- 主题:颜宁：AlphaFold的预测达到了我们2017年的水平
AI早进化了，watson时代watson采用的AI技术与现在流行的AI技术不是同一类技术
【 在 ciwp 的大作中提到: 】
: ibm watson十年前一坨翔，十年后还是一坨翔。
: - 来自 水木社区APP v3.5.6
--
FROM 114.250.176.*
目前落地的应用中，仅仅只看到围棋等棋类不需要训练数据了...
【 在 cannan 的大作中提到: 】
: 不是这么说，这个是在早期，就像是围棋的大量棋谱促进了alpha go.
: 但是不需要反复输入，类似输入一次就够了
: 蛋白的框架跟围棋子一样，也就是这样它才快速发展
: ...................
--
FROM 114.250.176.*
但围棋并不是不需要训练数据，只是不需要人类标注数据了，因为围棋可以通过左右手互博产生训练数据
蛋白怎么互博产生训练数据?
【 在 cannan 的大作中提到: 】
: 围棋是应用黑白子作为基础，象棋是若干个子为基础进行模拟预测可能，
: 蛋白恰恰也是这种，用几个氨基酸分子作为基础，类比就是比棋类多了几个子吧。
: 但蛋白是弄一条线，所以复杂度又降低了，这就是现在噗噗拉拉飞的快的原因。
: ...................
--
FROM 114.250.176.*
现在的AI，没人拿去做类似的产品吧？而且也不适合做类似的产品
【 在 ciwp 的大作中提到: 】
: 你把现在最新的大模型拿去问诊，照样翻车啊。
: - 来自 水木社区APP v3.5.6
--
FROM 114.250.176.*
那就还是说明颜的工作的重要性吧，因为蛋白解构，依然脱离不了人类
围棋的训练可以完全脱离人类，不需要人类准备任何训练数据，从零开始，自我进化，打败人类
【 在 cannan 的大作中提到: 】
: 这个不是整天蛋白基因组在做的事情吗？他们负责蛋白质测序啊。
: 测出了蛋白质序列， 然后用ai模拟结构。结构成为最不关键的一样了，
: 就是最后照照看，失去了预测意义/
: ...................
--
FROM 114.250.176.*
那就有点抬杠了，
颜的角色应该是教师之类，如果非要评价的话，
教会ai怎么解构蛋白
教师进步，学生亦进步
今天的基于标注数据的ai，从本质上无法超越老师
除非象围棋领域，不需要老师，才有可能超越
【 在 cannan 的大作中提到: 】
: 不重要了。
: 地位从主角沦为配角，就是摄影师。
:
--
FROM 114.250.176.*
只能说ai还有很长的路要走，ai不是什么都可做
【 在 ciwp 的大作中提到: 】
: 一大票公司砸大钱在做这个，更别说科研界了。你能做出来一个，中国首富就是你了。
: - 来自 水木社区APP v3.5.6
--
FROM 114.250.176.*
watson时代主流ai肯定不是深度学习，那时候还没有深度学习。
【 在 beinghalf 的大作中提到: 】
: 并没有多少进化，只是应用更广泛了而已。 深度学习还是那几种，你看商汤上海的AI地图就知道了
--
FROM 114.250.176.*
06年仅仅是Hinton写了篇文章，2012年才引起关注，大规模采用深度学习不管是学术界还是工业界都是到2014之后了
【 在 beinghalf 的大作中提到: 】
: watson是2014年主流， 深度学习是2006年就有了的，虽然watson一开始号称机器学习，但其实Watson给人的标签就是深度学习，当然ML和DL本身就是相互交叉使用的
--
FROM 64.64.123.*