motif)。
1:55:53EN → 简体中文AI 读论文已超过人类,却仍数不清原子主持 Nathan LabenzFuture House 科学负责人 Andrew White 梳理了语言模型在化学和生物学中已经能做什么,以及它们无法消除的瓶颈。
1:23:37EN → 简体中文前十名研究想法里有九个出自 Claude主持 Nathan Labenz斯坦福大学博士生 Chenglei Si 做了一项盲测,让 Claude 3.5 Sonnet 与一百多位自然语言处理(NLP)研究者比拼新颖的研究想法。
1:13:23EN → 简体中文AI 找到 γ-氨基丁酸(GABA)与癌症的关联,下一步是与细胞对话主持 Nathan LabenzMichael Levin 与 Leo Pio Lopez 谈一种曾预测出黑色素瘤的多层嵌入方法、一种没有基因突变的癌症,以及生物学真正的接口为什么是认知。
1:18:32EN → 简体中文一个能分辨哪些基因碰不得的 DNA 模型主持 Nathan Labenz斯坦福大学的 Brian Hie 讲解混合架构、一个只用 DNA 训练的基因组尺度语言模型,以及一种结合紧密程度比天然抗体高 25 倍的抗体。
1:54:01EN → 简体中文一个小网络长出了盐晶体,而训练数据里从来没有它主持 Nathan LabenzTim Duignan 用盐水训练了数万个参数。模型“发明”了一种晶体,还推出了一套连续介质溶剂理论(continuum solvent theory);而他读博期间花了整整一个博士阶段,也没能手工把这套理论写出来。
1:59:15EN → 简体中文一分钟生成蛋白质骨架:AI 生物学的真实进展、瓶颈与风险主持 Nathan Labenz白宫为生物模型设定的报告门槛,比语言模型低了一千倍。这场对话说明,这道差距如今看来很有先见之明。
1:20:44EN → 简体中文像 Mamba 一样看世界:视觉、腐坏的状态与 90 天里的细胞模型主持 Nathan LabenzNathan Labenz 和 Jason Meaux 梳理了原版 Mamba 发布之后的视觉论文、长上下文实验和生物学工作。
1:25:09EN → 简体中文双头涡虫、再生的腿,还有一个学会等待的排序算法主持 Nathan Labenz塔夫茨大学生物学家 Michael Levin 在《The Cognitive Revolution》节目中说明,为什么解剖结构是可以改写的软件,以及他为什么叫停了一篇可能让 AI 更像有生命的论文。
1:50:57EN → 简体中文GPT-4 发布 28 天后,一个 AI 设计并执行了一项化学实验主持 Nathan LabenzGabe Gomes 和他在卡内基梅隆大学的学生开发了 Coscientist,这是一个基于语言模型的智能体(Agent),能在远程云实验室里规划、编写代码,并执行真实的实验。
1:45:49ENTrust at Scale: Elicit's Founders on Reasoning Languages, World Models and Automating the Company主持 Nathan LabenzAndreas Stuhlmüller and Jungwon Byun explain how Elicit keeps frontier models checkable for high-stakes science, and where they think AI reasoning is heading.
1:03:59ENBuilding a World Model of Life: Biohub's Alex Rives on Why Better Measurement Must Come Before Virtual Cells主持 Nathan LabenzBiohub's head of science explains why today's virtual cell models fall short, how a $1.8 billion data push aims to fix it, and what a five-year information-level model of the cell could unlock.
加载更多已显示 24 篇,共 26 篇







