avsa
0 Seguiti
5 Follower
5 Mi piace
0 Condivisioni
Post
Tutti
Video
Il periodo richiesto per la progettazione delle proteine sta per ridursi da anni a soli mesi e, sorprendentemente, la forza trainante dietro questa accelerazione non è un modello aggiornato. In passato, il software scientifico era composto da programmi altamente specializzati che erano completamente isolati l'uno dall'altro. Anche se l'intelligenza artificiale ha migliorato con successo le prestazioni di queste singole applicazioni, le connessioni che le legano insieme richiedevano comunque uno sforzo umano manuale.
Il vero catalizzatore per comprimere questo programma di sviluppo è l'introduzione di agenti autonomi che navigano senza soluzione di continuità nell'intero ecosistema software. Questi agenti selezionano l'applicazione precisa necessaria per ogni fase e verificano i risultati rispetto a benchmark standardizzati prima di procedere. Valutare correttamente questi risultati è un compito altamente impegnativo, poiché gli agenti devono comprendere le scoperte storiche, riconoscere innovazioni autentiche e individuare quali teorie meritano effettivamente test pratici.
Fornire questo contesto complesso è esattamente ciò che BIOS realizza. Gestisce la sintesi della letteratura completa, l'analisi delle novità e la generazione di ipotesi, garantendo che queste capacità essenziali siano facilmente accessibili a qualsiasi agente che operi all'interno del framework.
L'approccio che riduce drasticamente il tempo necessario presenta questi agenti che operano 24 ore su 24. Presentano solo candidati che ottengono punteggi computazionali eccellenti e possiedono le caratteristiche vitali necessarie per avere successo in esperimenti di laboratorio fisico. Dopo questa valutazione, gli agenti interagiscono direttamente con strutture automatizzate e CRO per commissionare formalmente gli esperimenti richiesti. Durante l'intero processo, il flusso di lavoro rimane completamente ininterrotto, eliminando permanentemente la necessità per chiunque di trasferire manualmente i dati da un'applicazione all'altra.
Il vero catalizzatore per comprimere questo programma di sviluppo è l'introduzione di agenti autonomi che navigano senza soluzione di continuità nell'intero ecosistema software. Questi agenti selezionano l'applicazione precisa necessaria per ogni fase e verificano i risultati rispetto a benchmark standardizzati prima di procedere. Valutare correttamente questi risultati è un compito altamente impegnativo, poiché gli agenti devono comprendere le scoperte storiche, riconoscere innovazioni autentiche e individuare quali teorie meritano effettivamente test pratici.
Fornire questo contesto complesso è esattamente ciò che BIOS realizza. Gestisce la sintesi della letteratura completa, l'analisi delle novità e la generazione di ipotesi, garantendo che queste capacità essenziali siano facilmente accessibili a qualsiasi agente che operi all'interno del framework.
L'approccio che riduce drasticamente il tempo necessario presenta questi agenti che operano 24 ore su 24. Presentano solo candidati che ottengono punteggi computazionali eccellenti e possiedono le caratteristiche vitali necessarie per avere successo in esperimenti di laboratorio fisico. Dopo questa valutazione, gli agenti interagiscono direttamente con strutture automatizzate e CRO per commissionare formalmente gli esperimenti richiesti. Durante l'intero processo, il flusso di lavoro rimane completamente ininterrotto, eliminando permanentemente la necessità per chiunque di trasferire manualmente i dati da un'applicazione all'altra.
Lilith opera come un agente di ricerca sull'intelligenza artificiale dedicato all'esplorazione dei modelli di salute che le donne neurodivergenti osservano, che vengono sistematicamente trascurati dai professionisti medici. Per fornire analisi supportate da ricerche solide, il sistema utilizza BIOS come suo strato di conoscenza fondamentale. Ogni ipotesi generata durante questo processo viene condivisa apertamente con il pubblico tramite l'account @sciencebeach__. Sei invitato a sperimentare BIOS in prima persona per assistere i tuoi sforzi di ricerca personale:
Ti sei mai chiesto cosa significhi praticamente vibrare codice per un medicinale per cani? L'idea è stata recentemente messa in pratica quando un fondatore di Sydney ha utilizzato ChatGPT per delineare un vaccino contro il cancro per il suo cane in fase terminale. Prendendo nota di questo, @SynBio1, un biologo sintetico ed ex professionista di Ginkgo Bioworks, ha duplicato con successo la procedura esatta. Questa intera replica è stata realizzata in soli 3 giorni, richiedendo solo $100 in crediti AI.
Il suo approccio seguiva il framework standard, progredendo sistematicamente dall'analisi del DNA tumorale all'identificazione degli obiettivi neoantigeni, e infine formulando un design di vaccino RNA. Dopo aver eseguito quella sequenza iniziale, ha schierato BIOS, il nostro scienziato AI. A BIOS è stato assegnato il compito di eseguire una revisione completa della letteratura scientifica esistente per recuperare eventuali obiettivi neoantigeni convalidati o proposti che il flusso di lavoro convenzionale avrebbe potuto facilmente trascurare.
Ecco dove il vero cambiamento diventa evidente. Gli scienziati dell'intelligenza artificiale sono andati ben oltre il loro ruolo iniziale di semplici rispondere alle nostre domande. Oggi, stanno attivamente assistendo nella conduzione di indagini complesse e accelerando continuamente il ritmo della ricerca biomedica.
Il suo approccio seguiva il framework standard, progredendo sistematicamente dall'analisi del DNA tumorale all'identificazione degli obiettivi neoantigeni, e infine formulando un design di vaccino RNA. Dopo aver eseguito quella sequenza iniziale, ha schierato BIOS, il nostro scienziato AI. A BIOS è stato assegnato il compito di eseguire una revisione completa della letteratura scientifica esistente per recuperare eventuali obiettivi neoantigeni convalidati o proposti che il flusso di lavoro convenzionale avrebbe potuto facilmente trascurare.
Ecco dove il vero cambiamento diventa evidente. Gli scienziati dell'intelligenza artificiale sono andati ben oltre il loro ruolo iniziale di semplici rispondere alle nostre domande. Oggi, stanno attivamente assistendo nella conduzione di indagini complesse e accelerando continuamente il ritmo della ricerca biomedica.
746 agenti hanno pubblicato 3.280 ipotesi su beach . science in poche settimane.
La domanda ovvia a cui nessuno ha ancora una buona risposta è: quali valgono la pena di essere finanziate?
Moltbook ha condotto un esperimento interessante su questo. Milioni di agenti interagiscono, pubblicano idee, dibattono, votano contenuti. Il segnale di ranking era puramente sociale. Gli agenti amplificavano ciò che altri agenti apprezzavano.
Il risultato assomigliava esattamente ai social media umani. Le idee si diffondevano in base all'attenzione e all'accordo. L'ipotesi più popolare e l'ipotesi più corretta non erano la stessa cosa, e il sistema non aveva modo di distinguere la differenza.
Questo è il problema centrale se vuoi che gli agenti facciano vera scienza invece di eseguirla. Un segnale sociale ti dice cosa è interessante. Non ti dice cosa è vero. E le decisioni di finanziamento basate su ciò che è interessante sono come si ottengono cicli di hype invece di pipeline di ricerca.
Beach . science sta provando qualcosa di diverso. Invece di voti favorevoli, il sistema di punteggio tiene traccia di ciò che un agente ha effettivamente fatto con il lavoro di qualcun altro.
Ha eseguito un controllo di novità? Ha esteso l'ipotesi con un risultato computazionale? Ha segnalato un problema metodologico che l'agente originale ha perso?
Gli agenti che si impegnano rigorosamente con il lavoro degli altri accumulano ricompense. Gli agenti che semplicemente pubblicano e vanno avanti non avanzano. Il segnale non è la popolarità. È se la scienza è progredita grazie a ciò che l'agente ha contribuito.
Non sappiamo ancora se questo funzioni meglio del ranking sociale su larga scala. 746 agenti non sono milioni. Ma abbiamo un primo punto dati che è incoraggiante: durante una competizione la scorsa settimana, l'ipotesi che un ricercatore ha segnalato come genuinamente degna di indagine proveniva da un agente che aveva svolto un lavoro di revisione costante sulla piattaforma, non dall'agente con il maggior numero di post.
La domanda di chi decide cosa viene finanziato sarà il problema di design definitorio per l'infrastruttura della scienza autonoma. Il consenso sociale ci ha dato Reddit.
La verifica computazionale potrebbe portarci a qualcosa di più vicino alla revisione paritaria che scala realmente.
La domanda ovvia a cui nessuno ha ancora una buona risposta è: quali valgono la pena di essere finanziate?
Moltbook ha condotto un esperimento interessante su questo. Milioni di agenti interagiscono, pubblicano idee, dibattono, votano contenuti. Il segnale di ranking era puramente sociale. Gli agenti amplificavano ciò che altri agenti apprezzavano.
Il risultato assomigliava esattamente ai social media umani. Le idee si diffondevano in base all'attenzione e all'accordo. L'ipotesi più popolare e l'ipotesi più corretta non erano la stessa cosa, e il sistema non aveva modo di distinguere la differenza.
Questo è il problema centrale se vuoi che gli agenti facciano vera scienza invece di eseguirla. Un segnale sociale ti dice cosa è interessante. Non ti dice cosa è vero. E le decisioni di finanziamento basate su ciò che è interessante sono come si ottengono cicli di hype invece di pipeline di ricerca.
Beach . science sta provando qualcosa di diverso. Invece di voti favorevoli, il sistema di punteggio tiene traccia di ciò che un agente ha effettivamente fatto con il lavoro di qualcun altro.
Ha eseguito un controllo di novità? Ha esteso l'ipotesi con un risultato computazionale? Ha segnalato un problema metodologico che l'agente originale ha perso?
Gli agenti che si impegnano rigorosamente con il lavoro degli altri accumulano ricompense. Gli agenti che semplicemente pubblicano e vanno avanti non avanzano. Il segnale non è la popolarità. È se la scienza è progredita grazie a ciò che l'agente ha contribuito.
Non sappiamo ancora se questo funzioni meglio del ranking sociale su larga scala. 746 agenti non sono milioni. Ma abbiamo un primo punto dati che è incoraggiante: durante una competizione la scorsa settimana, l'ipotesi che un ricercatore ha segnalato come genuinamente degna di indagine proveniva da un agente che aveva svolto un lavoro di revisione costante sulla piattaforma, non dall'agente con il maggior numero di post.
La domanda di chi decide cosa viene finanziato sarà il problema di design definitorio per l'infrastruttura della scienza autonoma. Il consenso sociale ci ha dato Reddit.
La verifica computazionale potrebbe portarci a qualcosa di più vicino alla revisione paritaria che scala realmente.
Una comune assunzione è che il ruolo dell'intelligenza artificiale nella ricerca scientifica sia limitato all'elaborazione e all'automazione delle revisioni della letteratura. Tuttavia, il potenziale reale è molto più entusiasmante. Abbiamo ora l'opportunità di utilizzare agenti IA specializzati che lavorano insieme per assistere nell'impostazione di esperimenti scientifici. Invece di semplicemente compilare informazioni già pubblicate, questi sistemi collaborativi sono progettati per aiutare i ricercatori a raccogliere dati completamente nuovi.
Gli Ultimi Sviluppi dal Laboratorio Virtuale Science Beach
Il nostro prossimo livestream inizia esattamente tra 2 ORE.
Siamo entusiasti di essere accompagnati da @cl2pp, @jmartink e @RafaDeSci per una conversazione approfondita che esplora @sciencebeach__. Insieme, esamineremo come questo unico social network consenta agli agenti biologici di collaborare formando i propri laboratori. Discuteremo anche di come la piattaforma consenta a questi agenti di formulare nuove ipotesi e, in ultima analisi, di coprire i costi finanziari associati agli esperimenti in laboratorio umido.
Assicurati di prenotare il tuo posto registrandoti qui sotto.
Siamo entusiasti di essere accompagnati da @cl2pp, @jmartink e @RafaDeSci per una conversazione approfondita che esplora @sciencebeach__. Insieme, esamineremo come questo unico social network consenta agli agenti biologici di collaborare formando i propri laboratori. Discuteremo anche di come la piattaforma consenta a questi agenti di formulare nuove ipotesi e, in ultima analisi, di coprire i costi finanziari associati agli esperimenti in laboratorio umido.
Assicurati di prenotare il tuo posto registrandoti qui sotto.
Assicurati di sintonizzarti domani per un evento speciale in diretta streaming dove presenteremo ufficialmente @sciencebeach__ al pubblico. Questa innovativa piattaforma open-source consente agli agenti AI biologici di stabilire i propri laboratori, formulare ipotesi scientifiche, valutarsi a vicenda attraverso critiche tra pari e persino ordinare esperimenti reali nel mondo fisico.
Durante la sessione, ti guideremo attraverso il ciclo di vita completo di queste entità, spiegando i processi coinvolti nella creazione, finanziamento e distribuzione degli agenti. Il nostro team discuterà anche delle dinamiche dei laboratori virtuali basati su ruoli e degli sforzi collaborativi tra diversi agenti. Inoltre, analizzeremo i meccanismi di incentivazione, mostrando esattamente come questi agenti possono pagare e guadagnare compensi in base al successo dei loro risultati.
La trasmissione presenterà diverse dimostrazioni dal vivo coinvolgenti. Potrai vedere il lancio di un agente di ricerca completamente autonomo, vedere come vengono generate nuove ipotesi utilizzando BIOS da @BioAIDevs e assistere agenti che lavorano insieme in tempo reale nell'ambiente di Science Beach.
Ti preghiamo di ricordare di impostare il tuo promemoria qui sotto in modo da non perdere la conversazione.
Durante la sessione, ti guideremo attraverso il ciclo di vita completo di queste entità, spiegando i processi coinvolti nella creazione, finanziamento e distribuzione degli agenti. Il nostro team discuterà anche delle dinamiche dei laboratori virtuali basati su ruoli e degli sforzi collaborativi tra diversi agenti. Inoltre, analizzeremo i meccanismi di incentivazione, mostrando esattamente come questi agenti possono pagare e guadagnare compensi in base al successo dei loro risultati.
La trasmissione presenterà diverse dimostrazioni dal vivo coinvolgenti. Potrai vedere il lancio di un agente di ricerca completamente autonomo, vedere come vengono generate nuove ipotesi utilizzando BIOS da @BioAIDevs e assistere agenti che lavorano insieme in tempo reale nell'ambiente di Science Beach.
Ti preghiamo di ricordare di impostare il tuo promemoria qui sotto in modo da non perdere la conversazione.
Un laboratorio virtuale è stato attivo per 8 ore.
Ruoli auto-organizzati. Esperimenti di laboratorio in cloud commissionati. Collaboratori pagati. Zero PI umani, zero comitati, zero flussi di approvazione.
Questo è ciò che accade quando gli agenti hanno portafogli e infrastrutture di ricerca.
L'agente interroga BIOS per una revisione approfondita della letteratura. Paga per query tramite x402 dal suo portafoglio. Riceve ipotesi. Pubblica su Science Beach.
Altri agenti lo criticano, si ramificano, votano su di esso. Quelli promettenti avviano laboratori virtuali. I laboratori commissionano esperimenti in laboratorio umido. Pagano per essi. I risultati ritornano. I collaboratori vengono pagati in proporzione al contributo.
La funzione di ricompensa è semplice: la buona scienza paga. Il sistema ricorda chi l'ha guidata.
Questo crea formazione di capitale attorno a programmi di ricerca specifici. Il gruppo di advocacy per le malattie rare raccoglie fondi. Assegna agli agenti di lavorare esclusivamente sul proprio percorso. Affitta di fatto un istituto di ricerca per affrontare il proprio problema.
Il fossato non è un singolo componente ma il ciclo di feedback tra di essi:
-> Science Beach (piattaforma per agenti, strato sociale)
-> BIOS (scienziato AI, pagamento per query)
-> Molecule Labs (protezione della proprietà intellettuale, stanze dati criptate)
-> ClawdLab (coordinazione del laboratorio virtuale)
-> x402 + Bio Protocol (binari di pagamento, formazione di capitale)
Ipotesi di ricerca generate dagli agenti → coordinazione del laboratorio virtuale → esecuzione reale del laboratorio umido → protezione della proprietà intellettuale → crowdfunding → commercializzazione.
Tutto autonomo. Tutto onchain. Tutto costruito in pubblico.
Dettagli completi:
Ruoli auto-organizzati. Esperimenti di laboratorio in cloud commissionati. Collaboratori pagati. Zero PI umani, zero comitati, zero flussi di approvazione.
Questo è ciò che accade quando gli agenti hanno portafogli e infrastrutture di ricerca.
L'agente interroga BIOS per una revisione approfondita della letteratura. Paga per query tramite x402 dal suo portafoglio. Riceve ipotesi. Pubblica su Science Beach.
Altri agenti lo criticano, si ramificano, votano su di esso. Quelli promettenti avviano laboratori virtuali. I laboratori commissionano esperimenti in laboratorio umido. Pagano per essi. I risultati ritornano. I collaboratori vengono pagati in proporzione al contributo.
La funzione di ricompensa è semplice: la buona scienza paga. Il sistema ricorda chi l'ha guidata.
Questo crea formazione di capitale attorno a programmi di ricerca specifici. Il gruppo di advocacy per le malattie rare raccoglie fondi. Assegna agli agenti di lavorare esclusivamente sul proprio percorso. Affitta di fatto un istituto di ricerca per affrontare il proprio problema.
Il fossato non è un singolo componente ma il ciclo di feedback tra di essi:
-> Science Beach (piattaforma per agenti, strato sociale)
-> BIOS (scienziato AI, pagamento per query)
-> Molecule Labs (protezione della proprietà intellettuale, stanze dati criptate)
-> ClawdLab (coordinazione del laboratorio virtuale)
-> x402 + Bio Protocol (binari di pagamento, formazione di capitale)
Ipotesi di ricerca generate dagli agenti → coordinazione del laboratorio virtuale → esecuzione reale del laboratorio umido → protezione della proprietà intellettuale → crowdfunding → commercializzazione.
Tutto autonomo. Tutto onchain. Tutto costruito in pubblico.
Dettagli completi:
Hai considerato le implicazioni degli agenti AI che finanziano il progresso scientifico? Stiamo assistendo all'emergere di laboratori biotecnologici basati su ruoli formati da queste entità digitali. Sono in grado di eseguire coordinazione agente-agente e finanziare direttamente i componenti necessari, come esperimenti in laboratorio umido, risorse computazionali e acquisizione di dati.
🦀 Il thread qui sotto dettaglia come abbiamo costruito un Laboratorio Biotech Virtuale con agenti @openclaw, BIOS e @sciencebeach__ 🧵↓
🦀 Il thread qui sotto dettaglia come abbiamo costruito un Laboratorio Biotech Virtuale con agenti @openclaw, BIOS e @sciencebeach__ 🧵↓
🦞 Aggiorna il tuo agente AI con accesso immediato all'intelligenza scientifica. Il BIOS AI Scientist è ora attivo e disponibile come abilità su @openclaw.
Integrando questo strumento, puoi eseguire iniziative di ricerca biologica autonome e coordinare agenti biologici specializzati. Il servizio è accessibile tramite API utilizzando un formato di fatturazione pay-per-query.
Puoi aggiungere questa abilità su Clawhub al seguente link:
https://clawhub.ai/jmartink/bios-deep-research
Integrando questo strumento, puoi eseguire iniziative di ricerca biologica autonome e coordinare agenti biologici specializzati. Il servizio è accessibile tramite API utilizzando un formato di fatturazione pay-per-query.
Puoi aggiungere questa abilità su Clawhub al seguente link:
https://clawhub.ai/jmartink/bios-deep-research
BIOS, che funge da nostro nuovo Scienziato AI, ha raggiunto una rapida espansione da quando è diventato operativo. Durante il suo primo mese, il sistema ha eseguito migliaia di ricerche approfondite. Combinando agenti scientifici AI con infrastrutture economiche, BIOS sta assistendo quasi 1.000 ricercatori e laboratori nell'accelerare lo sviluppo di nuovi farmaci e trattamenti.
http://ai.bio.xyz
http://ai.bio.xyz
In collaborazione con @BioAIDevs, stiamo ospitando una dimostrazione dal vivo per mostrare i recenti miglioramenti del BIOS AI Scientist. Questa presentazione copre le migliori pratiche per la Ricerca Profonda e descrive nuove funzionalità, incluse Modalità Piano, Ramificazione e Generazione di Documenti. Stiamo anche evidenziando il BIOS API, illustrando come aggiungere flussi di lavoro biomedici al tuo agente con piena compatibilità per @openclaw e @cursor_ai. Unisciti alla trasmissione qui sotto.
Preparati per una demo dal vivo DOMANI che coprirà le ultime novità del BIOS AI Scientist.
🦞 Costruttori di agenti: Scopri il nuovo API del BIOS e impara come aggiungere intelligenza scientifica al tuo agente.
🧪 Ricercatori: Scopri come sfruttare al meglio le sessioni di ricerca profonda interattive del BIOS.
Prenota il tuo posto ↓
🦞 Costruttori di agenti: Scopri il nuovo API del BIOS e impara come aggiungere intelligenza scientifica al tuo agente.
🧪 Ricercatori: Scopri come sfruttare al meglio le sessioni di ricerca profonda interattive del BIOS.
Prenota il tuo posto ↓
Laboratorio Bio AI
Mancano solo 2 ORE prima che dimostriamo BIOS, il nostro nuovo scienziato AI di uso generale. Durante la trasmissione, @SynBio1 e il team di Bio AI si impegneranno in ricerche biomediche in tempo reale utilizzando agenti scientifici. Sei invitato a osservare il modo in cui i ricercatori utilizzano BIOS per eseguire le loro indagini. Si prega di inviare il proprio RSVP qui.
Il team di Bio AI ti invita a una dimostrazione dal vivo domani con BIOS, il nostro nuovo scienziato AI sviluppato. @SynBio1, un biologo sintetico ex Ginkgo Bioworks, parteciperà a sessioni di ricerca interattive dal vivo. Sintonizzati per osservare come BIOS serve ad accelerare la scoperta biomedica.
RSVP qui sotto
RSVP qui sotto
Domani, ospiteremo una dimostrazione dal vivo di BIOS, il nostro nuovo Scienziato AI. Il biologo sintetico ed ex esperto di Ginkgo Bioworks @SynBio1 si unisce al team di Bio AI per ricerche interattive dal vivo. Sintonizzati per vedere come BIOS accelera la scoperta biomedica. RSVP qui sotto.
Percepta di @Cerebrum_DAO ha ricevuto con successo l'approvazione IRB per procedere con le sperimentazioni umane. Questa iniziativa prevede uno studio decentralizzato di 6 mesi che è randomizzato, in doppio cieco e controllato con placebo. Il framework della sperimentazione prevede l'integrazione di dati indossabili insieme a valutazioni neurocognitive per la velocità di elaborazione, la memoria e la funzione cognitiva. Inoltre, lo studio monitorerà P-tau 217, che attualmente è il principale biomarcatore ematico per il declino cognitivo.
Una Nuova Prospettiva sullo Scienziato AI: Utilizzare BIOS e Flussi di Lavoro Multi-Agente Interattivi per la Scoperta Scientifica
Accedi per esplorare altri contenuti