The Briefing：AI for Science（AI 用於科學）

🧑‍🏫 這支是 Anthropic（開發 Claude 的公司）講「AI 怎麼讓生物醫學研究變快」的簡報，最後宣布推出一個新產品。值得看的原因是，它除了說 AI 很強，也講清楚 AI 做不到的事，以及人在研究裡還是得自己負責的部分。

• 00:02 兩年前 CEO 寫道：以 AI 為基礎的生物學與醫學，能把 50–100 年的進展壓縮到 5–10 年
  ↳ 兩年前，公司執行長寫過一個預測：用 AI 做生物和醫學研究，原本要 50 到 100 年才走得到的進度，可能 5 到 10 年就做到，大約快了十倍。
• 00:02 這在當時看起來是很有野心的目標；講者說今天上午的內容就是「它已經開始」的證明
  ↳ 這個說法當時聽起來很像在畫大餅。講者的意思是：今天上午展示的那些成果，就是這個預測已經開始成真的實際證據，不再只是口號。
• 00:02 AI 能提供很好的起點，甚至提出「沒有人類會想到」的點子
  ↳ 研究剛起步時 AI 就很有用。它能幫忙找方向、列出可以試的做法，有時還會提出人類研究者想不到的新點子，研究就不用從零開始摸索。
• 00:02 但仍需要 AI 幫不上忙的實驗科學與思考；把 AI 和實驗兩者結合起來，才得到答案
  ↳ AI 提出的點子只是猜測，還是得進實驗室實際做實驗，再由人判斷結果。答案要靠 AI 出主意加上實驗驗證才得出來，兩個都不能少。
• 00:33 提醒：一旦人們不再運用自己的智慧、創造力、紀律與科學方法，就會出現大問題
  ↳ 講者特別警告，AI 再好用，人也不能因此停止動腦。研究者如果不再自己思考、發揮創意、守紀律、照科學方法一步步驗證，就會出大問題。
• 00:33 做實驗要 3 天、分析卻要 3 週以上，這不算科學，只是為了走到科學而熬過的苦工；這種例行工作正在消失
  ↳ 很多研究的現實是：實驗三天就做完，整理和分析資料卻要三週以上。這些是非做不可的苦工，本身不算科學發現，現在 AI 正在把這類重複性的工作接手過去。
• 00:33 宣布今天推出新產品，字幕寫作 Cloud Science
  ↳ 今天正式宣布推出新產品，字幕寫成「Cloud Science」。影片沒有說明它具體有哪些功能，目前只知道它跟這場談的科學研究有關。
• 01:05 因為研發週期太慢、太繁瑣，還有整個產業沒被探索；影片接著展示研發週期不再慢時會是什麼樣子
  ↳ 研發週期（development cycle，從想法到做出成果的整段流程）太慢太繁瑣，所以還有整個產業沒人去開發。影片接著示範週期變快後研究會是什麼樣子。
• 01:05 成果：更多疾病得到治療、原本「無法治療」的標靶變得可以用藥物處理，對族群健康的影響大得多
  ↳ 結果是能治的病變多了。「標靶」是藥物要作用的身體分子，以前有些被認為無法用藥（untreatable），現在開始有辦法。對族群健康（population health，一大群人整體的健康）的影響也大很多。
• 01:05 希望各團隊有更多「雙語」專家，同時精通科學專業和數位技術與 AI，大家才能一起做出真正的大成就
  ↳ 講者希望團隊裡有更多「雙語」專家（bilingual specialists）。這裡的雙語不是指會兩種語言，是指同時懂科學專業、又懂數位技術和 AI 的人。兩邊都懂，大家才做得出真正的大成果。
• 01:05 講者非常有信心，我們每年能做出 10 年份的進展
  ↳ 講者最後很有把握地說，照這個速度，我們每年能做出過去十年份的進展，呼應開頭「50 到 100 年壓縮成 5 到 10 年」的目標。

影片中講者說，哪一種實驗「不是科學」，只是為了走到科學而熬過的苦工？