Adaption Labs: Gradient-Free Continual Learning — Sara Hooker, Adaption

AI Engineer·8月12日週三·20 min中文

三句話摘要

誰能參與 AI 研究前沿：從精英狹窄路徑到機制民主化。 AI 研究前沿正從狹窄精英路徑轉向由想法質量決定而非資源集中度決定的開放時代。 傳統結構的限制性

重點

1
傳統結構的限制性
2
講者指出現代科學發展出一條「不合理的狹窄之路」，進入 AI 前沿研究必須依序進入正確博士項目、工作於正確產業實驗室，才被允許對前沿做出貢獻。這種機制化結構排除了許多有想法的人。
3
預訓練計算效能的轉折
4
預訓練計算不再提供相同性能回報，因為架構已飽和。OpenAI 排行榜顯示 13B 以下小模型開始超越更大模型。性能改進不再來自單純增加規模，而是擴展優化空間。
5
新優化空間的可達性
6
從傳統算法優化轉向在多個新領域擴展優化空間，這些新領域的進入門檻更低。配方、演算法和研究策略再次變得關鍵，自動化發現過程成為可能。
7
計算民主化的機制變化
8
代理計算與後訓練計算對性能重要但無須囤積 GPU。計算購買動態改變，意味著最佳想法的人有更高獲勝機率，資源集中不再是決定因素。

乾貨

“AI 研究前沿正從狹窄精英路徑轉向由想法質量決定而非資源集中度決定的開放時代。”

詳細

講者開場指出計算機科學作為學科只存在 77 年，這在科學史上幾乎微不足道。這引出她核心關切：在年輕領域中，誰被允許站在發現前沿？

她觀察到現代科學經歷「專業化黑暗期」，導致進入科學前沿的路徑變得狹窄。對 AI 研究者尤其如此——必須進入正確博士項目、選擇正確業界實驗室、在正確時機做正確工作，才能對前沿有所貢獻。這是系統性問題，排除了許多具有好奇心的人。

然而技術本身正發生根本轉變。預訓練計算傳統上決定 AI 能力，但現在不同了。預訓練計算不再提供相同性能回報，因為模型架構已飽和。實際上 OpenAI 排行榜顯示，小於 13B 參數的模型正超越更大模型。性能改進的最大回報不來自增加規模，而來自擴展優化空間。

這是關鍵轉變。當從單純算法優化轉向在多個新領域擴展優化空間時，這些新領域的進入壁壘更低。配方、演算法和研究策略再次變重要。自動化這些發現過程成為可能。當訪問變便宜時，提問的數量也改變，這極其有趣。

計算資源性質也在改變。代理計算與後訓練計算對性能有重大影響，但不需要傳統預訓練計算的 GPU 囤積模式。計算購買動態完全不同，最佳想法的人有更高獲勝機率。講者指出，你有時不需要 10,000 個 GPU 就能做前沿工作。

未來自動化科學方面，講者指出自動化科學通常須共同定位於大規模基礎設施，而代理計算更分散，具更高計算回報率。預訓練計算不再提供相同回報，這開啟創造更好新設計的可能，使前沿參與不再是精英特權，而是想法質量與創新能力的競爭。

Pipeline v2

帶時間戳的重點，會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。

Pipeline v2

說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。

更多「AI 技術」的內容

AI 技術英文PODCAST8月26日

Latent Space

加速傳統物理模擬的典範轉移：氣象科學家原本認為 AI 無法匹敵數十年的物理建模工作，但傅里葉神經算子不僅達到同等精度，還快了一萬多倍。原本需要超級計算機的計算現在用消費級 GPU 就能完成，這改變了整個領域的思維方式。
傅里葉域的非局部現象捕捉：傅里葉域能有效表示非局部現象（如大氣河流跨越千里的影響），且計算複雜度為準線性，遠優於完全連接的全局模型。這特別適合流體動力學、量子化學等自然現象中普遍存在的非局部相互作用。
多解析度連續函數表示：神經算子將輸入輸出視為連續函數而非固定維度向量，可在推論時以任意解析度查詢，並能在更高解析度上疊加物理約束或額外數據，克服了固定解析度神經網路的限制。

AI 技術英文PODCAST8月25日

Risky Business

工具成本的破壞性下降 — 傳統上，攻擊者必須重複使用昂貴自製的惡意軟體或工具組，因為開發和維護成本極高。這種成本結構使得安全研究人員可以通過工具特徵和程式碼簽名來追蹤攻擊者。LLM 自動化了代碼生成與維護工作流，使得攻擊者可以輕易為每個目標生成新工具，或改用通用系統工具，導致傳統的工具特徵分析失效。
所有取證證據都在攻擊者掌控之中 — 無論是使用的 IP 位址、惡意軟體類型或戰術流程，這些都是攻擊者的主動選擇。即使看似是隨機巧合，攻擊者仍有能力在事前決定留下什麼痕跡。因此，所有可恢復的取證證據本質上都是攻擊者願意暴露的信息。
LLM 削弱工具簽名但保留高階行為特徵 — LLM 經過公開駭客技術訓練，使不同使用者產生相似的攻擊模式。然而，勒索軟體集團、國家級行為者的受害者選擇、贖金要求方式或目標模式等高階特徵仍具有識別價值。例如，鎖定加密交易所的攻擊幾乎只能指向朝鮮。

AI 技術英文PODCAST8月25日

TWIML AI

多層篩選的材料設計流程：先搜尋文獻資料庫找現有材料，若無合適的就用生成模型產生數十萬個候選分子，用機器學習力場進行分子動力學模擬篩選，再進行實驗驗證。這套流程相比傳統量子力學計算能加速效率數個數量級。
生成AI與熱力學的數學等價性：資訊論是兩個領域的共同基礎，生成模型的擴散過程與非平衡統計力學描述資訊損失的過程在數學上完全對應，許多開發出來的方法工具在兩領域都有精確對應的形式。
基礎模型的遷移學習策略：先在廣泛材料資料集上訓練基礎力場表示，再針對特定材料類別進行蒸餾微調，既能保持計算效率也能獲得專一性。