自建專欄公測(OB)

輝達（Nvidia）執行長黃仁勳近期出席在杜拜舉辦的世界政府峰會，期間他與阿聯酋人工智慧部長Omar Bin Sultan Al Olama的對談中，除了談論AI的未來前景之外，也談到了教育問題，黃仁勳在會中指出，學習電腦科學（computer science）的時代已經過了，如果要給建議，他認為應該要學習生命科學（life science）。

這番發言引起許多台灣網友的關注，尤其近期正值學測準備放榜、學子們即將面臨大學科系抉擇，在各大論壇上都有相關討論。

「生命科學才是未來！」黃仁勳為何這麼認為？

在世界政府峰會中，阿聯酋AI部長Omar Bin Sultan Al Olama詢問黃仁勳，「若是想要如你一般，但在科技界的最尖端，人們應該聚焦在哪些領域，應該讓他們的孩子學什麼？」

對此黃仁勳回答道，「我的答案可能聽起來和大家的想像完全相反，過去 10～15 年裡，幾乎人人都會說『你的孩子應該攻讀電腦科學，因為它非常重要，人人都應該學習如何做程式設計』，但實際上在這個領域是完全相反的，我們的工作是創造運算技術，讓所有人都不需要學程式設計。」

他指出，現在任何人都可以是程式設計師，程式設計的語言就是人類的語言，這都是因為有了AI，是「AI的奇蹟」，我們消弭了程式設計的技術鴻溝，這也是為什麼有這麼多人、這麼多公司都在談論AI的原因。「也可以換句話說，未來領導科技界的強國版圖，可能重新改寫。」

那麼，如果要選一個科系主修，黃仁勳的建議會是什麼？

他回答，「如果讓我重來一次，我會認知到，人類生物學才是科學中最複雜的領域之—它不僅複雜且難以理解，同時也具有巨大影響力」。

黃仁勳點出，我們首次將這一領域稱為「生命科學」（life science），把醫藥相關學科稱為「藥物發現」。每年我們的電腦科學、軟體都勝過前一年，晶片、基礎設施也勝過前一年，但生命科學上的進展寥寥。如果給我一次重新選擇的機會，我會意識到，將生命科學工程化的學科 —— 生命工程即將到來。它將是一個工程領域，而非科學領域。當然它將繼續擁有科學，但未來不僅僅是科學領域。

https://youtu.be/iUOrH2FJKfo?t=1053

如果能夠捨棄人我之見的話
接受AI是人類的最佳助手
這會是很自然的一件事
AI從來不是人類的對手
但是當來也許不會太久
會AI的得到AI協助的
必然成為不會AI的最大對手
為何不該把AI放在人類對立面來看待
從因果鏈來分析
AI(人工智慧)源自機器學習
機器學習源自大數據
大數據源自人類共業
有雲端計算之後AI實用變得可能
AI進化實歸功於時代算力與海量資料
用來訓練AI模型的深度學習
就是人類的學習模式
不思議薰
​​​​​​​不思議變

早看早知道！心情好壞？全看這裡了！
一億神經細胞，自主運作；
醫學界顛覆認知新發現！｜ #未解之謎 扶搖
第二大腦.生物回饋療法

說白了
這個是
現在的超大數據
漸漸地沾了性能的很很外邊
我們身體億億個細胞 細膩運作
那才具妙極

謝謝夏洛克兄

謝謝老怪兄
=======================
https://club.6parkbbs.com/chan2/index.p ... d=13541604
最新研究：切尔诺贝利禁区
变异狼已发展出抗癌能力
留園網科技頻道.中文簡體

切爾諾貝利禁區 最初只覆蓋了以切爾諾貝利核電廠 為半徑30公里的範圍，後來它的邊界被改變，逐漸覆蓋了 烏克蘭切爾諾貝利核電廠周圍大約2600平方公里的區域。
另外，切爾諾貝利核電廠事故的相關區域 還包括另一部分被單獨管理的區域，即在白俄羅斯境內超過2000平方公里的波利西亞 放射性生態保護區。

好可憐的烏克蘭

朋友請繼續...

南無十方三寶

南無阿彌陀佛

https://www.digitimes.com.tw/
電子時報

問：為什麼GPU會用在AI模型訓練？

ChatGPT
GPU（圖形處理單元）在AI模型訓練中扮演著重要角色，主要是因為其並行計算能力和高效能運算單元所帶來的優勢。以下是幾個主要原因：

1. 並行計算能力：GPU具有大量的小型處理核心，這使得它們能夠同時處理多個任務。在深度學習模型訓練中，許多計算可以並行處理，例如矩陣乘法和反向傳播算法的計算，這些都非常適合在GPU上進行。

2. 高效能運算單元：GPU的每個核心相對於CPU的計算單元更簡單且更輕量級，這使得GPU能夠在更短的時間內完成更多的計算。這對於深度神經網絡等複雜模型的訓練非常重要。

3. 大規模數據處理：在AI模型訓練中，通常需要處理大量的數據，包括圖像、文本、音頻等。GPU的高效能計算能力使得它們能夠快速處理這些大規模數據，加速模型的訓練過程。

4. 專用計算庫支援：許多深度學習框架（如TensorFlow、PyTorch等）都支援GPU計算，並且通常使用額外的專用計算庫（如CUDA或cuDNN）來最大程度地發揮GPU性能。這使得開發者可以方便地利用GPU進行模型訓練，並獲得良好的性能。

總的來說，GPU在AI模型訓練中被廣泛應用，主要是因為其並行計算能力、高效能運算單元和對大規模數據處理的支援，這使得它們成為訓練深度學習模型的理想選擇。

問：GPU與人類學習模式的關聯

ChatGPT
GPU與人類學習模式之間存在一些關聯，主要是從以下幾個方面來看：

1. 並行處理能力：GPU的並行處理能力使其能夠同時處理多個任務或數據流。這與人類學習模式中的同時處理多個信息的能力相似。例如，當人類學習新的概念或技能時，他們往往同時處理多個感知信息、記憶片段和語言提示。GPU的並行處理能力可以模擬這種同時處理多個信息的能力，從而加速機器學習和人工智慧模型的訓練和推理過程。

2. 快速學習和迭代：GPU的高效能運算單元使其能夠快速處理大量的計算任務。這類似於人類學習模式中的快速學習和迭代過程。人類在學習新知識或技能時通常會通過不斷重複練習和反覆思考來加深理解和提高技能水平。GPU的高效能計算能力使得機器學習模型能夠在短時間內進行大量的訓練迭代，從而快速學習並提高模型的性能。

3. 大規模數據處理：GPU的高效能計算能力使其能夠快速處理大規模的數據。這與人類學習模式中的大量信息處理能力相似。人類在學習過程中需要處理大量的信息和數據，包括視覺、聽覺、語言等多個方面的信息。GPU能夠快速處理這些大規模數據，從而支持機器學習模型的訓練和推理。

總的來說，GPU通過其並行處理能力、快速學習和迭代能力以及大規模數據處理能力，與人類學習模式存在一定程度的相似性和關聯，並且在機器學習和人工智慧領域中發揮著重要作用。

類比
阿賴耶識銘印的方式

謝謝師兄

再有好東西

請貼出
================
南無十方三寶

南無阿彌陀佛

核融合潔淨能源指日可待？普林斯頓 AI 模型帶來希望
作者 Evan | 發布日期 2024 年 02 月 23 日 10:55 | 分類 AI 人工智慧 , 核能 , 能源科技

普林斯頓大學（Princeton University）研究人員於週三在《自然》期刊上發表研究成果，他們開發出全新 AI 模型，克服了如何將燃料強制在反應器之中的難題，進而掃除了邁向核融合之路的一大障礙。

核融合（Nuclear fusion）是太陽核心內的一種反應，它將原子結合起來產生能量。但在實現永續能源的核融合之路上充滿了許多阻礙，包括必須產生比驅動反應器（reactor）所需能量還要更多的能量、開發確保反應器耐受性的建築材料、確保反應器無雜質，並將燃料強制其中等等難題。

如今普林斯頓大學及其普林斯頓等離子物理實驗室（Princeton Plasma Physics Laboratory，PPPL ）研究人員已開發出新 AI 模型，可以解決上述最後一個難題。進一步而言，該模型能夠預測並計算出如何避免等離子變得不穩定，並防止等離子逃脫強磁場將其強制在甜甜圈狀反應堆內的控制。

外型像甜甜圈的環狀托馬克反應器（tokamak reactor）依賴磁鐵將等離子粒子擠壓在一起，並使它們繞著圓環不斷旋轉，進而產生持久的核融合反應。托馬克反應器因此成為實用核融合反應器設計的引領者之一。


（圖片來源：ITER）

「撕裂模不穩定性」成為實現無窮潔淨核融合能源的最大挑戰之一

然而，一旦穿過等離子體的磁場線受到些微的干擾，那麼保持等離子穩定的微妙平衡就會被打破，換言之這會使等離子脫離磁場的掌控，核融合反應也隨之結束。引發等離子不穩定的方式有很多種，其中「撕裂模不穩定性」（tearing mode instabilities）是等離子破壞的主要原因之一，更是實現無窮潔淨核融合能源的最大挑戰之一。新發表論文的共同作者 Jaemin Seo 表示，隨著我們嘗試在產生足夠能量所需的高功率下運行核融合反應後，這個問題會變得更加突出。

加拿大薩斯喀徹溫大學（ University of Saskatchewan）等離子物理學家蕭持進（Chijin Xiao）闡述道，這些不穩定性可能導致災難性後果。等離子一旦停止工作，有可能使得所有儲存在等離子中的能量以熱能的形式釋放而造成反應器槽壁的損壞。更重要的是，磁/電流的突然變化會帶給反應器巨大的應力，如此一來真的有可能摧毀設備。

如今位於法國的 ITER 國際熱核融合實驗反應器是世界上最大的托馬克反應器之一，其設計只能承受幾次等離子不穩定性的破壞，然後整個機器就必須進行所費不貲的修復。

https://youtu.be/zqc0--qoa5A

新 AI 模型可以在「撕裂模不穩定性」發生前 300 毫秒進行預測和抑止

所以當前的解決重點是在不穩定性發生前精準預測並進行干預。普林斯頓實驗室的 AI 模型可以在「撕裂模不穩定性」發生前 300 毫秒進行預測，300 毫秒看起來似乎很短，但研究人員表示，這樣就足以控制等離子。

研究人員在美國聖地亞哥 DIII-D 國家核融合設施上測試了該演算法。他們發現他們基於 AI 的系統能夠控制輸入到反應器的功率以及等離子體的形狀，以保持旋轉的粒子受到控制。

研究論文共同作者 Azarakhsh Jalalvand 表示，這個 AI 模型的成功來自於它使用先前核融合實驗的實際數據進行訓練，而不是理論物理模型。另一位共同作者 Jaemin Seo 表示，這項研究深具重大意義，因為先前的研究只能在撕裂不穩定性發生後進行抑制。新方法能夠在不穩定出現之前預測並制止。

該最新研究的作者群表示，當前研究工作仍處概念驗證階段，亦即微調的早期階段。他們會繼續進行微調，希望最終應用至其他反應器，並優化核融合反應，進而獲取無窮無盡的潔淨核融合能量。

Scientists Claim AI Breakthrough to Generate Boundless Clean Fusion Energy
（首圖來源：General Atomics）



關鍵詞：核融合、核聚變、人造太陽

核融合是指兩個或多個較輕的原子核結合在一起，形成一個較重的原子核的過程。這個過程中會釋放出大量的能量。核融合是太陽和其他恆星發光的原理。太陽的核心溫度高達 1500 萬攝氏度，壓力也極高。在這種極端條件下，氫原子核可以融合在一起，形成氦原子核。這個過程中會釋放出大量的熱量和光。核融合也被認為是未來最有潛力的能源之一。核融合燃料取之不盡，用之不竭，而且不會產生放射性廢料。