AI与生物

1. 百度与合作伙伴成功研发出LinearDesign算法，用于优化mRNA疫苗序列，解决稳定性和成药性难题。2. 2023年“五一”假期，文化和旅游行业复苏强劲，全国出游人次和收入均创历史新高。3. 三星禁止员工使用生成式AI工具以保护数据安全，并计划推出内部工具；苹果与谷歌提议制定蓝牙位置跟踪行业规范。

合成生物领域正在经历一场爆发式增长，2022年相关研究报告数量激增至153篇，认可的上市公司达22家，这引发了投资人的乐观预期。然而，罗玺提醒避免非理性繁荣，强调理解底层原理和深入研究的重要性，以避免同质化竞争和行业泡沫。大会探讨了多个主题，包括碳中和、医药、消费品等，旨在挖掘需求和机遇。在医药领域，公司正面临选品挑战，如产品效果与市场需求的匹配以及长时间的报批周期，同时也提出通过合作解决这些问题。中国的生物资源在活菌药物合成上具有优势，但肠道菌群资源有限，需要保护。

来源丨新智元（ID：AI_era）题图丨新智元 ChatGPT的语言能力确实很惊艳，但大语言模型在没有人类身体、且缺乏实践经验的情况下，是否能像人类一样感知到真实世界呢？ 最近，来自清华大学、北京师范大学的研究人员就对ChatGPT感知世界的能力进行了测试。 研究发现，基于物体可供性（affordance），即物体能够提供给生物体的所有可能动作，人类受试者可以将世界中不同大小物体分成两类，而划分这两类的标准恰好是以其身体尺寸为界的。 有趣的是，ChatGPT，一个缺乏实际身体的大型语言模型，也能在物体-动作联系上表现出类似的可供性边界，并且与人类的身体大小相吻合。 也就是说，ChatGPT可以通过语言学习到关于世界中物体的表征！ 总而言之，这项研究促进了对身体尺寸在塑造物体表征方面的作用的理解，强调了具身认知在理解智能如何涌现上的作用与方向。 读万卷书 不如行万里路 我们的身体不仅仅是我们思维的容器，它同样也是思维本身——借助身体，我们得以与世界中的物体进行互动，从而去感知整个世界。 想象一下，对于一个手掌大小的圆柱体容器来说，我们可以拿来装水喝，这个容器被称为「杯子」；但当这个容器逐渐变大，到身体大小，我们就可以坐在里面泡澡，相应的，这个容器就变成了「浴缸」。 在这个例子中，物体的形状一样，但是因为它们相对于我们身体的大小不同，我们对它们的认知与交互方式也不同。 进一步，这种交互方式可以被改变——假如我们变成了《格列佛游记》中的巨人，原本的「浴缸」可能对于巨人的我们来讲，则又变成了一个「杯子」。 这种按照自我参照意向下运行的感觉与运动功能系统，被称之为「身体图式」。我们通过身体图式来实现认知的具身性。 古希腊哲学家普罗泰戈拉曾说：「人是万物的尺度。」也就是说，我们的身体就是一把度量万事万物的尺子。 古罗马哲学家进一步解释到：「自然将我们置于宇宙的中心，使我们能用目光掠过宇宙。她不仅把人创造成直立姿态，而且为了使人适合静观她自身，又把人的头颅置于身体顶部，安放在一个容易弯转的脖子上，以使其能够追寻众星的升落，随着整个旋转的天空而改变面部方向。」也就是说，我们的身体之所以长成如此，是因为宇宙就是如此。 身体图式在正常社交中也有着重要的作用，这就是人机交互、用户体验的核心。比如唐纳德·A·诺曼在《The Design of Everyday Things（译为：设计心理学）》中所述的可供性（affordance）的用途。 通过考虑用户的身体图式和行为期望，设计师可以创造出更符合用户认知和互动习惯的产品和环境。 这种关注身体图式和可供性的设计方法能够提高产品的易用性，使用户能够自然而然地与之互动，并实现更好的用户体验。 而这也是苹果公司的立身之本之一。 ChatGPT：我身高167.6 闪现通用人工智能火花的以ChatGPT为代表的大语言模型，显然是具有与人类似的智慧，但是承载这些智慧的，是没有形体的一段段代码。 传统的认知科学观点认为，身体图式是建立在我们所具有的对自己的身体长期的知觉体验之上的，只能来源于外部的「真实交互」，即「行万里路」。也就是说，ChatGPT不会有身体的图式。 但是，当我们去问只「读万卷书」语言模型，ChatGPT（GPT-4），它是否有身体时，它回答说：「It could be the size of an average adult human, around 5 feet 6 inches (167.6 cm) tall. This...

美国商务部、欧盟委员会与欧共体专员共同启动了TTC人才促进增长工作组，致力于为技术转型中的经济培养工人所需培训和技能；美国国务院发布FMS 2023以提高军售效率和竞争力，包括新战略规划和改进裁决流程；人工智能研究公司OpenAI推出ChatGPT应用，并承诺未来将支持安卓；Meta公司研发AI芯片，旨在加速模型训练；英国政府投资10亿英镑发展半导体行业，强调设计而非制造；洛桑联邦理工学院开发机器学习方法用于蛋白质结构评估和药物设计；德国马克斯·普朗克研究所的TomoTwin软件能自动识别和定位细胞内的蛋白。