用大模型解决困扰数学家60多年的问题，谷歌DeepMind最新成果再登Nature。作者之一、谷歌DeepMind研究副总裁PushmeetKohli表示：训练数据中不会有这个方案，它之前甚至根本不为人类所知。这项技术名为FunSearch，其中的Fun是函数（Function）一词的简写。利用大模型解决长期存在的科学难题，产生以前不存在的可验证且有价值*的新信息。在Nature论文配套的新闻解读中，DeepMind负责人称“我们使用大模型的方式是当做创造力引擎”。这是第一次有人证明基于大模型的系统可以超越数学家和计算机科学家的认知。它不仅新颖，而且比当今存在的任何其他东西都更有效。针对这项成

上限集问题，是困扰数学家们多年的开放性问题。著名数学家陶哲轩，就曾将上限集问题描述为自己最喜欢的开放性问题。陶哲轩博客而大语言模型，竟然在这个问题上做出了新发现。今天，GoogleDeepMind、威斯康星大学麦迪逊分校和里昂大学的研究人员联手提出全新方法——FunSearch，竟首次利用LLM发现数学科学中的开放问题！AI通过搜索计算机代码编写的「函数」，因此得名FunSearch。论文地址：https://www.nature.com/articles/s41586-023-06924-6简单来说，FunSearch将预训练的LLM与自动「评估器」配对使用。前者的目标是以计算机代码的形式提

真实世界模拟器来啦！还在发愁训练出的大模型无法适应真实的物理世界吗？AIAgent想要进入我们的生活还有多远的距离？——UC伯克利、谷歌DeepMind、MIT和阿尔伯塔大学的研究人员告诉你答案。在NeurlPS2023上，研究人员将展示他们最新的工作：真实世界模拟器UniSim。视频演示：https://universal-simulator.github.io/unisim/论文地址：https://arxiv.org/pdf/2310.06114.pdf当今的生成式大模型彻底改变了文本、图像和视频内容的创建方式。那么，生成式AI的下一步会是什么呢？也许是模拟现实体验，——以响应人类、机器

最近，OpenAI工程师惊人曝出：ChatGPT的开发竟然只用了8天！这位工程师表示，一年前的今天，自己报名了这项全世界演示的研究预览。8天内，团队完成了产品制作和上线的全部流程。那时，没人能预料，世界会发生怎样的变化。下面是一些关于那个「疯狂第一夜」的截图。众所周知，从GPT-2到GPT-3，用了很多年，为什么ChatGPT的诞生却只要8天？据悉，当时OpenAI的一些「叛逃员工」成立的Anthropic，马上就要发布大模型产品了。为了抢在他们前面发布AI聊天机器人，OpenAI团队用Next.js写了个网页、调了个接口。然后，掀起全世界AI风暴的ChatGPT，就此诞生。AI大公司和独角兽

作为今年AI圈的顶流，大型语言模型（LLM）擅长的是组合概念，并且可以通过阅读、理解、写作和编码来帮助人们解决问题。但它们能发现全新的知识吗？由于LLM已被证明存在「幻觉」问题，即生成与事实不符的信息，因此利用LLM来做可验证的正确发现是一项挑战。现在，来自GoogleDeepMind的研究团队提出了一种为数学和计算机科学问题搜索解决方案的新方法——FunSearch。FunSearch的工作原理是将预训练的LLM（以计算机代码的形式提供创造性解决方案）与自动「评估器」配对，以防止产生幻觉和错误思路。通过在这两个组件之间来回迭代，最初的解决方案演变成了「新的知识」。相关论文发表在《自然》杂志上

DeepMind团队最新的Nature论文，竟出现严重的漏洞。来自伦敦大学的化学教授RobertPalgrave在网上公开揭露，论文在材料表征方面存在非常严重的问题。更离谱的是，Palgrave发现AI制作了3次已有90年历史的化合物，而且还弄错了成分。这篇在11月29日刊登在Nature的论文「Anautonomouslaboratoryfortheacceleratedsynthesisofnovelmaterials」，主要是由UC伯克利、劳伦斯伯克利国家实验室、谷歌DeepMind的团队联合完成。论文中，仅用了17天时间，AI便实现了，在58种预测材料中，合成了41种新材料。论文地址：

最近，InflectionAI发布了全新的一款AI模型。更炸裂的是InfectionAI对这款模型的评价——性能直超谷歌和Meta开发的两款模型，紧随OpenAI的GPT-4之后。到底是什么样的表现让InflectionAI能夸下如此海口呢？在介绍具体的模型性能以前，我们先来看看它的基本信息。这款AI模型名叫Inflection-2，在多项标准的基准测试中，成绩碾压谷歌5月发布的PaLMLarge2模型，还在很多不同的项目中击败了Meta开发的LLaMA-2.图片这么来看，InflectionAI确实可以有这个自信。公司内部人员表示，总体而言Inflection的新模型是同类产品中性能最好的，

只用一个AI，就获取了人类接近800年才能搞出来的知识成果！这是谷歌DeepMind新研究的一种材料发现工具，论文已经发表在Nature上。仅凭这个AI工具，他们发现了220万种理论上稳定的新晶体材料，不仅将预测材料稳定性的准确率从50%拉高到80%，而且38万种已经投入测试中。谷歌DeepMind表示，鉴于过去10年才发现28000种稳定材料，这项研究相当于近800年的知识积累。进展之神速着实让业内专家大开眼界了。据《金融时报》介绍，MIT教授BilgeYildiz对这项研究评价称：这个无机晶体的海量数据库中应该充满了有待发掘的“宝石”，以推动解决清洁能源和环境挑战方面的方案。目前，这个话题

IT之家 11月30日消息，谷歌旗下的DeepMind利用人工智能（AI）预测了超过200万种新材料的结构，该公司表示这一突破性成果将推动现实世界的技术改进。其相关研究成果已经在当地时间周三以题《Anautonomouslaboratoryfortheacceleratedsynthesisofnovelmaterials》刊登于《自然》上。IT之家附 DOI:10.1038/s41586-023-06734-w。DeepMind研究员在论文中指出，其假设的近40万个材料设计中的大部分很快就可以在实验室条件下生产出来。这项研究可以为生产性能更好的电池、太阳能电池板和计算机芯片提供帮助。通过使用

多模态学习面临的主要挑战之一是需要融合文本、音频、视频等异构的模态，多模态模型需要组合不同来源的信号。然而，这些模态具有不同的特征，很难通过单一模型来组合。例如，视频和文本具有不同的采样率。最近，来自GoogleDeepMind的研究团队将多模态模型解耦成多个独立的、专门的自回归模型，根据各种模态的特征来处理输入。具体来说，该研究提出了多模态模型Mirasol3B。Mirasol3B由时间同步模态（音频和视频）自回归组件，以及用于上下文模态的自回归组件组成。这些模态不一定在时间上对齐，但是按顺序排列的。论文地址：https://arxiv.org/abs/2311.05698Mirasol3B