我們將讓 100,000 名學術研究人員免費使用我們的 frontier models（前沿模型）
🏦 台灣Pay 銀行轉帳 💙 PayPal
多位科學家分享用 AI 模型做研究的經驗，以及工具普及對科學的意義
- 00:01 講者對孩子說，自己的工作是思考生命、宇宙和萬物的奧祕，想了解我們從哪裡來、要往哪裡去
- 01:35 AI 能撰寫數值測試。驗證想法對不對有很多方法，但一開始能有這個想法本身就很重要
- 03:05 科學家是很有創意的人。講者期待工具交到更多人手上、更廣泛使用後，科學家會想出什麼，並認為這個社群很適合找出使用 AI 的新方法
💡 你可以怎麼用：用 AI 處理工作時，別只叫它照做，可以多問一句「列出三個我可能沒想到的原因或做法」，讓它幫你拓展思路。手上有一堆資料時，直接用白話請它整理成圖表，先粗看方向，再決定要往哪裡深挖。
看全部 19 條重點
🧑🏫 這是 OpenAI 的影片，標題寫要讓 10 萬名學術研究者免費使用 frontier models（前沿模型，指目前能力最強的那一批 AI）。影片裡幾位科學家分享自己怎麼用 AI 做研究，也談工具普及對科學的影響。值得看的地方在於，它讓你看到 AI 不只幫人省時間，也能幫人想出新點子。
- 00:01 講者對孩子說，自己的工作是思考生命、宇宙和萬物的奧祕，想了解我們從哪裡來、要往哪裡去↳ 講者跟小孩解釋工作時這樣說：他研究的是最根本的大問題，像宇宙怎麼開始、人類從哪裡來、未來會變怎樣。影片用這句開場，帶出後面 AI 怎麼幫忙做這種研究。
- 00:01 講者認為 AI 正在模糊物理學各子領域的界線。他想找出這個模型能做什麼新事，而不只是改善原本的工作↳ 物理學分成很多小領域，以前多半各做各的。講者發現 AI 能把不同領域的知識串在一起。所以他不只想讓舊工作變快，更想看看 AI 能不能做出以前做不到的事。
- 00:35 講者自我介紹：身兼物理學家、宇宙學家（cosmologist）與 AI 研究者，把這些領域結合在一起做研究↳ cosmologist（宇宙學家）是研究整個宇宙起源和演變的科學家。講者同時做物理、宇宙學和 AI，重點是他把三個領域混在一起用，而不是分開做。
- 00:35 團隊試著預測宇宙背景微波輻射的訊號特徵。模型把這個問題類比到光子學（photonics）研究，幫助他們解決問題的某個部分↳ 宇宙背景微波輻射是宇宙早期留下、到現在還測得到的微弱輻射。photonics（光子學）研究光怎麼產生和傳遞。模型看出兩個問題很像，借用光子學的思路解決了其中一段。
- 00:35 講者大量用 AI 快速產生程式碼，用來分析資料、快速測試不同假說，藉此粗略判斷訊號可能在資料的哪裡↳ 以前寫分析資料的程式很花時間。現在講者請 AI 快速生出程式碼，一次試好幾種 hypothesis（假說，就是還沒證實的猜測），先大概抓出訊號可能藏在資料哪一塊。
- 00:35 講者把工作交給模型，約 10 分鐘內就做好幾乎每種組織（字幕作 fabric）的直方圖，令人印象深刻↳ histogram（直方圖）把資料分成幾個區間，用長條顯示每區有多少筆。字幕寫 fabric，從上下文看應是指身體的各種組織。這種整理原本很耗工，模型約 10 分鐘就幾乎全做完。
- 01:05 他們開發的指標在腦部很高、在其他組織較低，這個結果很有說服力↳ 他們自己設計了一個衡量用的指標，結果在腦部數值特別高，在其他組織偏低。差異這麼明顯，表示這個指標很可能真的抓到了東西，所以講者覺得可信。
- 01:05 只用日常語言和電腦對話就能做出發現，講者覺得很不可思議↳ 以前要叫電腦做事，得先會寫程式。現在用平常講話的方式描述需求，AI 就能幫忙分析，甚至做出新發現。門檻降得這麼低，講者覺得很驚訝。
- 01:05 突破常常不是來自解開超複雜的問題，而是來自對的假設。講者開始從 AI 模型得到自己以前沒想過的新假說↳ 科學上的大進展，很多時候不是靠算得多難，而是一開始有沒有問對方向。講者發現 AI 會提出他自己沒想到的假說，等於多了一個幫忙想方向的夥伴。
- 01:35 AI 能撰寫數值測試。驗證想法對不對有很多方法，但一開始能有這個想法本身就很重要↳ numerical tests（數值測試）是用電腦實際算一遍，看想法的預測準不準。講者的意思是：檢驗的方法很多，真正稀缺的是先冒出好點子。
- 01:35 許多問題需要的不是擴大實驗規模，而是非凡的巧思或理解上的大躍進。這種能力受限於能做到的人數，AI 可以大幅增強人的能力↳ 有些難題不是多做實驗、多花錢就能解決，而是要有人靈光一閃、想通關鍵。能做到這點的人很少，這就是瓶頸。講者認為 AI 能把更多人的思考能力往上拉。
- 01:35 如果每位實驗者都有自己的 AI agents，想法的空間和能獲得的洞見數量都會大幅增加↳ AI agents（AI 代理）是能接下任務、自己分步驟去執行的 AI 助手。講者想像每個做實驗的人都配一組，大家能同時探索的想法變多，得到的新發現也會跟著變多。
- 02:05 原本以為要花數十年的事，可能一兩年內就有進展；原本一輩子都遙不可及的事，可能縮短到數十年內實現↳ 講者預期研究進度會大幅加快：原本以為要幾十年的事，可能一兩年就看到成果；原本覺得這輩子等不到的突破，也可能在幾十年內實現。這是他的預期，不是保證。
- 02:05 講者很享受和 AI 合作。AI 讓他空出時間，做自己熱愛的事：科學發現、閱讀他人研究、和學生見面↳ 研究裡有很多雜事，例如整理資料、寫程式。AI 接手這些工作後，講者多出時間做真正喜歡的事：想新發現、讀別人的論文、跟學生討論。所以他覺得跟 AI 合作很愉快。
- 02:05 講者認為，消除開始投入這類研究的「能量門檻」，對科學界意義重大↳ energy barrier（能量門檻）原本是化學用語，指反應開始前要先跨過的那道能量。這裡用來比喻開始一項研究前的各種麻煩。門檻消失了，更多人就願意動手試。
- 02:35 這些工具必須廣泛普及，這對科學進步很重要。世界各地的任何科學家、任何人，都可能在自己的領域做出下一個突破↳ 講者強調工具不能只給少數頂尖機構用。好點子可能出現在世界任何角落、任何人身上。工具越普及，下一個突破出現的機會就越多。
- 02:35 影響可能非常巨大。人們會用各種有創意的方式使用這些工具，現在無法預測樣貌，但它一定會成為催化劑↳ catalyst（催化劑）是能讓反應加速、本身又不會被用掉的東西。講者承認猜不到大家會怎麼用 AI，但他確定 AI 會像催化劑一樣，讓科學進展變快。
- 02:35 讓當初帶領大家走進科學的好奇心，更常出現在日常的專業工作中，講者覺得很美好↳ 很多科學家當初入行，是因為對世界好奇，但日常工作常被雜務占滿。講者覺得 AI 讓那種單純的好奇心，能更常出現在每天的工作裡，這點很美好。
- 03:05 科學家是很有創意的人。講者期待工具交到更多人手上、更廣泛使用後，科學家會想出什麼，並認為這個社群很適合找出使用 AI 的新方法↳ 講者相信科學家本來就很會想新招。工具更普及之後，一定有人發明他沒想過的用法。他認為科學界正是最適合摸索 AI 新用途的一群人。
📘 術語
cosmologist（宇宙學家）：講者的身分之一，和物理學家、AI 研究者並列（字幕未進一步解釋）
background microwave radiation（背景微波輻射）：字幕提到在宇宙中觀測到的輻射，團隊試著預測它的訊號特徵
photonics（光子學）：模型把微波輻射問題類比到光子學研究，幫助解決問題的一部分
histogram（直方圖）：模型約 10 分鐘內為幾乎每種組織做好的資料圖表（字幕未解釋定義）
hypothesis（假說）：講者用 AI 快速測試不同假說，也從 AI 得到自己沒想過的新假說
numerical tests（數值測試）：AI 可以撰寫，用來檢驗想法是否正確的測試
AI agents（AI 代理）：字幕假設每位實驗者都擁有自己的 AI agents，想法空間與洞見會大增
energy barrier（能量門檻）：比喻開始投入研究的阻礙，講者認為消除它對科學界意義重大
catalyst（催化劑）：講者說無法預測人們會怎麼用 AI，但它一定會成為推動進展的催化劑
background microwave radiation（背景微波輻射）：字幕提到在宇宙中觀測到的輻射，團隊試著預測它的訊號特徵
photonics（光子學）：模型把微波輻射問題類比到光子學研究，幫助解決問題的一部分
histogram（直方圖）：模型約 10 分鐘內為幾乎每種組織做好的資料圖表（字幕未解釋定義）
hypothesis（假說）：講者用 AI 快速測試不同假說，也從 AI 得到自己沒想過的新假說
numerical tests（數值測試）：AI 可以撰寫，用來檢驗想法是否正確的測試
AI agents（AI 代理）：字幕假設每位實驗者都擁有自己的 AI agents，想法空間與洞見會大增
energy barrier（能量門檻）：比喻開始投入研究的阻礙，講者認為消除它對科學界意義重大
catalyst（催化劑）：講者說無法預測人們會怎麼用 AI，但它一定會成為推動進展的催化劑
✏️ 小考一題
講者把工作交給模型後，大約多久就做好了幾乎每種組織的直方圖？
A. 約 1 小時B. 約 1 週C. 約 1 天D. 約 10 分鐘看答案
答案：D。字幕 [00:35]–[01:05]：「in about 10 minutes he had histograms ready for almost every fabric」
💛 覺得有幫助？支持一下
課本免費、沒有廣告，支持與否都能照常讀 🐰