利用人工智能和机器人推动科学发展
本篇文章向大家介绍《利用人工智能和机器人推动科学发展》,主要包括,具有一定的参考价值,需要的朋友可以参考一下。
人类研究人员将永远在科学中发挥作用,但人类在探索科学方面有许多局限。我们需要吃饭和睡觉,我们的情绪会影响行为,我们的身体很容易受到不可挽回的伤害——所有这些都可能阻碍科学成就。美国阿贡国家实验室最近的发展表明,应该让机器人做一些工作,研究人员称之为“自主发现”,该实验室希望依靠由人工智能软件编程的多功能物理机器人来提高科学生产力。 人工智能软件编程的多功能物理机器人可以自动化重复性任务,从而释放人类研究人员的时间和精力。它们可以承担一些危险工作,比如在危险环境中进行探测和实验。此外,机器人可以以更高的速度和准确性处理大量的数据,从而提高科学研究的效率和质量。 然而,机器人并不是要取代人类研究人员,而是作为他们的合作伙伴和工具。通过充分利用机器人的多功能性和高效性,人类研究人员可以更专注于创造性的思考和

阿贡国家实验室的计算机科学家和生物信息学家Casey Stone最近在阿贡国家实验室的Outloud会议上发表了关于自主发现的演讲。
Stone在演讲结束后接受采访时说:“自主发现将有助于科学家进行更多的实验,更快地得出结果。”“在复杂和大规模的实验中,机器人可以整夜进行工作,并且可以在同一机器人的多个副本上并行进行实验。”这将解放科学家的时间,使他们能够专注于提出其他创新性的解决方案,或者将实验室时间集中在可能导致新假设的小规模研究上。”
数十年来,科幻小说作家们一直对机器人从事繁重或无聊重复工作的概念感到困惑,但真正实现这一目标并非易事。Stone概述了研究人员目前面临的挑战以及自主发现带来的机遇。
软件和硬件模块化
想要深入自主发现的科学家面临的主要挑战之一是所涉及的软件和硬件都需要大量的模块化。Stone指出,阿贡国家实验室的科学家们正在研究跨越许多实验领域的复杂问题,因此他们需要机器人尽可能灵活,以适应不断变化的实验需求。所以他们需要机器人尽可能灵活,以适应不断变化的实验需求,但这就需要机器人尽可能灵活,以适应不断变化的实验需求。因此,他们需要机器人人尽可能灵活,以适应不断变化的实验需求。
关于硬件,阿贡实验室将每个机器人仪器放在小推车上。每个小车包含所有需要的计算能力和传感器从而使仪器工作,并确保它的功能设计。这个系统的美妙之处在于每个仪器都是独立的,所以科学家们可以把小推车从其他仪器上卸下来,而不会干扰系统的其他部分。
这种模块化也允许科学家使用更多类型的所需仪器。如果一个特定的机器人在这个过程中花费的时间太长,研究人员可以将更多的同类机器人连接到系统中,同时执行操作来提高速度。
Stone表示,目前的小推车系统只是硬件模式的第一次迭代。他谈到了未来的实验室,在那里人类不需要自己把仪器放好。 “相反,这些仪器位于移动平台上,可以根据实验的需求自行滚动成阵形。在这种情况下,我们可以利用优化算法以最佳方式安排仪器,以尽快完成实验。” 这种创新的方法将提高实验效率和准确性,以更快地完成实验。
就软件而言,Stone表示每个仪器的代码都包含在Argonne的AD-SDL GitHub存储库中。例如,控制PF400机械臂所需的所有代码都可以在这里找到,并且控制OT-2液体搬运机器人所需的所有代码也都在这里。
将每种仪器的代码分开,可以更容易地设置机器人实验室,因为研究人员只需要为他们当前想要使用的仪器设置相关的代码。
仪器本身、来自GitHub存储库的相关代码以及允许仪器运行所需的计算机/传感器的组合称为模块。Stone表示,模块是一个独立的单元,可以像乐高积木一样从整个机器人实验室中添加或移除。
每个模块向系统的其余部分传播某些信息——比如它能够完成什么操作,它是否准备好接收命令,以及它有什么可用的资源。每个模块都可以接收命令,执行命令,然后指示命令何时完成。然后,REST API服务器以正确的顺序处理实验操作到仪器的分布。服务器等待每个命令完成后再发送下一个命令。
Stone说:“这样,每台仪器的功能都是完全独立的,服务器负责将它们整合在一起。”“如果你删除一个仪器并用其他仪器代替它,只需要很少的代码更改就可以使系统重新启动并运行。”
Stone还指出,这些资源被设计得既通用又有效,阿贡国家实验室的研究人员正在努力消除尽可能多的障碍。这种共享资源的心态直接影响了阿贡国家实验室自主研究工作的核心。阿贡在这里开发的所有软件都是开源的,Stone强调了这项工作的集体主义性质。
Stone说:“作为一个国家实验室,我们的目标是进行发现并推动创新,而不是从我们的科学发现中获利。”“我们努力让科学进步变得触手可及,并使我们周围的社区受益。使我们的代码开放源代码使其他团体能够将自动发现引入他们的科学过程,即使他们可能没有资金支付更昂贵的科学仪器集成专有解决方案。”

阿贡国家实验室的科学家们通过帮助他人也帮助自己。通过将此代码开源,研究人员可以围绕机器人和仪器集成开发一个集体知识库。任何使用此代码的科学家都可以为相同的软件堆栈做出贡献,并以其他人的发现为基础。
今天关于《利用人工智能和机器人推动科学发展》的内容就介绍到这里了,是不是学起来一目了然!想要了解更多关于人工智能,机器人的内容请关注golang学习网公众号!
ICML2024高分!魔改注意力,让小模型能打两倍大的模型
- 上一篇
- ICML2024高分!魔改注意力,让小模型能打两倍大的模型
- 下一篇
- 江淮花仙子挚爱版全球销量破20万,即将在“挚爱之夜”上市!
-
- 科技周边 · 人工智能 | 1小时前 | 缓存 · 人工智能 · 提示词工程 · 提示词缓存 cache_control Prompt Caching 静态前缀 cache_read_input_tokens
- 提示词缓存命中率低应如何划分静态前缀
- 453浏览 收藏
-
- 科技周边 · 人工智能 | 4小时前 |
- 模型路由怎样按任务难度分配不同推理预算
- 232浏览 收藏
-
- 科技周边 · 人工智能 | 6小时前 |
- 结构化输出遇到递归字段时怎样约束模式
- 215浏览 收藏
-
- 科技周边 · 人工智能 | 8小时前 | 人工智能 · 工具调用 ·
- 智能体工具调用失败后怎样设计可控重试
- 236浏览 收藏
-
- 科技周边 · 人工智能 | 10小时前 |
- 多模态模型输入图片过大时如何控制视觉令牌
- 196浏览 收藏
-
- 科技周边 · 人工智能 | 12小时前 |
- 推理服务连续批处理怎样减少 GPU 空转
- 404浏览 收藏
-
- 科技周边 · 人工智能 | 17小时前 | 人工智能 · LoRa PEFT merge_and_unload 量化推理 模型合并
- LoRA 合并权重后输出变化过大应检查什么
- 404浏览 收藏
-
- 科技周边 · 人工智能 | 20小时前 |
- RAG 分块重叠过大为什么会降低检索多样性
- 409浏览 收藏
-
- 科技周边 · 人工智能 | 22小时前 | 人工智能 ·
- 合成数据能否替代真实样本:覆盖率与偏差检查方法
- 128浏览 收藏
-
- 科技周边 · 人工智能 | 1天前 |
- 提示词版本怎么管理:样例、变量与回归集一起提交
- 111浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 394次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 472次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 479次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 423次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 249次使用
-
- 本地大模型反复输出同一句话怎么调整生成参数
- 2026-09-06 501浏览
-
- Python 调用大模型时如何用结构化输出校验 JSON:从解析失败到可重试
- 2026-08-29 501浏览
-
- AI写作工具免费版安装教程(含豆包Clawdbot)
- 2026-05-30 501浏览
-
- WPS AI能自动生成PPT吗?输入主题一键制作演示文稿
- 2026-05-27 501浏览
-
- Canva手机闪退解决方法及适配指南
- 2026-05-25 501浏览

