LLMs i ciència

UC Berkeley statistician Nikita Zhivotovskiy, who has used LLMs since the first ChatGPT, told the publication: "So far, they seem to mainly combine existing results, sometimes incorrectly, rather than produce genuinely new approaches." "I don't think models are there yet," Weil admitted. "Maybe they'll get there. I'm optimistic that they will." The models excel at surfacing forgotten solutions and finding connections across fields, but Weil says the bar for accelerating science doesn't require "Einstein-level reimagining of an entire field." GPT-5 has read substantially every paper written in the last 30 years, he says, and can bring together analogies from unrelated disciplines. That accumulation of existing knowledge -- helping scientists avoid struggling on problems already solved -- is itself an acceleration.

OpenAI's Science Chief Says LLMs Aren't Ready For Novel Discoveries and That's Fine

La ciència funciona sobre les espatlles de gegants. Els models LLM ens ajuden a fer una pinya d'espatlles de gegants. Poder accedir ràpidament al coneixement conegut ja és de gran ajuda, perquè avui en dia ningú no pot aspirar a conèixer bé el seu propi camp de recerca. És impossible. Hi ha massa papers. En aquest sentit, la IA ha vingut a quedar-se.

p.s. Avui he demanat a Codex CLI que em fes un mapa. Simplement havia d'agafar un model del relleu i uns quants mapes vectorials i unir-ho tot bé. És quelcom que sovint faig amb QGIS (molts clics) o en Python (he de recordar cada cop com van les biblioteques). Codex m'ho ha fet en un minut i ha utilitzat una funció d'ombres per fer el relleu més realista. Ha quedat molt bé. Només això ja és positiu.