AIがゲノムの複雑さを読み解くには、なぜまだ早いのか
Evo 2、Genos、Google DeepMindのAlphaGenomeといったゲノム基盤モデルは、既知の事例から相関を学習して配列の違いの影響を予測するが、ゲノムの調節の仕組みを解く十分なデータはまだない。ヒトゲノムのうち遺伝子は約2%にすぎず、遺伝子のオン・オフを制御する調節が理解の核心となっている。研究者の間では、ブラックボックスでは真の理解に足りないとの見方も出ている。
#データ・学習
#データ・学習
本日0件WIRED AIAIスコア3535
Latent SpaceAIスコア3636 AlphaFoldがタンパク質フォールディングを解ききれていない理由、Google DeepMindとBiohubの対談
Google DeepMindのPushmeet KohliとBiohubのSal Candidoが、AlphaFoldがタンパク質フォールディングを解決していない理由を、Brandon Andersonの司会のもとで議論する。議論のトピックには、タンパク質のダイナミクスや秩序のない領域、静的構造予測の限界が含まれる。計算資源やデータを増やすだけでは生物学の問題は解けず、適切なスケーリング則を見つけることが重要だとされる。
Interconnects (Nathan Lambert)AIスコア4242 Nathan Lambert、AIは急速に進歩するが汎用超知能には向かわないと予想
Nathan Lambertは、AIエージェントによりインフラとエンジニアリングが数年で大きく加速するが、モデルの本質が劇的に変わるわけではなく、汎用超知能には向かわないと予想している。推論コストは数年でほぼ指数関数的に低下し、アーキテクチャとデータ選択に関する事前学習研究の自動化も2〜3年で現実的だとみる。RL環境の品質改善も短期的な伸びしろとして挙げている。