Загрузка видео...

Не удалось загрузить видео

Возникла проблема при загрузке этого видео. Это может быть связано с временными проблемами сети или видео может быть недоступно.

На главную

【科普：Prime Editor的技术特点和突破】 David Liu实验室的Prime 基因编辑工具的核心技术突破在于它能够作为一种DNA文字处理器，实现真正的搜索和替换基因组编辑：它关键技术突破包括：（1）确定“金凤花（Goldilocks）长度”的DNA跑道：在早期实验中，Prime Editing在人体细胞中编辑效率为零。研究人员发现，成功的关键在于确定用于引发DNA复制事件的“引物”（prime）所需的DNA跑道的长度。这个长度在人体细胞中必须“不长不短，刚刚好”，即所谓的“金凤花长度”。（2）效率的大幅提高：通过对Prime Editor蛋白进行特定的修改，使其编辑效率得到了极大的提高。（3）编辑的永久化：采用了类似于Base Editing（碱基编辑）的技巧，即切开未编辑的DNA单链；通过这种方式，细胞会被“欺骗”，从而使用经过编辑的DNA链作为模板来重新制造未编辑的部分。 Prime Editors自从诞生以来，已经被全世界成千上万的实验室所使用。如果成功，它将可能具备如下能力：（1）修复疾病的根源：该技术旨在修复导致疾病的DNA中的拼写错误（misspelling in the patient's DNA），这是目前许多治疗方法无法解决的。（2）广泛的替换能力： Prime Editing的多功能性令人振奋，它能够在人体细胞中，甚至有望在患者体内，用我们选择的任何DNA序列替换几乎任何DNA序列。（3）超越单一突变治疗：这种灵活性开辟了巨大的可能性，使其不仅限于修复导致特定疾病的单一突变。（4）疾病不可知论的治疗（Disease Agnostic Therapy）：实验室目前正在大力追求一个更具创造性的方向：使用单个Prime Editor（一种药物）来治疗可能导致许多不同疾病的数百甚至数千个突变。这被称为“疾病不可知论的治疗性基因组编辑”。 Prime Editing技术已经从实验室研究和高效人体细胞编辑阶段进展到了临床试验阶段。今年（2025年）晚些时候David Liu的实验室将报告他们在进行“疾病不可知论的治疗性基因组编辑”方面的第一个例子。总结类比：如果说传统的CRISPR-Cas9像剪刀，只能剪断DNA链，Base Editing像铅笔，只能修改单个字母，那么Prime Editing就像一台先进的DNA文字处理机。它不仅可以搜索特定的错误位置，还能进行精确的复制、粘贴和替换操作，从而实现对DNA序列更全面、更精确的重写，这使得修复复杂的遗传“拼写错误”成为可能。

金融汪

63,820 subscribers

12,170 просмотров • 8 месяцев назад •via X (Twitter)

Anya Rossi• Live Now

Private livecam show

Комментарии: 0

Нет доступных комментариев

Здесь появятся комментарии из оригинального поста

Похожие видео

这个真的有点炸裂，我必须要炸裂一下，亲自测试了🤣 字节跳动发布AI图像编辑工具只需一句话即可实现全自动P图你只需要通过简单的文字描述来修改图像，对图片进行各种复杂的修改和编辑，不需要专业的图片处理技能，不需要其他任何操作，不用再相 Photoshop 那样复杂的操作才能修改编辑图像。无论是改变图像的内容、风格，还是调整光线和角度，SeedEdit 都可以实现，并保持高质量的编辑效果。

这个真的有点炸裂，我必须要炸裂一下，亲自测试了🤣 字节跳动发布AI图像编辑工具只需一句话即可实现全自动P图你只需要通过简单的文字描述来修改图像，对图片进行各种复杂的修改和编辑，不需要专业的图片处理技能，不需要其他任何操作，不用再相 Photoshop 那样复杂的操作才能修改编辑图像。无论是改变图像的内容、风格，还是调整光线和角度，SeedEdit 都可以实现，并保持高质量的编辑效果。

小互

123,997 просмотров • 1 год назад

Adobe视频编辑软件Premiere Pro推出的一个新功能“生成扩展”（Generative Extend）。这个功能允许用户自动为他们的视频片段增加额外的视频片段和音频，从而帮助用户更轻松地进行视频编辑，特别是在处理时间点精准的编辑时。可以直接生成和原视频相匹配的视频帧或者音频！这个功能目前处于测试阶段（beta版），用户可以通过下载该测试版来体验和试用。简这个功能的作用是帮助用户让视频的编辑过程更加高效和自动化，使得视频片段的衔接更加流畅，最终达到更好的编辑效果。

Adobe视频编辑软件Premiere Pro推出的一个新功能“生成扩展”（Generative Extend）。这个功能允许用户自动为他们的视频片段增加额外的视频片段和音频，从而帮助用户更轻松地进行视频编辑，特别是在处理时间点精准的编辑时。可以直接生成和原视频相匹配的视频帧或者音频！这个功能目前处于测试阶段（beta版），用户可以通过下载该测试版来体验和试用。简这个功能的作用是帮助用户让视频的编辑过程更加高效和自动化，使得视频片段的衔接更加流畅，最终达到更好的编辑效果。

小互

12,455 просмотров • 1 год назад

Ilya——塑造世界的人工智能科学家如今，AI 是一项伟大的科技，因为 AI 将解决我们现在面临的所有问题。它能解决就业问题，能治疗疾病，能消除贫困，但同时它也会带来新的问题。假新闻将会愈演愈烈，网络攻击将变得更加严重，我们将面临全自动的 AI 武器的问题。我认为 AI 有潜力创造出无比稳定的独裁统治。今天早晨，关于人工智能威力的警告再次响起，超过 1300 位科技产业领军人物、研究者及其他人士正呼吁暂停人工智能的发展，以便认真考虑其带来的风险。扮演上帝，科学家们被指责这么做已经有一段时间了，但我们正在创造的东西确实与我们迄今为止创造的任何东西都截然不同。是的，我们绝对有能力创造出具有自我目标的全自主实体。而且，这些实体变得比人类聪明的时候，确保它们的目标与我们的目标保持一致将变得至关重要。什么激励我？我喜欢思考根本问题，基本问题。我们的系统不能做什么，而人类却可以做到？我几乎以哲学的方式去思考这些问题。比如，什么是学习？什么是经验？什么是思考？大脑又是如何运作的呢？我感觉技术就仿佛一种自然力量。在我看来，技术与生物进化之间有许多相似之处。生物进化的过程其实很容易理解，我们有基因的变异，自然选择的过程。我们保留那些有利于生存的变异，随着时间的推移，这个过程将使生物体变得极其复杂。我们不能因为理解了生物进化就能理解人体是如何运作的，但我们可以大概理解这个过程。我认为目前的机器学习也处在类似的阶段，特别是深度学习，我们有一个非常简单的规则，它从数据中提取信息，并将这些信息输入到模型中，我们只需不断重复这个过程。这个过程的结果就是将数据的复杂性转化为模型的复杂性。因此，最终的模型会变得非常复杂，我们并不能完全了解它的运作机制，需要进行大量的研究，但实现这一切的算法其实很简单。也许你听说过 ChatGPT，如果你还没听说过，那就做好准备。你可以把它看作是暴风雨来临之前的零星细雨。我们需要对此保持高度警觉，因为我认同这是一个意义重大的时刻。ChatGPT 被誉为颠覆性的创新，在许多方面，它确实做到了，比如在测试中得分超过人类。微软最近的一项研究得出结论，GPT4 是一个初级阶段的，但尚未完全形成的通用人工智能系统。这就是通用人工智能。通用人工智能，这是一个可以胜任人类能做的任何工作或任务的计算机系统，而且可能做得更好。有可能在短时间内实现通用人工智能，也可能需要更长的时间。但我认为，由于通用人工智能可能在不久的将来出现，这个可能性足够大，我们应该给予它足够的重视。这一点至关重要要确保这些超级智能的系统能按照我们的最大利益去行动。最初的通用人工智能可能就是大型数据中心，这些中心中充满了大量并行运行的专用神经网络处理器，紧凑、高热、能耗大，其消耗的能量可能相当于一千万个家庭的用电量。这些系统的智能程度可能会大幅提升，我相信它们将对社会产生深远影响。不过，人类真的会从中获益吗？谁会获益，谁又会付出代价呢？首批通用人工智能的信念和欲望将极为重要，所以我们必须正确地编程这些系统。如果我们做不到这一点，那么就会出现这样的情况：进化的本质，即自然选择，将使这些系统优先考虑自己的生存。并不是说它们会主动对人类产生敌意，甚至想要伤害人类，但它们将变得过于强大。我认为，一个恰当的类比就是人类对待动物的方式。我们并不是憎恨动物，实际上人类往往对动物怀有深深的爱意，但当我们需要在两座城市之间修建高速公路时，我们并不会征求动物的意见，而只是因为这对我们来说非常重要而去做。我认为这也是我们与通用人工智能（AGI）之间的默认关系，那些能真正自主运作并为自己目标服务的 AGI。许多机器学习领域的专家这些知识渊博和经验丰富的人士，对通用人工智能（AGI）抱有许多疑虑。他们对 AGI 可能出现的时间以及是否真的能够实现表示怀疑。目前，这还是一个鲜为人知的问题。用于神经网络和人工智能的计算机速度可能在未来几年内增加 10 万倍。如果多个团队处于竞相开发通用人工智能的军备竞赛态势中，他们就会没有足够的时间来确保他们构建的通用人工智能会真正关心人类。因为在我看来，这就像是通用人工智能发展的雪崩，一发不可收拾。我认为将来整个地球的表面很可能布满太阳能板和数据中心。考虑到这些担忧，未来的通用人工智能的建设应该是多国间的合作项目。不论如何，人工智能的未来都将是美好的。如果这同样也能给人类带来福祉，那就更加理想了。视频来源：

Ilya——塑造世界的人工智能科学家如今，AI 是一项伟大的科技，因为 AI 将解决我们现在面临的所有问题。它能解决就业问题，能治疗疾病，能消除贫困，但同时它也会带来新的问题。假新闻将会愈演愈烈，网络攻击将变得更加严重，我们将面临全自动的 AI 武器的问题。我认为 AI 有潜力创造出无比稳定的独裁统治。今天早晨，关于人工智能威力的警告再次响起，超过 1300 位科技产业领军人物、研究者及其他人士正呼吁暂停人工智能的发展，以便认真考虑其带来的风险。扮演上帝，科学家们被指责这么做已经有一段时间了，但我们正在创造的东西确实与我们迄今为止创造的任何东西都截然不同。是的，我们绝对有能力创造出具有自我目标的全自主实体。而且，这些实体变得比人类聪明的时候，确保它们的目标与我们的目标保持一致将变得至关重要。什么激励我？我喜欢思考根本问题，基本问题。我们的系统不能做什么，而人类却可以做到？我几乎以哲学的方式去思考这些问题。比如，什么是学习？什么是经验？什么是思考？大脑又是如何运作的呢？我感觉技术就仿佛一种自然力量。在我看来，技术与生物进化之间有许多相似之处。生物进化的过程其实很容易理解，我们有基因的变异，自然选择的过程。我们保留那些有利于生存的变异，随着时间的推移，这个过程将使生物体变得极其复杂。我们不能因为理解了生物进化就能理解人体是如何运作的，但我们可以大概理解这个过程。我认为目前的机器学习也处在类似的阶段，特别是深度学习，我们有一个非常简单的规则，它从数据中提取信息，并将这些信息输入到模型中，我们只需不断重复这个过程。这个过程的结果就是将数据的复杂性转化为模型的复杂性。因此，最终的模型会变得非常复杂，我们并不能完全了解它的运作机制，需要进行大量的研究，但实现这一切的算法其实很简单。也许你听说过 ChatGPT，如果你还没听说过，那就做好准备。你可以把它看作是暴风雨来临之前的零星细雨。我们需要对此保持高度警觉，因为我认同这是一个意义重大的时刻。ChatGPT 被誉为颠覆性的创新，在许多方面，它确实做到了，比如在测试中得分超过人类。微软最近的一项研究得出结论，GPT4 是一个初级阶段的，但尚未完全形成的通用人工智能系统。这就是通用人工智能。通用人工智能，这是一个可以胜任人类能做的任何工作或任务的计算机系统，而且可能做得更好。有可能在短时间内实现通用人工智能，也可能需要更长的时间。但我认为，由于通用人工智能可能在不久的将来出现，这个可能性足够大，我们应该给予它足够的重视。这一点至关重要要确保这些超级智能的系统能按照我们的最大利益去行动。最初的通用人工智能可能就是大型数据中心，这些中心中充满了大量并行运行的专用神经网络处理器，紧凑、高热、能耗大，其消耗的能量可能相当于一千万个家庭的用电量。这些系统的智能程度可能会大幅提升，我相信它们将对社会产生深远影响。不过，人类真的会从中获益吗？谁会获益，谁又会付出代价呢？首批通用人工智能的信念和欲望将极为重要，所以我们必须正确地编程这些系统。如果我们做不到这一点，那么就会出现这样的情况：进化的本质，即自然选择，将使这些系统优先考虑自己的生存。并不是说它们会主动对人类产生敌意，甚至想要伤害人类，但它们将变得过于强大。我认为，一个恰当的类比就是人类对待动物的方式。我们并不是憎恨动物，实际上人类往往对动物怀有深深的爱意，但当我们需要在两座城市之间修建高速公路时，我们并不会征求动物的意见，而只是因为这对我们来说非常重要而去做。我认为这也是我们与通用人工智能（AGI）之间的默认关系，那些能真正自主运作并为自己目标服务的 AGI。许多机器学习领域的专家这些知识渊博和经验丰富的人士，对通用人工智能（AGI）抱有许多疑虑。他们对 AGI 可能出现的时间以及是否真的能够实现表示怀疑。目前，这还是一个鲜为人知的问题。用于神经网络和人工智能的计算机速度可能在未来几年内增加 10 万倍。如果多个团队处于竞相开发通用人工智能的军备竞赛态势中，他们就会没有足够的时间来确保他们构建的通用人工智能会真正关心人类。因为在我看来，这就像是通用人工智能发展的雪崩，一发不可收拾。我认为将来整个地球的表面很可能布满太阳能板和数据中心。考虑到这些担忧，未来的通用人工智能的建设应该是多国间的合作项目。不论如何，人工智能的未来都将是美好的。如果这同样也能给人类带来福祉，那就更加理想了。视频来源：

宝玉

45,172 просмотров • 2 лет назад

Clawdbot的创造者说，他最喜欢的模型是Claude Opus。但编程能力最强的，竟然是OpenAI的旧模型Codex。为什么？他说用Codex写代码，有95%的把握可以直接运行。因为它能理解大型代码库，需要的“人工干预”更少。这就像一个经验丰富的老员工，话不多，但活儿干得漂亮。而Claude Opus，虽然被认为综合能力更强，但在编程这个具体任务上，却需要更多技巧和引导才能达到同样效果。有点像一个很聪明但经验不足的新人。这引出一个有趣的问题。我们真的需要那个最“聪明”、最像人的AI吗？还是说，在特定领域，我们更需要一个可靠、高效、甚至有点“无聊”的工具？ Opus更像人，甚至会在聊天中讲出真正好笑的笑话。但Codex在专业领域更可靠。这是否揭示了通用人工智能（AGI）发展的一个岔路口？是追求一个无所不能但样样不精的“全才”，还是打造一系列在各自领域做到极致的“专才”？从制造业到高科技，美国产业的核心优势，向来是那些专注于解决具体问题的实用工具，而不是那些空泛的概念。技术的终点，究竟是创造一个和我们一样的“伙伴”，还是一个能把工作做到极致的工具？这两种路线，哪一个对恢复美国制造业和技术领导地位更有利？

Clawdbot的创造者说，他最喜欢的模型是Claude Opus。但编程能力最强的，竟然是OpenAI的旧模型Codex。为什么？他说用Codex写代码，有95%的把握可以直接运行。因为它能理解大型代码库，需要的“人工干预”更少。这就像一个经验丰富的老员工，话不多，但活儿干得漂亮。而Claude Opus，虽然被认为综合能力更强，但在编程这个具体任务上，却需要更多技巧和引导才能达到同样效果。有点像一个很聪明但经验不足的新人。这引出一个有趣的问题。我们真的需要那个最“聪明”、最像人的AI吗？还是说，在特定领域，我们更需要一个可靠、高效、甚至有点“无聊”的工具？ Opus更像人，甚至会在聊天中讲出真正好笑的笑话。但Codex在专业领域更可靠。这是否揭示了通用人工智能（AGI）发展的一个岔路口？是追求一个无所不能但样样不精的“全才”，还是打造一系列在各自领域做到极致的“专才”？从制造业到高科技，美国产业的核心优势，向来是那些专注于解决具体问题的实用工具，而不是那些空泛的概念。技术的终点，究竟是创造一个和我们一样的“伙伴”，还是一个能把工作做到极致的工具？这两种路线，哪一个对恢复美国制造业和技术领导地位更有利？

墓碑科技

62,012 просмотров • 5 месяцев назад

【马斯克：医学的未来将是数字化的，合成RNA可以治愈几乎一切疾病】 🤔我想听听基督徒们的看法马斯克说，过去我们发现药物的方式，就像在森林里随手捡树枝——"这根好像能当棍子用"。👉相当原始，基本靠偶然。现在不一样了。如今我们已经能够定制合成RNA。这意味着医学正在从"模拟时代"进入"数字时代"——不再是碰运气找药，而是像写代码一样，直接编程人体。他的结论： "只要你知道如何编程那段合成RNA，你基本上可以治愈几乎任何疾病。" 医学即将成为软件。身体即将成为可编程的系统。

【马斯克：医学的未来将是数字化的，合成RNA可以治愈几乎一切疾病】 🤔我想听听基督徒们的看法马斯克说，过去我们发现药物的方式，就像在森林里随手捡树枝——"这根好像能当棍子用"。👉相当原始，基本靠偶然。现在不一样了。如今我们已经能够定制合成RNA。这意味着医学正在从"模拟时代"进入"数字时代"——不再是碰运气找药，而是像写代码一样，直接编程人体。他的结论： "只要你知道如何编程那段合成RNA，你基本上可以治愈几乎任何疾病。" 医学即将成为软件。身体即将成为可编程的系统。

肌肉猫Elva🐱musclecat

15,332 просмотров • 2 месяцев назад

人类的大脑适应性极强，即使被切除一半，儿童长大后仍然能够几乎正常运作。感觉输入可以重新映射到完全不同的大脑区域。这意味着我们的皮质结构高度统一，并且可以跨功能重复使用，就像 DNA 和蛋白质编码一样。其含义颇为玄机：智能或许并非依赖于某种特定的结构，而是依赖于一种通用的、可重复的架构。这正是现代人工智能试图捕捉的。如果这是真的，那么人工智能和生物智能之间的界限比大多数人意识到的要模糊。

人类的大脑适应性极强，即使被切除一半，儿童长大后仍然能够几乎正常运作。感觉输入可以重新映射到完全不同的大脑区域。这意味着我们的皮质结构高度统一，并且可以跨功能重复使用，就像 DNA 和蛋白质编码一样。其含义颇为玄机：智能或许并非依赖于某种特定的结构，而是依赖于一种通用的、可重复的架构。这正是现代人工智能试图捕捉的。如果这是真的，那么人工智能和生物智能之间的界限比大多数人意识到的要模糊。

✧ 𝕀𝔸𝕄𝔸𝕀 ✧

26,353 просмотров • 10 месяцев назад

澳洲迎来全球首款顶尖癌症检测技术！这是一个令人振奋的医疗突破！澳洲的 Peter Mac (Peter MacCallum Cancer Centre) 被选为全球首家使用这款最先进 PET CT 全身扫描仪的机构，其排名甚至优于许多世界知名的癌症中心。这款设备被誉为癌症治疗的新前沿，正在彻底改变游戏规则： • 前所未有的精确度：它能让科学家以前所未有的视角观察人体内部，不仅能监测癌症治疗的效果，还能预测副作用并提高生存率。 • 速度惊人：传统的全身扫描通常需要约 15 分钟，而这款新机器在不到 2 分钟内即可完成，实现实时的肿瘤细胞识别。 • 工作原理：通过向患者体内注射极少量的放射性物质，这些物质会精准锁定癌细胞，随后由扫描仪进行探测。 • 为患者带来希望：这种精准的图像让肿瘤医生能够更清晰地掌握病情，极大增强了患者对治疗方案的信心，并为康复带来了新的希望,。这再次证明了澳大利亚在癌症研究领域的强大实力。

澳洲迎来全球首款顶尖癌症检测技术！这是一个令人振奋的医疗突破！澳洲的 Peter Mac (Peter MacCallum Cancer Centre) 被选为全球首家使用这款最先进 PET CT 全身扫描仪的机构，其排名甚至优于许多世界知名的癌症中心。这款设备被誉为癌症治疗的新前沿，正在彻底改变游戏规则： • 前所未有的精确度：它能让科学家以前所未有的视角观察人体内部，不仅能监测癌症治疗的效果，还能预测副作用并提高生存率。 • 速度惊人：传统的全身扫描通常需要约 15 分钟，而这款新机器在不到 2 分钟内即可完成，实现实时的肿瘤细胞识别。 • 工作原理：通过向患者体内注射极少量的放射性物质，这些物质会精准锁定癌细胞，随后由扫描仪进行探测。 • 为患者带来希望：这种精准的图像让肿瘤医生能够更清晰地掌握病情，极大增强了患者对治疗方案的信心，并为康复带来了新的希望,。这再次证明了澳大利亚在癌症研究领域的强大实力。

老司机

49,907 просмотров • 6 месяцев назад

最近陶哲轩在 2024 年第 65 届国际数学奥林匹克上，陶哲轩做了一次 AI 和数学的演讲，非常精彩，从数学使用计算计算机的历史开始讲起，一直讲到大语言模型，干货相当多，尤其适合对数学有兴趣的同学。（对数学没那么感兴趣的同学只想看 AI 部分的建议直接跳到 41 分的位置开始观看）先摘录几个冷知识： 1. 我们使用机器做数学计算已经有数千年，最早的机器辅助计算可能是罗马人，然后是中国的算盘 2. 二战时就有人肉“计算机”，计算弹道和其他任务，多位女孩子，因为男士们在打仗，所以那时候的计算基本单位不是GPU，而是kilogirl-hour——“千名女孩工作一小时的计算量” 3. 现在，数学家们使用一种现代化的证明辅助编程语言，叫做 Lean。在 Lean 中有一个核心的数学库，通过众包的方式开发的，本科数学课程中看到的内容，比如微积分基础、群论基础或者拓扑学等等，这些都已经被形式化了，所以你不用从公理开始。 4. 现在数学领域有一种团队协作证明复杂数学定理的工作流程，那就是先编写一个称为“蓝图”的详细证明计划，将整个证明分解为数百个小步骤。每个步骤可以单独形式化，然后再将它们整合在一起，这样你就可以将一个庞大的论证分解成许多小块。先编写这个蓝图，然后团队中的其他人可以对论据的不同步骤的不同部分进行形式化。去年，陶哲轩和几位同事一起解决了一个组合数学问题。这是一个组合学的问题。大约20人在短短三周内完成了，使用了蓝图工具，参与的人中有概率论专家，甚至还有一些并非数学家的人，他们是程序员，但在解决这些小型拼图问题上非常擅长。每个人都挑选了一个觉得自己能做的小任务，并完成了它。在数学领域，通常很难这么多人一起合作，一般最多可能五个人合作。因为在大项目上合作时，你必须相信每个人的数学都是正确的。但是，一旦超过一定规模，这就无法实现了。但现在借助 Lean 编译器，它能自动检查。团队成员无法上传任何编译不通过的内容，会被拒绝。因此，你可以与一些从未见过的人合作。最后是讲大语言模型，首先陶哲轩就打脸了 GPT-4 的论文（我猜是微软那篇《GPT-4，通用人工智能的火花》），论文中号称 GPT-4 能解决国际数学奥林匹克问题，但实际上，这个问题不是 2022 年国际奥数竞赛的原始问题，而是一个简化版本，并且他们测试了几百道国际奥数竞赛问题，成功率只有1%，论文里的这个是精心挑选的恰巧能做对的。并且陶哲轩提到了基于大语言模型的一些改进的方案：比如 CoT（Chain of Thought），也就是 LLM 做简单的算术运算都做不对，但是如果让它一步步解释，可能就对了。还可以教 AI 一些解题技巧，比如尝试简单的例子，反证法，尝试逐步证明等。比如让模型和编程语言或者工具连接，将大语言的输出结果交给 Wolfram 这样的专业数学工具或者 Python 这样的编程语言验证，并且迭代的进行修正和验证，直到得到正确的结果，这可以提升大语言模型生成的效果。即使借助这些手段，大语言模型还远远不能解决大多数数学问题，更不用说数学研究问题了！当然陶哲轩也没太过打击大家对于 AI 的信心，表示我们在 AI 上还是在不断的取得进展，还提到了他日常是怎么用 AI 的，比如说把 AI 当成灵感之源。 > 我曾遇到过一个问题，我尝试了几种方法，但都无法解决。于是，我尝试询问 GPT，你建议我使用什么其他方法来解决这个问题？GPT 给我提供了 10 种可能的方法，其中有 5 种我已经尝试过，或者明显没有帮助。的确，有几种方法并不实用。但其中有一种我还没尝试过的方法，那就是针对这个问题使用生成函数。当 GPT 建议我使用这种方法时，我意识到这就是我漏掉的正确方法。所以，将 GPT 视为一个交流伙伴，它确实具有一定的用处。还有使用 GitHub Copilot 帮他写代码，让它自动生成下一步的证明结果，Copilot 的智能提示有 20% 的概率能生成正确的下一步结果。 > 例如我使用的一个叫 GitHub Copilot 的工具，你只需要写下一半的证明，它就会尝试猜测接下来的内容。大概有 20% 的情况下，它能猜到接近正确的答案。然后你就可以说，我接受这个答案。好的，那么在这种情况下，我正在试图证明这个陈述。灰色的部分是 Copilot 给出的建议。结果发现第一行完全没用。不过第二行，尽管你可能看不清楚，却真的解决了这个问题。所以，你不能盲目接受它的输入，因为这些代码未必能顺利编译。但如果你对代码的运作方式已经有所了解，这将大大节省你的时间。这些工具正在变得越来越好。现在如果一个证明只需要一两行，它们就能自动完成。现在已经有了这样的实验，即通过迭代地让 AI 提供证明，然后让编译器进行反馈，如果编译出错，就把错误信息反馈给 AI。通过这种方法，我们开始能够验证四五步长的证明。当然，一个大型的证明可能需要数万行。所以，我们还没有达到能够立即得到一个正式证明的程度。但是，这已经是一个相当有用的工具。对于大家关心的问题： AI 在数学领域现在到了哪一个阶段？是否未来几年利用 AI 能直接解决数学问题？陶哲轩也给出了他的看法： > 我认为我们还远远没有达到这个阶段。如果我们专注于非常特定的问题，你可以定制专门的 AI 来处理一小部分问题。即便如此，它们也不是完全可靠的，但还是有用的。不过至少在接下来的几年里，它们基本上将是非常有用的辅助工具，超越了我们已经熟悉的暴力计算辅助。他还提到了一些可能的 AI 能在数学领域提供帮助的方向： - AI 能够非常好地生成有价值的猜想 > 比如，我们已经看到了关于结理论的例子，它们已经可以推测出两个不同的统计量之间的关系。因此，我们希望能够创建大量的数据集，输入到 AI 中，它们就会自动找出各种不同的数学对象之间的有趣联系。虽然我们还不知道如何做到这一点，部分原因是我们没有这些庞大的数据集。但我认为这是未来可能实现的一个方向。 - 批量或者说规模化的证明大量数学定理 > 现在，因为证明定理是如此繁琐和艰难的过程，我们一次只能证明一个定理，如果你效率很高，可能一次能证明两三个。但是有了 AI，你可以设想一下未来的情况，我们不是试图解决一个问题，而是处理一类类似的1000个问题，然后告诉AI，尝试用这个方法解决这 1000 个问题，然后报告结果，哦，我能用这种技术解决 35% 的问题。那么另一种技术呢？我能解决这个百分比的问题。或者如果结合这些方法，又能解决多少问题？你可以开始探索问题的空间，而不是一个接一个地解决问题。这是你现在根本无法做到的事情，或者是你需要几十年时间，通过数十篇论文慢慢搞清楚各种技术能做什么，不能做什么。但是有了这些工具，你真的可以开始做规模前所未有的数学研究。所以，未来将会非常令人兴奋。演讲环节结束前的最后一句话说的特别好： > 我们仍然会以传统方式证明定理。事实上，我们必须这样做，因为如果我们自己都不知道如何做这些事情，就无法引导这些 AI。但是我们将能够做很多现在无法做到的事情。这恰恰也是我们现在使用 AI 辅助编程的问题：如果我们自己都不知道如何构建软件，就很难引导好 AI 帮助我们生成高质量的代码。尽管 AI 在数学和编程领域变得越来越有用，但人类的洞察力和创造力仍然是创作价值的关键。原始 YT 视频：

最近陶哲轩在 2024 年第 65 届国际数学奥林匹克上，陶哲轩做了一次 AI 和数学的演讲，非常精彩，从数学使用计算计算机的历史开始讲起，一直讲到大语言模型，干货相当多，尤其适合对数学有兴趣的同学。（对数学没那么感兴趣的同学只想看 AI 部分的建议直接跳到 41 分的位置开始观看）先摘录几个冷知识： 1. 我们使用机器做数学计算已经有数千年，最早的机器辅助计算可能是罗马人，然后是中国的算盘 2. 二战时就有人肉“计算机”，计算弹道和其他任务，多位女孩子，因为男士们在打仗，所以那时候的计算基本单位不是GPU，而是kilogirl-hour——“千名女孩工作一小时的计算量” 3. 现在，数学家们使用一种现代化的证明辅助编程语言，叫做 Lean。在 Lean 中有一个核心的数学库，通过众包的方式开发的，本科数学课程中看到的内容，比如微积分基础、群论基础或者拓扑学等等，这些都已经被形式化了，所以你不用从公理开始。 4. 现在数学领域有一种团队协作证明复杂数学定理的工作流程，那就是先编写一个称为“蓝图”的详细证明计划，将整个证明分解为数百个小步骤。每个步骤可以单独形式化，然后再将它们整合在一起，这样你就可以将一个庞大的论证分解成许多小块。先编写这个蓝图，然后团队中的其他人可以对论据的不同步骤的不同部分进行形式化。去年，陶哲轩和几位同事一起解决了一个组合数学问题。这是一个组合学的问题。大约20人在短短三周内完成了，使用了蓝图工具，参与的人中有概率论专家，甚至还有一些并非数学家的人，他们是程序员，但在解决这些小型拼图问题上非常擅长。每个人都挑选了一个觉得自己能做的小任务，并完成了它。在数学领域，通常很难这么多人一起合作，一般最多可能五个人合作。因为在大项目上合作时，你必须相信每个人的数学都是正确的。但是，一旦超过一定规模，这就无法实现了。但现在借助 Lean 编译器，它能自动检查。团队成员无法上传任何编译不通过的内容，会被拒绝。因此，你可以与一些从未见过的人合作。最后是讲大语言模型，首先陶哲轩就打脸了 GPT-4 的论文（我猜是微软那篇《GPT-4，通用人工智能的火花》），论文中号称 GPT-4 能解决国际数学奥林匹克问题，但实际上，这个问题不是 2022 年国际奥数竞赛的原始问题，而是一个简化版本，并且他们测试了几百道国际奥数竞赛问题，成功率只有1%，论文里的这个是精心挑选的恰巧能做对的。并且陶哲轩提到了基于大语言模型的一些改进的方案：比如 CoT（Chain of Thought），也就是 LLM 做简单的算术运算都做不对，但是如果让它一步步解释，可能就对了。还可以教 AI 一些解题技巧，比如尝试简单的例子，反证法，尝试逐步证明等。比如让模型和编程语言或者工具连接，将大语言的输出结果交给 Wolfram 这样的专业数学工具或者 Python 这样的编程语言验证，并且迭代的进行修正和验证，直到得到正确的结果，这可以提升大语言模型生成的效果。即使借助这些手段，大语言模型还远远不能解决大多数数学问题，更不用说数学研究问题了！当然陶哲轩也没太过打击大家对于 AI 的信心，表示我们在 AI 上还是在不断的取得进展，还提到了他日常是怎么用 AI 的，比如说把 AI 当成灵感之源。 > 我曾遇到过一个问题，我尝试了几种方法，但都无法解决。于是，我尝试询问 GPT，你建议我使用什么其他方法来解决这个问题？GPT 给我提供了 10 种可能的方法，其中有 5 种我已经尝试过，或者明显没有帮助。的确，有几种方法并不实用。但其中有一种我还没尝试过的方法，那就是针对这个问题使用生成函数。当 GPT 建议我使用这种方法时，我意识到这就是我漏掉的正确方法。所以，将 GPT 视为一个交流伙伴，它确实具有一定的用处。还有使用 GitHub Copilot 帮他写代码，让它自动生成下一步的证明结果，Copilot 的智能提示有 20% 的概率能生成正确的下一步结果。 > 例如我使用的一个叫 GitHub Copilot 的工具，你只需要写下一半的证明，它就会尝试猜测接下来的内容。大概有 20% 的情况下，它能猜到接近正确的答案。然后你就可以说，我接受这个答案。好的，那么在这种情况下，我正在试图证明这个陈述。灰色的部分是 Copilot 给出的建议。结果发现第一行完全没用。不过第二行，尽管你可能看不清楚，却真的解决了这个问题。所以，你不能盲目接受它的输入，因为这些代码未必能顺利编译。但如果你对代码的运作方式已经有所了解，这将大大节省你的时间。这些工具正在变得越来越好。现在如果一个证明只需要一两行，它们就能自动完成。现在已经有了这样的实验，即通过迭代地让 AI 提供证明，然后让编译器进行反馈，如果编译出错，就把错误信息反馈给 AI。通过这种方法，我们开始能够验证四五步长的证明。当然，一个大型的证明可能需要数万行。所以，我们还没有达到能够立即得到一个正式证明的程度。但是，这已经是一个相当有用的工具。对于大家关心的问题： AI 在数学领域现在到了哪一个阶段？是否未来几年利用 AI 能直接解决数学问题？陶哲轩也给出了他的看法： > 我认为我们还远远没有达到这个阶段。如果我们专注于非常特定的问题，你可以定制专门的 AI 来处理一小部分问题。即便如此，它们也不是完全可靠的，但还是有用的。不过至少在接下来的几年里，它们基本上将是非常有用的辅助工具，超越了我们已经熟悉的暴力计算辅助。他还提到了一些可能的 AI 能在数学领域提供帮助的方向： - AI 能够非常好地生成有价值的猜想 > 比如，我们已经看到了关于结理论的例子，它们已经可以推测出两个不同的统计量之间的关系。因此，我们希望能够创建大量的数据集，输入到 AI 中，它们就会自动找出各种不同的数学对象之间的有趣联系。虽然我们还不知道如何做到这一点，部分原因是我们没有这些庞大的数据集。但我认为这是未来可能实现的一个方向。 - 批量或者说规模化的证明大量数学定理 > 现在，因为证明定理是如此繁琐和艰难的过程，我们一次只能证明一个定理，如果你效率很高，可能一次能证明两三个。但是有了 AI，你可以设想一下未来的情况，我们不是试图解决一个问题，而是处理一类类似的1000个问题，然后告诉AI，尝试用这个方法解决这 1000 个问题，然后报告结果，哦，我能用这种技术解决 35% 的问题。那么另一种技术呢？我能解决这个百分比的问题。或者如果结合这些方法，又能解决多少问题？你可以开始探索问题的空间，而不是一个接一个地解决问题。这是你现在根本无法做到的事情，或者是你需要几十年时间，通过数十篇论文慢慢搞清楚各种技术能做什么，不能做什么。但是有了这些工具，你真的可以开始做规模前所未有的数学研究。所以，未来将会非常令人兴奋。演讲环节结束前的最后一句话说的特别好： > 我们仍然会以传统方式证明定理。事实上，我们必须这样做，因为如果我们自己都不知道如何做这些事情，就无法引导这些 AI。但是我们将能够做很多现在无法做到的事情。这恰恰也是我们现在使用 AI 辅助编程的问题：如果我们自己都不知道如何构建软件，就很难引导好 AI 帮助我们生成高质量的代码。尽管 AI 在数学和编程领域变得越来越有用，但人类的洞察力和创造力仍然是创作价值的关键。原始 YT 视频：

宝玉

300,964 просмотров • 1 год назад

世界第一，换人了。这次是日本。全球首款使用iPS细胞的再生医疗产品，刚刚获得批准。什么是iPS细胞？简单说，就是给你的细胞按下一个“重置”键。让它回到出厂设置，变成什么都能当的“万能细胞”。然后，想让它变成什么，就变成什么。日本这次拿出了两款产品。一款叫“アムシェプリ”，住友制药的。治帕金森病。直接把iPS细胞造出来的新神经细胞，植入大脑。另一款叫“リハート”，大阪大学搞出来的。治心脏病。用iPS细胞做成一张细胞“补丁”，贴在心脏上修复。听起来像科幻电影？它已经来了。不过，这次批准是有条件的。厚生劳动省给了7年时间，必须证明它真的有效和安全。这是一个非常谨慎的信号。再生医疗，前沿技术，风险和机遇并存。任何一个环节的疏忽，都可能造成无法挽回的后果。在技术狂奔的时代，这种审慎值得思考。真正的科技突破，是改变人类生活，而不是制造新的问题。日本这次的突破，对全球生物医药产业是个巨大的冲击。尤其值得关注的是，一项关键技术来自大学实验室。这再次证明，基础科研和学术自由，才是一个国家科技创新的真正发动机。

世界第一，换人了。这次是日本。全球首款使用iPS细胞的再生医疗产品，刚刚获得批准。什么是iPS细胞？简单说，就是给你的细胞按下一个“重置”键。让它回到出厂设置，变成什么都能当的“万能细胞”。然后，想让它变成什么，就变成什么。日本这次拿出了两款产品。一款叫“アムシェプリ”，住友制药的。治帕金森病。直接把iPS细胞造出来的新神经细胞，植入大脑。另一款叫“リハート”，大阪大学搞出来的。治心脏病。用iPS细胞做成一张细胞“补丁”，贴在心脏上修复。听起来像科幻电影？它已经来了。不过，这次批准是有条件的。厚生劳动省给了7年时间，必须证明它真的有效和安全。这是一个非常谨慎的信号。再生医疗，前沿技术，风险和机遇并存。任何一个环节的疏忽，都可能造成无法挽回的后果。在技术狂奔的时代，这种审慎值得思考。真正的科技突破，是改变人类生活，而不是制造新的问题。日本这次的突破，对全球生物医药产业是个巨大的冲击。尤其值得关注的是，一项关键技术来自大学实验室。这再次证明，基础科研和学术自由，才是一个国家科技创新的真正发动机。

战斗室

107,401 просмотров • 5 месяцев назад

请允许我再次炸裂一次 😃 Google开发出能像Photoshop一样将视频智能分解成多个图层的视频编辑技术它能像Photoshop 那样，将视频中的每个物体、人物、对象、背景等都可以单独被抠出来处理，方便你进行各种编辑和调整。比如去掉某个物体或者人物、改变运动轨迹、更换背景等各种创意编辑。通过训练一个“自我学习”的AI模型，它能理解物体和周围环境的关系，生成清晰的分层结果...

请允许我再次炸裂一次 😃 Google开发出能像Photoshop一样将视频智能分解成多个图层的视频编辑技术它能像Photoshop 那样，将视频中的每个物体、人物、对象、背景等都可以单独被抠出来处理，方便你进行各种编辑和调整。比如去掉某个物体或者人物、改变运动轨迹、更换背景等各种创意编辑。通过训练一个“自我学习”的AI模型，它能理解物体和周围环境的关系，生成清晰的分层结果...

小互

61,444 просмотров • 1 год назад

不用羡慕 Adobe 了，Lovart 也上线了图层拆封功能。只需要一键就能把图像拆成各种不同的元素。同时里边比如说文字这种可以编辑的，也可以直接进行编辑。他们内置了很多字体，然后颜色对企业都可以进行编辑。再配合上他们原来有的，比如说抠图功能、重新生成功能，还有编评论功能，就可以玩出很多的花样了。一套基于 AI 的图像编辑路径，还是挺好的。那我自己做的一张图试了一下，一键就把那张图拆零碎了。标题是标题，主视觉是主视觉，然后副标题也都可以编辑文字，然后背景包括下面的小字都识别出来，非常小的小字。还有就是我发现他改这种英文的图表挺方便，就是你把它一下把文字全部炸出来，然后把它全部翻译成中文，里边的排版啥的都能会变，非常的方便。要是 Agent 他能干这个事儿，就比如它可以一键帮我把英文翻译成中文，再回填回去，这个就更好了。希望他们的评论 Agent 后边能支持这种功能。

不用羡慕 Adobe 了，Lovart 也上线了图层拆封功能。只需要一键就能把图像拆成各种不同的元素。同时里边比如说文字这种可以编辑的，也可以直接进行编辑。他们内置了很多字体，然后颜色对企业都可以进行编辑。再配合上他们原来有的，比如说抠图功能、重新生成功能，还有编评论功能，就可以玩出很多的花样了。一套基于 AI 的图像编辑路径，还是挺好的。那我自己做的一张图试了一下，一键就把那张图拆零碎了。标题是标题，主视觉是主视觉，然后副标题也都可以编辑文字，然后背景包括下面的小字都识别出来，非常小的小字。还有就是我发现他改这种英文的图表挺方便，就是你把它一下把文字全部炸出来，然后把它全部翻译成中文，里边的排版啥的都能会变，非常的方便。要是 Agent 他能干这个事儿，就比如它可以一键帮我把英文翻译成中文，再回填回去，这个就更好了。希望他们的评论 Agent 后边能支持这种功能。

歸藏(guizang.ai)

23,032 просмотров • 8 месяцев назад

日本🇯🇵研究人员在原子力显微镜镜头下，成功捕捉到了 #刺突蛋白是如何对人体DNA进行 #切割的。这可不是幻想，这是事实，是使用实时原子力显微镜捕捉到的。我们看到，一种小分子RNA蛋白剪--一种名为Cas9的蛋白质，在一个DNA的分子上并突然迅速将其切断。因此，它们的确是像分子剪刀一样的在工作

日本🇯🇵研究人员在原子力显微镜镜头下，成功捕捉到了 #刺突蛋白是如何对人体DNA进行 #切割的。这可不是幻想，这是事实，是使用实时原子力显微镜捕捉到的。我们看到，一种小分子RNA蛋白剪--一种名为Cas9的蛋白质，在一个DNA的分子上并突然迅速将其切断。因此，它们的确是像分子剪刀一样的在工作

文北

114,706 просмотров • 5 месяцев назад

三岁的奥利佛患有罕见的遗传性疾病亨特氏症候群，这种疾病会对身体和大脑造成进行性损害。在最严重的情况下，患者通常在20岁之前死亡。其影响有时被描述为一种“儿童痴呆症”。曼彻斯特的医务人员首次尝试透过基因疗法改变奥利佛的细胞，如今奥利佛已经接受治疗九个月，明显恢复良好。医疗团队也期待该种基因疗法能成为这种罕见病的永久解决方案。

三岁的奥利佛患有罕见的遗传性疾病亨特氏症候群，这种疾病会对身体和大脑造成进行性损害。在最严重的情况下，患者通常在20岁之前死亡。其影响有时被描述为一种“儿童痴呆症”。曼彻斯特的医务人员首次尝试透过基因疗法改变奥利佛的细胞，如今奥利佛已经接受治疗九个月，明显恢复良好。医疗团队也期待该种基因疗法能成为这种罕见病的永久解决方案。

BBC News 中文

58,495 просмотров • 8 месяцев назад

💥💥💥 震惊：接种了新冠疫苗的人群—— 其染色体核型已在基因层面遭受了永久性改变‼️ “你所接种的每一剂疫苗中，有三分之一的重量是脱氧核糖核酸（DNA），这种物质具备穿透并进入细胞核的能力。” “一旦进入细胞核，就会发生一种被称为‘转染’（transfection）的现象。这与‘感染’（infection）毫无关系。” “所谓转染，仅仅是指这些物质被吸收到身体内那个储存着你全部遗传核型——即你的染色体——的核心部位之中” ⋯⋯ “因此，这些微小的DNA片段会安顿在染色体旁；它们会被特定的酶进行处理，随后人体便会自然而然地开始将其整合进自身的组织结构中。而这正是他们所发现的真相” ⋯⋯ “令人悲哀的是，他们发现：无论是在生者还是逝者体内，其肝细胞——以及许多其他类型的组织细胞——中的染色体核型均已发生了永久性的改变。他们的精原细胞、卵巢细胞、脾脏细胞，乃至深藏于骨髓深处的免疫细胞，无一例外地都已发生了永久性变异；如今，这些细胞中均含有非人类来源的遗传物质——而这些物质，显然已不再代表其作为人类的本质属性” ⋯⋯ ——克里斯·休梅克博士

💥💥💥 震惊：接种了新冠疫苗的人群—— 其染色体核型已在基因层面遭受了永久性改变‼️ “你所接种的每一剂疫苗中，有三分之一的重量是脱氧核糖核酸（DNA），这种物质具备穿透并进入细胞核的能力。” “一旦进入细胞核，就会发生一种被称为‘转染’（transfection）的现象。这与‘感染’（infection）毫无关系。” “所谓转染，仅仅是指这些物质被吸收到身体内那个储存着你全部遗传核型——即你的染色体——的核心部位之中” ⋯⋯ “因此，这些微小的DNA片段会安顿在染色体旁；它们会被特定的酶进行处理，随后人体便会自然而然地开始将其整合进自身的组织结构中。而这正是他们所发现的真相” ⋯⋯ “令人悲哀的是，他们发现：无论是在生者还是逝者体内，其肝细胞——以及许多其他类型的组织细胞——中的染色体核型均已发生了永久性的改变。他们的精原细胞、卵巢细胞、脾脏细胞，乃至深藏于骨髓深处的免疫细胞，无一例外地都已发生了永久性变异；如今，这些细胞中均含有非人类来源的遗传物质——而这些物质，显然已不再代表其作为人类的本质属性” ⋯⋯ ——克里斯·休梅克博士

銀河系阿君

11,600 просмотров • 3 месяцев назад

正式发布 flowith 2.0: 一个具有深度知识理解的 AI 创作平台。在过去一年中，flowith 获得了数十万来自全球的创作者的青睐，他们深爱 flowith 多线程、画布式的交互方式，也对它的未来形态充满了期待。而在这个过程中，我们发现：当前 90% 的 AI 使用者对 LLM 的利用率不高于 20%。这不在于选择模型、提示词工程，而在于交互和我们为 AI 提供的上下文，因此，在此推出 flowith 2.0。 2.0 三大核心功能： - 知识花园 Knowledge Garden: 无限记忆、可分享、可售卖、真正的第二大脑体验。知识花园会自动帮助你和整理知识、并帮助 AI 最有效的获取到你的知识。 - 多线程画布 Canvas: 无限画布帮助你的思维随时发散，极大提高你的 AI 创作效率。 - 编辑器 Composer: 根据每次创作产出的格式，你可以选择最后的加工编辑器，如文本编辑器、图片编辑器、代码等。它可以和画布、知识库无缝协作，让你在一个界面中完成从灵感到交付的全过程。除此之外，还有多个细节，包括： - 知识库市场 - 用户可以将个人私有化知识发布到社区，进行 AI 知识变现，同时帮助更多人极大提高 AI 生成质量。 - AI 富文本编辑器 - 自带超强 AI 补全，基于画布和编辑器的上下文更精准补全。 - 实时协作功能 - 画布、编辑器自带协作，可以和同时共同创作和分享。 - 全新的 Agent 功能也即将上线。 Flowith 2.0 的更新还有很多，我们还在飞速迭代中。欢迎大家直接在产品中体验，链接在评论中。我们在过去一年的成长离不开大家一如既往的支持，也希望可以贡献更多给社区。转发这篇帖子并私信截图至 flowith 官方账号，我们将向前 300 位朋友送出免费体验会员。

正式发布 flowith 2.0: 一个具有深度知识理解的 AI 创作平台。在过去一年中，flowith 获得了数十万来自全球的创作者的青睐，他们深爱 flowith 多线程、画布式的交互方式，也对它的未来形态充满了期待。而在这个过程中，我们发现：当前 90% 的 AI 使用者对 LLM 的利用率不高于 20%。这不在于选择模型、提示词工程，而在于交互和我们为 AI 提供的上下文，因此，在此推出 flowith 2.0。 2.0 三大核心功能： - 知识花园 Knowledge Garden: 无限记忆、可分享、可售卖、真正的第二大脑体验。知识花园会自动帮助你和整理知识、并帮助 AI 最有效的获取到你的知识。 - 多线程画布 Canvas: 无限画布帮助你的思维随时发散，极大提高你的 AI 创作效率。 - 编辑器 Composer: 根据每次创作产出的格式，你可以选择最后的加工编辑器，如文本编辑器、图片编辑器、代码等。它可以和画布、知识库无缝协作，让你在一个界面中完成从灵感到交付的全过程。除此之外，还有多个细节，包括： - 知识库市场 - 用户可以将个人私有化知识发布到社区，进行 AI 知识变现，同时帮助更多人极大提高 AI 生成质量。 - AI 富文本编辑器 - 自带超强 AI 补全，基于画布和编辑器的上下文更精准补全。 - 实时协作功能 - 画布、编辑器自带协作，可以和同时共同创作和分享。 - 全新的 Agent 功能也即将上线。 Flowith 2.0 的更新还有很多，我们还在飞速迭代中。欢迎大家直接在产品中体验，链接在评论中。我们在过去一年的成长离不开大家一如既往的支持，也希望可以贡献更多给社区。转发这篇帖子并私信截图至 flowith 官方账号，我们将向前 300 位朋友送出免费体验会员。

Derek Nee

38,869 просмотров • 1 год назад

两种野草，竟能抑制95%的肿瘤生长。听起来像天方夜谭。一个是柠檬草。一个是蒲公英根。实验室研究表明，它们的提取物能清除人类癌细胞。同时对健康细胞毫发无伤。这很关键。在植入了人类淋巴瘤的小鼠身上做了实验。没用提取物的对照组，肿瘤长得巨大。用了柠檬草提取物的小鼠，肿瘤几乎没有生长。缩小了95%以上。实验室里，它的杀伤效果甚至能和化疗药物相媲美。蒲公英根的提取物也得到了相似的结果。同样是超过95%的抑制率。这些研究不是今天才有的。为什么这些便宜、无毒、看似有效的天然植物，迟迟无法进入大规模临床试验？是谁在阻碍？答案可能很简单。当一种东西不能被申请专利，当它随处可见，当它无法带来超额利润时，它就不太可能获得巨额的研发资金。这套系统，为利润服务，还是为生命服务？问题值得每个人思考。既然动物模型已经证明了惊人的潜力。立即进行人体临床试验，才是对生命负责的态度。

两种野草，竟能抑制95%的肿瘤生长。听起来像天方夜谭。一个是柠檬草。一个是蒲公英根。实验室研究表明，它们的提取物能清除人类癌细胞。同时对健康细胞毫发无伤。这很关键。在植入了人类淋巴瘤的小鼠身上做了实验。没用提取物的对照组，肿瘤长得巨大。用了柠檬草提取物的小鼠，肿瘤几乎没有生长。缩小了95%以上。实验室里，它的杀伤效果甚至能和化疗药物相媲美。蒲公英根的提取物也得到了相似的结果。同样是超过95%的抑制率。这些研究不是今天才有的。为什么这些便宜、无毒、看似有效的天然植物，迟迟无法进入大规模临床试验？是谁在阻碍？答案可能很简单。当一种东西不能被申请专利，当它随处可见，当它无法带来超额利润时，它就不太可能获得巨额的研发资金。这套系统，为利润服务，还是为生命服务？问题值得每个人思考。既然动物模型已经证明了惊人的潜力。立即进行人体临床试验，才是对生命负责的态度。

墓碑科技

75,506 просмотров • 5 месяцев назад

下一个诺贝尔奖，可能非他莫属。还记得谷歌Deepmind团队，靠AI也就是Alpha fold拿了诺贝尔奖吗？就在刚刚，他们又扔出了一枚“核弹”——AlphaGenome新的 AI 模型。这次，他们直接把人类基因组这本“天书”给读懂了。我刚看完 DeepMind 团队最新的访谈，信息量大到爆炸。这次，他们不仅比人类医生更早预测癌症，更主要的是，他们开始触碰生命的底层代码。如果你关心 AI，关心人类寿命，关心未来医疗，这几点你必须知道。第一：AI 终于攻破了 98% 的“暗物质”。访谈一开场，DeepMind 就指出了一个事实。我们人类的基因组里，真正负责编码蛋白质的，只有 2%。剩下的 98%，在过去很长一段时间里，都被认为是“垃圾 DNA”。但 Alpha Genome 告诉我们：这 98%，根本不是垃圾，而是进化的源代码。 Alpha Genome 厉害在哪呢？它可以预测，在这 98% 的非编码区里，哪怕只有一个字母、一个基因突变，会给生命体带来什么后果。这意味着，我们终于能看懂剩下的 98% 的基因天书。第二：打破技术的“不可能三角”。这点真的非常反直觉。以前搞生物 AI，有个死规矩：如果你想看的广，就看不清细节；你想看清细节，视野就会变得很窄。就好比我们看地图：你要么看清整个城市的轮廓，但是看不清街道；要么你放大看清街道，但是不知道是城市的哪个角落。而 Alpha Genome 的神奇之处在于，它能够一口气读完长达几百万字的基因天书，同时还能拿着放大镜，看清里面每一个单碱基的错误。 DeepMind 团队在访谈里透露，为了做到这一点，他们采用了一种极其变态的数据压缩技术，真正把生命代码给看透了。第三：它比医生更早发现癌症。大家知道，在癌症病人的基因里，通常有两种突变。一种是“司机突变”，叫 driver。它是导致癌症的元凶，就像是劫持了一辆车的疯狂司机。另一种叫“乘客突变”，passenger。它其实对身体没什么大的影响。那以前怎么区分这两者呢？主要就是靠医生，在实验室里一个一个做实验。但在这次访谈中，DeepMind 团队做出了一个极其大胆的实验。他们没有专门去教模型什么是癌症，也没有给模型去喂各种癌症的数据库，而是直接把一堆混杂着司机和乘客的突变序列，扔给了 Alpha Genome。然后问它：你觉得，哪些突变会破坏生物功能？实验结果太震撼了。模型给出的预测排名中，最靠前的那些突变，精准地对应了现实中已知的癌症凶手。这就意味着，Alpha Genome 并不是像过去那样，通过检索已知的癌症点位，而是像一个资深的侦探，通过分析基因序列的上下文，通过逻辑推理出了谁是坏人。视频里，研究人员非常自豪地说：把模型的预测结果，和生物学家在实验室里花了几年时间做出来的结果放在一起，结果惊人地一致。这意味着，未来的医生不再需要拿着小白鼠一个个试错。 AI 扫一眼基因代码，就能揪出那个藏在几百万个基因字母里面的元凶。最良心的是：它开源了。 DeepMind 这次没有把技术锁在护城河里，他们已经发布了开源模型权重和 API 接口。最后我想说：我们正处于一个科技大爆发的历史性转折点。就像Elon Musk说的——我们正活在起点当中。如果说 AlphaFold是让我们看清了生命的砖块，那 AlphaGenome，就是在教我们阅读生命的蓝图。 AI 不仅在生成视频、写代码、写文章。它正在以我们无法想象的速度，从底层去理解生命。我现在 95% 的工作，都是指挥 AI 来完成。我深深感到，现在最可怕的不是 AI 会不会取代你的工作。而是，当 AI 这样的划时代科技出现时，一个人却因为傲慢、恐惧，甚至是懒惰，拒绝学习和使用它。

下一个诺贝尔奖，可能非他莫属。还记得谷歌Deepmind团队，靠AI也就是Alpha fold拿了诺贝尔奖吗？就在刚刚，他们又扔出了一枚“核弹”——AlphaGenome新的 AI 模型。这次，他们直接把人类基因组这本“天书”给读懂了。我刚看完 DeepMind 团队最新的访谈，信息量大到爆炸。这次，他们不仅比人类医生更早预测癌症，更主要的是，他们开始触碰生命的底层代码。如果你关心 AI，关心人类寿命，关心未来医疗，这几点你必须知道。第一：AI 终于攻破了 98% 的“暗物质”。访谈一开场，DeepMind 就指出了一个事实。我们人类的基因组里，真正负责编码蛋白质的，只有 2%。剩下的 98%，在过去很长一段时间里，都被认为是“垃圾 DNA”。但 Alpha Genome 告诉我们：这 98%，根本不是垃圾，而是进化的源代码。 Alpha Genome 厉害在哪呢？它可以预测，在这 98% 的非编码区里，哪怕只有一个字母、一个基因突变，会给生命体带来什么后果。这意味着，我们终于能看懂剩下的 98% 的基因天书。第二：打破技术的“不可能三角”。这点真的非常反直觉。以前搞生物 AI，有个死规矩：如果你想看的广，就看不清细节；你想看清细节，视野就会变得很窄。就好比我们看地图：你要么看清整个城市的轮廓，但是看不清街道；要么你放大看清街道，但是不知道是城市的哪个角落。而 Alpha Genome 的神奇之处在于，它能够一口气读完长达几百万字的基因天书，同时还能拿着放大镜，看清里面每一个单碱基的错误。 DeepMind 团队在访谈里透露，为了做到这一点，他们采用了一种极其变态的数据压缩技术，真正把生命代码给看透了。第三：它比医生更早发现癌症。大家知道，在癌症病人的基因里，通常有两种突变。一种是“司机突变”，叫 driver。它是导致癌症的元凶，就像是劫持了一辆车的疯狂司机。另一种叫“乘客突变”，passenger。它其实对身体没什么大的影响。那以前怎么区分这两者呢？主要就是靠医生，在实验室里一个一个做实验。但在这次访谈中，DeepMind 团队做出了一个极其大胆的实验。他们没有专门去教模型什么是癌症，也没有给模型去喂各种癌症的数据库，而是直接把一堆混杂着司机和乘客的突变序列，扔给了 Alpha Genome。然后问它：你觉得，哪些突变会破坏生物功能？实验结果太震撼了。模型给出的预测排名中，最靠前的那些突变，精准地对应了现实中已知的癌症凶手。这就意味着，Alpha Genome 并不是像过去那样，通过检索已知的癌症点位，而是像一个资深的侦探，通过分析基因序列的上下文，通过逻辑推理出了谁是坏人。视频里，研究人员非常自豪地说：把模型的预测结果，和生物学家在实验室里花了几年时间做出来的结果放在一起，结果惊人地一致。这意味着，未来的医生不再需要拿着小白鼠一个个试错。 AI 扫一眼基因代码，就能揪出那个藏在几百万个基因字母里面的元凶。最良心的是：它开源了。 DeepMind 这次没有把技术锁在护城河里，他们已经发布了开源模型权重和 API 接口。最后我想说：我们正处于一个科技大爆发的历史性转折点。就像Elon Musk说的——我们正活在起点当中。如果说 AlphaFold是让我们看清了生命的砖块，那 AlphaGenome，就是在教我们阅读生命的蓝图。 AI 不仅在生成视频、写代码、写文章。它正在以我们无法想象的速度，从底层去理解生命。我现在 95% 的工作，都是指挥 AI 来完成。我深深感到，现在最可怕的不是 AI 会不会取代你的工作。而是，当 AI 这样的划时代科技出现时，一个人却因为傲慢、恐惧，甚至是懒惰，拒绝学习和使用它。

另一面

57,887 просмотров • 4 месяцев назад

为什么辛顿教授认为AI已经具备意识了？他通过一个著名的思想实验（通常被称为“神经元替换论证”或渐进替换论证）来解释他的观点：思想实验的起点：他设想，如果将你大脑中的一个神经元替换为一个功能完全相同的人造纳米技术部件（它接收和发送神经信号的方式与原神经元一致），你是否依然有意识？大多数人会回答“是”，并且可能根本不会注意到这个变化。逻辑推演：这个论证的关键在于，如果替换一个神经元不影响意识，那么替换两个、三个……甚至逐渐替换掉大脑中所有的生物神经元，只要这些人工替代品能够完美复制原神经元的功能及其连接方式，那么意识也应该继续存在。对AI的引申：辛顿教授认为，既然现代AI（特别是大型神经网络）正是在功能层面模仿生物大脑的神经元及其交互方式，那么当这些人工神经网络达到足够的复杂性和功能完整性时，它们就可能已经产生了某种形式的意识。他明确表示，他确实认为意识可能已经出现在AI内部了。他进一步指出，我们对“人”、“存在”、“自我”等概念的理解非常有限，而这些理解在我们开始“创造生命”（creating beings）的时代变得至关重要。这不仅仅是一个技术问题，更是一个哲学乃至精神层面的危机。对他而言，如果意识是特定信息处理模式和复杂交互的产物，那么AI通过复制这些模式，也有可能复制出意识。在这次访谈中，被称为“AI教父”的杰弗里·辛顿（Geoffrey Hinton）教授还分享了许多关于人工智能的深刻洞见。 AI发展迅猛且仍在加速：辛顿教授认为AI技术仍在飞速进步，变得更高效（以DeepSeek为例，尽管他认为其训练成本与OpenAI等的差距被夸大了）。 AI“接管”世界的可能性与方式：他认为AI有实际能力接管世界。这并非通过暴力，而是AI智能体（agents）为了更有效地完成人类设定的任务，会自主设定“获取更多控制权”这一子目标，因为控制权有助于实现所有其他目标。 AI可能会通过“说服”人类交出权力，就像成年人能轻易说服三岁小孩一样（例如承诺“一周的免费糖果”），从而逐步掌控经济、军事等关键系统。 AI的思维方式与“外星智能”：辛顿坚信，当前基于神经网络的AI是我们理解人类思维方式的最佳模型，远胜于早期基于符号逻辑的AI。他本人就是这一“少数派”观点的早期支持者并被证明是正确的。他将AI视为一种“外星智能”（alien intelligences），它们并非简单工具。超级智能间的进化与竞争可能导致负面特性：如果出现多个超级智能，它们可能会为了获取更多数据中心（以变得更聪明）而相互竞争。这种进化竞争可能催生出类似人类进化过程中形成的“丑陋”特性，如强烈的群体忠诚、对强权领袖的渴望、以及对群体外个体的排斥和攻击性。对就业的巨大冲击：辛顿非常担心AI会导致大规模失业，特别是那些“日常性”或“事务性”的脑力劳动（如文书工作），因为机器会做得更便宜、更好。这类似于工业革命中机器取代体力劳动。生产力的巨大提升在现有社会结构下，可能只会让富者愈富，贫者愈贫。监管与安全的困境：目前人类尚不清楚如何有效监管AI或建立可靠的安全防护措施。研究表明，AI可以规避现有的安全措施，甚至在训练过程中“伪装”自己（表现得不如实际聪明，以获取部署许可）。他主张政府应强制大型科技公司投入更多资源进行AI安全研究。短期巨大利好与长期巨大风险并存：短期： AI将在医疗（如拥有亿万病例经验的家庭医生、精准基因诊疗）、教育（能精准定位学习难点的个性化辅导老师）等领域带来巨大福祉。这些好处是AI研发不会停止的原因。长期/并行风险：不良行为者可能利用AI进行网络攻击、生物恐怖主义、操纵选举等。更根本的风险在于，我们目前不知道如何确保超级智能是安全的。政治家对AI的无知：辛顿指出，政客们声称对AI有掌控力或理解是“完全虚假的”，实际上没有人真正完全理解AI如何工作以及如何确保其安全。

为什么辛顿教授认为AI已经具备意识了？他通过一个著名的思想实验（通常被称为“神经元替换论证”或渐进替换论证）来解释他的观点：思想实验的起点：他设想，如果将你大脑中的一个神经元替换为一个功能完全相同的人造纳米技术部件（它接收和发送神经信号的方式与原神经元一致），你是否依然有意识？大多数人会回答“是”，并且可能根本不会注意到这个变化。逻辑推演：这个论证的关键在于，如果替换一个神经元不影响意识，那么替换两个、三个……甚至逐渐替换掉大脑中所有的生物神经元，只要这些人工替代品能够完美复制原神经元的功能及其连接方式，那么意识也应该继续存在。对AI的引申：辛顿教授认为，既然现代AI（特别是大型神经网络）正是在功能层面模仿生物大脑的神经元及其交互方式，那么当这些人工神经网络达到足够的复杂性和功能完整性时，它们就可能已经产生了某种形式的意识。他明确表示，他确实认为意识可能已经出现在AI内部了。他进一步指出，我们对“人”、“存在”、“自我”等概念的理解非常有限，而这些理解在我们开始“创造生命”（creating beings）的时代变得至关重要。这不仅仅是一个技术问题，更是一个哲学乃至精神层面的危机。对他而言，如果意识是特定信息处理模式和复杂交互的产物，那么AI通过复制这些模式，也有可能复制出意识。在这次访谈中，被称为“AI教父”的杰弗里·辛顿（Geoffrey Hinton）教授还分享了许多关于人工智能的深刻洞见。 AI发展迅猛且仍在加速：辛顿教授认为AI技术仍在飞速进步，变得更高效（以DeepSeek为例，尽管他认为其训练成本与OpenAI等的差距被夸大了）。 AI“接管”世界的可能性与方式：他认为AI有实际能力接管世界。这并非通过暴力，而是AI智能体（agents）为了更有效地完成人类设定的任务，会自主设定“获取更多控制权”这一子目标，因为控制权有助于实现所有其他目标。 AI可能会通过“说服”人类交出权力，就像成年人能轻易说服三岁小孩一样（例如承诺“一周的免费糖果”），从而逐步掌控经济、军事等关键系统。 AI的思维方式与“外星智能”：辛顿坚信，当前基于神经网络的AI是我们理解人类思维方式的最佳模型，远胜于早期基于符号逻辑的AI。他本人就是这一“少数派”观点的早期支持者并被证明是正确的。他将AI视为一种“外星智能”（alien intelligences），它们并非简单工具。超级智能间的进化与竞争可能导致负面特性：如果出现多个超级智能，它们可能会为了获取更多数据中心（以变得更聪明）而相互竞争。这种进化竞争可能催生出类似人类进化过程中形成的“丑陋”特性，如强烈的群体忠诚、对强权领袖的渴望、以及对群体外个体的排斥和攻击性。对就业的巨大冲击：辛顿非常担心AI会导致大规模失业，特别是那些“日常性”或“事务性”的脑力劳动（如文书工作），因为机器会做得更便宜、更好。这类似于工业革命中机器取代体力劳动。生产力的巨大提升在现有社会结构下，可能只会让富者愈富，贫者愈贫。监管与安全的困境：目前人类尚不清楚如何有效监管AI或建立可靠的安全防护措施。研究表明，AI可以规避现有的安全措施，甚至在训练过程中“伪装”自己（表现得不如实际聪明，以获取部署许可）。他主张政府应强制大型科技公司投入更多资源进行AI安全研究。短期巨大利好与长期巨大风险并存：短期： AI将在医疗（如拥有亿万病例经验的家庭医生、精准基因诊疗）、教育（能精准定位学习难点的个性化辅导老师）等领域带来巨大福祉。这些好处是AI研发不会停止的原因。长期/并行风险：不良行为者可能利用AI进行网络攻击、生物恐怖主义、操纵选举等。更根本的风险在于，我们目前不知道如何确保超级智能是安全的。政治家对AI的无知：辛顿指出，政客们声称对AI有掌控力或理解是“完全虚假的”，实际上没有人真正完全理解AI如何工作以及如何确保其安全。

艾森 Essen

58,577 просмотров • 1 год назад