Quine, ARIA i zakład za 97 mln dolarów: AI wchodzi do laboratorium, nie do reaktora fuzyjnego
Microsoft Research przedstawił 29 września Quine, multimodalny system AI, który według firmy posłużył razem z Broad Institute do wyboru związków mogących zmieniać stan nowotworu. Kilka najlepiej ocenionych kandydatów potwierdzono w testach laboratoryjnych. W dossier nie ma żadnego wyniku badań nad energią fuzyjną.

Najnowszy punkt w tym dossier nie jest wynikiem z reaktora fuzyjnego. To Quine, system badawczy AI, który Microsoft Research ogłosił 29 września.
Firma twierdzi, że zbudowała multimodalny model świata biologii oraz interaktywne środowisko łączące modele, narzędzia naukowe, literaturę i badaczy. We współpracy z Broad Institute, wspólną jednostką Harvardu i MIT, Microsoft miał użyć systemu do wskazania związków, które mogą wywołać terapeutyczną zmianę stanu nowotworu. Kilka najlepiej ocenionych kandydatów potwierdzono w kilku testach laboratoryjnych. To jeden wynik. Nie jest to eksperyment fuzyjny.
Uczciwa odpowiedź na pytanie o wynik badań nad energią fuzyjną brzmi więc: tego dossier go nie zawiera. Zawiera grupę systemów badawczych AI, prac i ogłoszeń o finansowaniu z ostatnich trzech dni oraz materiały o energii, które nigdy nie trafiają do reaktora. Rozróżnienie ma znaczenie, bo o jednym i drugim pisze się w tym samym tygodniu, często w tym samym zdaniu.
Co faktycznie się ukazało w tym tygodniu
Microsoft opisuje Quine jako eksperymentalną technologię badawczą, przeznaczoną wyłącznie do badań, a nie do użytku klinicznego ani medycznego. Firma zastrzega, że wyniki mogą być niepełne lub błędne i wymagają przeglądu przez wykwalifikowanych badaczy oraz odpowiedniej walidacji eksperymentalnej. Program Quine Fellows da grupie naukowców dostęp do systemu, a Microsoft zapowiada, że wraz z dojrzewaniem technologii rozszerzy dostęp przez produkty takie jak Microsoft Discovery.
CoreWeave wykorzystał ten sam dzień, 29 września, żeby opublikować ARIA, agenta do kodowania wbudowanego w Weights & Biases. ARIA czyta eksperymenty, tworzy wizualizacje na żywo i prowadzi to, co CoreWeave nazywa pełną pętlą autoresearch. Stawia hipotezę, pisze konfigurację, uruchamia eksperyment przez W&B Launch, a potem ocenia wyniki względem baseline'u i przygotowuje raport. CoreWeave twierdzi, że odstęp między zakończonym przebiegiem a następnym skonfigurowanym spada z godzin do minut.
Żadna z firm nie opublikowała wyniku z fizyki. Żadna też go nie zapowiedziała.
Najważniejsza liczba w dossier nie jest w ogóle wskaźnikiem wydajności. Efficient Computer, kierowany przez prezesa i współzałożyciela Brandona Lucię, poinformował 29 września, że pozyskał 97 mln dolarów w rundzie Series B prowadzonej przez TQ Ventures. Firma buduje procesory nastawione na efektywność energetyczną, a jej argument jest architektoniczny. Lucia pisze, że wyspecjalizowane akceleratory AI to układ z diabłem, bo wymieniają programowalność na szybkość w dzisiejszych zadaniach, i przywołuje prawo Amdahla, według którego nieakcelerowana część obliczeń wyznacza sufit efektywności.
Dokąd prowadzą liczby o energii
Energia to nić przewijająca się przez resztę dossier. CBC podało 29 września, że minister energii Nowej Fundlandii i Labradoru Lloyd Parrott powiedział, iż prowincja jest otwarta na centra danych AI, bo zgłosiły się do rządu firmy. Rzecznik departamentu Brodie Thomas potwierdził te zgłoszenia mailem, ale stwierdził, że nie może komentować rozmów wrażliwych handlowo.
Strona popytu ma przeciwwagę. E2, analizując dane o zatrudnieniu amerykańskiego Departamentu Energii, ustaliło, że w 2025 roku USA straciły 36 949 miejsc pracy w czystej energii. To pierwszy roczny spadek od czasów pandemii, a zatrudnienie w czystej energii spadło do 3 520 000. Electrek podał te liczby 28 września. E2 odnotowało też 142 anulowane lub zmniejszone projekty wytwarzania, magazynowania i produkcji czystej energii w 2025 roku i zaznaczyło, że dane o zatrudnieniu nie pokazują, ile miejsc pracy ubyło z powodu konkretnej zmiany polityki.
Po stronie podaży Hannah Ritchie przeanalizowała liczby profesora oksfordzkiego Nicka Eyre'a. Wynika z nich, że globalny końcowy popyt na energię spada w systemie po transformacji z 416 do 247 eksadżuli, choć zapotrzebowanie na elektryczność rośnie ze 110 do 189 EJ. Jej wniosek jest wąski i trudny do podważenia: sama elektryfikacja jest zyskiem efektywności, a model nie zakłada żadnych innych usprawnień.
Nic z tego nie jest fuzją. To kontekst obliczeniowy i elektroenergetyczny, w którym badania nad fuzją musiałyby się kiedyś zmieścić.
Co twierdzą prace o AI w badaniach
Praca robocza NBER 35 782, autorstwa Matthew Schwartza, Isaiaha Andrewsa i Jesse M. Shapiro, daje najostrzejsze liczby dotyczące zautomatyzowanych badań. Wśród 4 452 opublikowanych pakietów replikacyjnych z pięciu czasopism ekonomicznych otwarty przepływ pracy z LLM autorów wskazuje rozbieżności w 3 460 artykułach lub ich załącznikach. W 496 artykułach skraca czas obliczeń ponad dziesięciokrotnie przy podobnej lub większej dokładności, a w 923 artykułach tworzy rozszerzenie, którego nie było w oryginale. Autorzy ujawniają, że LLM wykorzystano w analizie i pisaniu oraz że Schwartz pracował jako kontraktor dla Anthropic, której poglądów nie popiera.
Dwóch matematyków nie zgadza się z tą ramą. Stephen Wolfram napisał 28 września, że obliczenia symboliczne nie zakończyły matematyki czystej, a największym dotychczasowym zastosowaniem AI jest wydobywanie wiedzy z istniejącej bazy matematycznej. Dan Romik w wpisie z 29 września opisuje badania matematyczne jako pętlę sprzężenia zwrotnego i twierdzi, że modele AI trenowane na ludzkich tekstach generują twierdzenia "o odległości jeden" od tego zbioru, ale nie potrafią zastanowić się nad tym, co wytworzyły, i wydestylować z tego odległości dwa.
Mniejsze artefakty domykają tydzień. Kompyla, samodzielnie hostowany monitor badań na GitHubie, traktuje LLM jak kompilator i zamienia surowe dokumenty na opatrzone cytatami strony wiki. DotBot publikuje firmware dla mikro-robota używanego w edukacji i badaniach. Kaveeshan Thurairaj i dr Zhao Pan z Uniwersytetu Waterloo zdobyli Ig Nobla z fizyki za projekty pisuarów bez rozbryzgu, wcześniej opublikowane w PNAS Nexus. Dossier zawiera też książkę o energii z 2008 roku, kalendarium fotowoltaiki EIA i wyraźnie oznaczoną stronę satyryczną.
Razem opisują tydzień narzędzi i pomiarów, nie przełom w fuzji.
Źródła
15- 01Introducing Quine: An AI research system designed for the complexity of biologyEN
- 02Introducing CoreWeave ARIA: AI Research and Iteration AgentEN
- 03Solving computing's energy problem with Efficient Computer's $97M Series BEN
- 04AI data centres in N.L.? The door is 'open for business,' says energy ministerEN
- 05US clean energy jobs fell for the first time since the pandemicEN
- 06An LLM Workflow That Reproduces, Improves, and Extends Published Economics ResearchEN
- 07Electrification efficiency: The world will need less energy after the transitionEN
- 08What's the Future for Pure Math Research in the Age of AI?EN
- 09The feedback loop of mathematics researchEN
- 10Kompyla: a self-hosted research monitor that builds a cited wikiEN
- 11DotBot: Easy-to-use micro-robot for education and research purposesEN
- 12MME researchers recognized with Ig Nobel Physics Prize for innovative urinal designEN
- 13Sustainable energy without the hot air (2008)EN
- 14Energy Timelines PhotovoltaicEN
- 15Famous "Sex Researcher" Aella Repents, Organizes PrudeConEN
Wszystkie liczby i cytaty w tym tekście pochodzą z poniższych źródeł. Nie dopisujemy danych, których w źródłach nie ma.
Materiały zostały przygotowane przez zespół redakcyjny wspierane przez AI.
Komentarze
0- Brak komentarzy — bądź pierwszy.