我们生活中会遇到很多磁性材料，如计算机的磁盘，听音乐的耳机，家里的电磁炉等。人类对磁现象的研究有很长的历史，比如公元前239年的《吕氏春秋》中就有“慈石召铁，或引之也”的记载。随着近代物理学的发展，科学家们开始从微观角度来理解磁现象，认识到宏观表现出的磁性是由大量微小的磁性单元聚合而成的结果，并建立
用机器来帮助人们算数可以追溯到很久以前，比如中国的算盘。早期的机械计算器是法国数学家布莱兹·帕斯卡于1642年发明的，这台机器利用齿轮和齿条来进行加法和减法操作，极大提高了计算效率。到了19世纪20年代，英国数学家查尔斯·巴贝奇设计了差分机，可以实现更复杂的计算。这些早期的计算机器只能用于特定的计算
近年来，一个叫RAG（检索增强生成，Retrieval Augmented Generation）的技术突然走红。它到底是什么呢？简单来说，RAG通过引入检索功能来提升生成模型的表现。生成模型不仅包括像
化学家们的工作很辛苦，为了发明一种新物质，往往需要长时间泡在实验室里，耗费大量实验材料。不少实验还有腐蚀性、毒性，甚至爆炸的可能。 为了帮助化学家做实验，人工智能的专家们已经做了很多工作。比如，最早的专家系统Dendral就是用来帮助化学家们分析分子的拓扑结构[1]。近年来，人工智能技术在化学领域广
制造出聪明的机器一直是人类的梦想，它们不仅能与人互动娱乐，还能帮助人们做事儿。比如，古代中国的鲁班制作了一只木鸟，可以飞翔数日不坠。同时代的工匠偃师，用木头、毛发和油漆等材料制造出惟妙惟肖的玩偶，从外表看与真人无异，且能歌善舞。在西方，也有类似的流传，如《希腊神话故事》中的代达洛斯制作的翅膀可以让人
9月12日，OpenAI发布了一款新的人工智能模型OpenAI O1，引发广泛关注。按OpenAI官方的说法，O1在测试中表现惊艳，比如在物理、化学、生物等专业测试中，O1达到了相应领域里博士生的水平。当然这并不意味着O1真的超过了修炼了几年的博士同学们，毕竟刷题并不能完全检测知识积累和分析能力，更
人在听到声音或想要发声时，神经细胞都会产生有别于安静状态下的波动。在听声音时，负责声音感知和理解的颞上回（STG）区会比较活跃。在发出声音时，负责驱动发音器官腹侧感觉运动皮层（vSMC）区会比较活跃。通过采集这些区域的脑电信号，就可能判断出一个人听到了什么声音，或者想说什么话，就像一个会读心术的魔法
2024年5月8日，DeepMind公司在《自然》杂志发表文章[1]，报告了一款称为AlphaFold3的AI工具，引起轰动。 AlphaFold3是它的前辈AlphaFold2的升级版本。AlphaFold2的功能是预测蛋白质的空间结构，从而理解蛋白质的功能。目前，OpenAI用AlphaFold
可控核聚变应该是最值得期待的能量来源。它所需的氘、氚等原料很容易获取，聚变过程不产生二氧化碳等温室气体和长时间放射性废物。如果真能实现，将一劳永逸地解决人类的能源问题。 然而，核聚变很狂暴，控制它非常困难。目前公认最有效的可控核聚变装置是一种称为托卡马克的设计[1]，由前苏联科学家在上世纪50年代发
主成分分析是一种基础的数据分析算法，常用于数据降维和可视化。我们知道，机器学习中的数据往往是高维的。例如，在描述一个水果时，要考察它的形状、大小、颜色、味道等才能判断它是什么水果，这就至少需要四个维度。 在实际场景中，数据的维度可能更高。维度过高不仅使模型训练变得困难，也难以让我们把握数据分布的整体
关于如何实现人工智能这件事儿，研究者们提出了很多想法。我们可以将思路大体一致的研究者归为一个“学派”。连接学派正是其中之一，其成员相信模拟人的大脑是实现智能的最佳方法。 那么，人脑是如何工作的呢？生理学家通过研究发现，虽然人脑中的神经元结构和功能都很简单，但当大量简单的神经元互相连接起来之后，却能表
