🔬 From Red Teaming GPT-4 to Automating Drug Discovery: The Future of AI in Science — Andrew White

История protein folding

Раньше для свёртывания белков требовались специальные суперкомпьютеры, как у Desha Research, но AlphaFold решил задачу на обычных GPU, что кардинально изменило подход к биоинформатике.

Это показывает, как прорыв в AI может резко снизить барьеры и ускорить науку.

Цель подкаста и объединение сообществ

AI и научные сообщества долго развивались отдельно, но их синергия необходима для реальных прорывов.

Нужна глубокая коммуникация и понимание обеих сторон — моделей и предметной области.

Опыт Андрю Уайта в науке и AI

Работа с молекулярной динамикой и симуляциями показала ограниченность классических методов без интеграции ML.

Опыт создания моделей, которые работают с малыми данными и сложными физическими системами, важен для автоматизации науки.

Внедрение трансформеров в химию

Трансформеры подходят для химии, где важна работа с графами и симметриями, а не просто классические ML-задачи.

Создание и публикация benchmark-ов помогает формировать новые направления и стандарты в AI для науки.

Red teaming GPT-4 и ChemCrow

Red team GPT-4 для оценки возможностей и рисков применения в химии и биологии.

Проект ChemCrow с IBM демонстрирует, как GPT-4 в связке с облачными лабораториями может автоматизировать научные исследования, используя агентные подходы и RAG.