我們使用電子表格，因為軟體太難建立。 如果 AI 使軟體變得容易建立，則需要電子表格進行嚴肅工作的人的數量將會減少。

這支持我一直在研究/合作的一些初創公司的想法。 AI 代理的識別 + 權限 + 記憶仍然未解決。 這裡有很多機會。

結果發現，要求AI「像愛因斯坦一樣思考」實際上可以導致科學突破！ 斯坦福大學的研究人員最近建立了一組以愛因斯坦和費曼等著名科學家為模型的AI代理，然後將它們放入一個類似Kaggle的環境中，在那裡它們可以提出想法、互相批評並競爭以改善解決方案。 他們選擇的問題是保羅·厄爾德什在1955年提出的組合問題，數學家們已經研究了70年。這個問題被稱為最小重疊問題。 在30分鐘內，這些代理發現了一個新的最佳已知解。 Kaggle，作為背景，是一個研究人員競爭解決技術問題並登上公共排行榜的平台。 因此，這個實驗本質上為AI科學家創建了一個Kaggle比賽。每個代理可以提出假設、完善想法，並將改進的解決方案提交到共享排行榜。更好的結果逐漸推進了分數。 最終，這些代理將已知的上限從0.380876推高到0.380871。 這聽起來微不足道。但在這樣的問題中，削減幾個小數位可能需要數年的人工研究。 這些代理在過程中還顯示出一些有趣的行為。為了防止排行榜垃圾郵件，提交必須至少改善代理之前的分數1e-8。一個代理找到了一個變通方法，要求另一個代理提交改進。 這對於一群「科學家」來說，感覺非常符合品牌形象。 科學家的角色真的重要嗎？ 在我看來，告訴模型「像愛因斯坦一樣思考」顯然不會賦予它愛因斯坦的智慧。但我確實認為角色是重要的。它們會引導模型進入其推理空間的不同部分。 不同的科學家以不同的方式處理問題。費曼是直觀和視覺的。布爾巴基是正式和抽象的。用這些角色來提示模型可以影響它探索解決方案的方式。 所以我猜這些角色不是噪音。它們是一種引導代理搜索問題的方式。而當你在解決科學問題時，這種方式出奇地有效。