以兩位諾貝爾獎得主:物理學家威查克(Frank A. Wilczek)和化學家芬恩(John B. Fenn)為例,兩者引用數最高的論文(也是得諾貝爾獎的論文)分別發表在研究生涯初期和晚期,也沒有出現較晚期發表的論文影響力越大的趨勢。圖/Science
匈牙利中歐大學(Central European University Budapest Hungary)教授羅伯塔.辛納屈(Roberta Sinatra)告訴 Science 的記者:「科學論文本身比較像是樂透彩券,能被多少人引用幾乎是靠運氣。所以發表越多論文,就像是買越多張樂透彩券。在你發表論文數量越多的那幾年,你作為科學家的影響力就可能越大。」
不管是大型電腦或個人電腦都需具有「中央處理單元」(central process unit,簡稱 CPU)。CPU 是電腦的「腦」,其電子電路負責處理所有軟體正確運作所需的所有任務,如算術、邏輯、控制、輸入和輸出操作等等。雖然早期的設計即可以讓一個指令同時做兩、三件不同的工作;但為了簡單化,我們在這裡所談的工作將只是執行算術和邏輯運算的工作(arithmetic and logic unit,簡稱 ALU),如將兩個數加在一起。在這一簡化的定義下,CPU 在任何一個時刻均只能執行一件工作而已。
-----廣告,請繼續往下閱讀-----
在個人電腦剛出現只能用於一般事物的處理時,CPU 均能非常勝任地完成任務。但電腦圖形和動畫的出現帶來了第一批運算密集型工作負載後,CPU 開始顯示心有餘而力不足:例如電玩動畫需要應用程式處理數以萬計的像素(pixel),每個像素都有自己的顏色、光強度、和運動等, 使得 CPU 根本沒辦法在短時間內完成這些工作。於是出現了主機板上之「顯示插卡」來支援補助 CPU。
近期科技界最熱烈討論的新聞,應該就屬韓國有研究單位宣布找到了新的室溫常壓超導體 LK-99 ,聽說可以在一般的高中大學實驗室中完成。這讓我不禁好奇它的製作原理,但,大部分的朋友應該跟我一樣都不是專業材料工程人員,看不懂論文怎麼辦呢?除了等泛科學出影片,別忘了我們有 AI 呀!今天我要來分享一套專門訓練來閱讀論文的 AI —— SciSpace Copilot。
今天的影片簡單的跟大家分享了基於 GPT 技術且針對閱讀學術文章進行特別優化的 AI —— SciSpace ,我只要遇到研究型文章都會特別開這個工具起來使用,其他的大語言模型都無法做到如此細緻。我覺得生成式人工智慧的未來就會到處是這種基於某種目的,比如讀論文,使用某個大模型進行微調 Fine-Tuning 之後的小模型,將會協助我們解決各種問題。
新皮質習得的東西極多。我現在身處的房間裡有數百件東西,我就隨便以印表機舉例。我的新皮質已經習得一個印表機的模型,內容包括印表機有一個紙匣,以及如何把紙匣裝進和取出印表機。我知道如何改變印表機使用的紙張大小,也知道如何拆開一疊新的印表機用紙,把這疊紙放進紙匣裡。我知道印表機卡紙時清除廢紙的正確步驟。我知道電源線一端有個 D 型插頭,只能以某個方向插入。我知道印表機運作時的聲音,也知道雙面列印時的聲音有何不同。
以兩位諾貝爾獎得主:物理學家威查克(Frank A. Wilczek)和化學家芬恩(John B. Fenn)為例,兩者引用數最高的論文(也是得諾貝爾獎的論文)分別發表在研究生涯初期和晚期,也沒有出現較晚期發表的論文影響力越大的趨勢。圖/Science
-----廣告,請繼續往下閱讀-----
匈牙利中歐大學(Central European University Budapest Hungary)教授羅伯塔.辛納屈(Roberta Sinatra)告訴 Science 的記者:「科學論文本身比較像是樂透彩券,能被多少人引用幾乎是靠運氣。所以發表越多論文,就像是買越多張樂透彩券。在你發表論文數量越多的那幾年,你作為科學家的影響力就可能越大。」