智源大会 2023 笔记（五）
尖峰对话 & 特邀报告（David Holz、张鹏、刘壮、Christoph Schuhmann） - P1 - 智源社区 - BV14X4y1b7Jd
所以你对，你好啊，欢迎大家加入我们今天下午对中程创始人的谈话，大卫·福尔摩斯先生我是大公园的张杰克，我很高兴能和你们一起，探索迷人的公司，并分享他们的创始人对人工智能时代创造力的看法。
所以大卫欢迎加入我们，我觉得这个，这是你第一次和你的中国粉丝说话，所以你想借此机会跟他们打个招呼吗，哦你好，嗯我我，我是，我想我们不是，我们不是正式在中国，但如果中国有人使用旅程，我想我呃。
我希望大家都玩得开心，我希望每个人都玩得开心，是啊，是啊，你大卫，你知道吗，呃，在过去的二十年里，我认识很多企业家，呃在中国都有，在世界各地，我发现他们有一些共同点，呃，都有很强的动力，呃到。
当他们从无到有创造出美妙的东西时，所以这就是为什么我想知道，你的动力是什么，当你第一次发现中途旅行时你当时在寻找什么，是啊，是啊，我是说，我从来没有真正想过有一个公司，我只是想有个家，我有点呃。
我想我完成了我的旅程，呃，作为我的家，你知道的，在接下来的十年或二十年里建造我真正关心的东西，我想在这个世界上做的，我想了很多关于到处都有的问题，我想了很多，也许我不能解决所有的问题，但我能做的是。
我可以试着让人们更有力量集体解决问题，所以我试着去想，我们如何解决问题，我们如何创造事物，我通常认为这归结为三件事，就像首先我们必须反思我们是谁，我们想要的，问题出在哪里，然后我们要想象，就像。
我们得想象我们能去哪里，什么是可能的，然后在最后我们必须协调，你知道的，和自己一起工作，和别人一起工作，你知道的，做我们想象中的事情，我觉得人工智能有很大的机会，把创作的这三个部分。
喜欢和制造某种重要的基础设施，使我们在这方面做得更好，人工智能应该能帮助我们，反思自己，想象得更好，帮助我们找到彼此，更好地合作，我想我们可以一起做这些事情，我们可以把它们变成一个单一的。
某一天某种单一的框架，我想这将改变我们，我们如何创造事物，以及我们如何解决问题，但我想这是我想做的大事，我觉得有时候图像会让人困惑，但我的意思是在很多方面图像制作图像是一种概念的证明，为了那个。
你已经知道了，中途旅行是数百万人探索的超强想象力，就像这个巨大的可能性空间，你知道吗，我想在接下来的几年里，有机会进行更多的视觉和艺术探索，这可能是所有以前的历史结合在一起。
我认为这并不能解决我们所有的问题，但我认为这是一种，我想它做了一次试运行，这是这是一种，这是一个，这是一个实验，我想如果我们能在视觉探索中做到这一点，我们也可以为其他事情做，你也知道有什么问题。
我们需要一起探索和思考的可能性，我想我们可以用类似的工具来解决，所以我想当我在考虑如何开始工作的时候，我们有很多想法，我们做了很多原型，嗯，但是人工智能有一定的突破，尤其是在视觉效果方面。
他们觉得有一个非常独特的机会来做大事，没有其他人在做，我有点想去，所以我们都这样做，我想即使在几年前，但一切都会走到一起，在这十年里感觉很特别，我想我们，我们仍然只是看到了开始，所以这只是第一阶段。
我想你的最终目标是，呃，为人类解放想象力，这就是吸引你去寻找大旅程的目标，对吧，是啊，是啊，是啊，是啊，我是说，我喜欢富有想象力的东西，我喜欢这个世界更多，做什么都喜欢，它每天都有疯狂的想法。
我看得出来，是啊，是啊，好的，你知道，大卫，当我想到很多人喜欢我的时候，呃，首先知道你不是在中途，是关于跳跃运动的，呃，我有种强烈的感觉，我是说对你来说，呃，在这两个项目之间，呃也许呃，在动机或。
或者呃呃，心态，我不知道我是否有正确的感觉，感觉是对的，呃但是呃，我想问的问题是，你对睡眠运动的经验，帮你创造我的旅程，呃在任何方面，是啊，是啊，我是说很多方面，我从飞跃中学到了很多。
如何做一个大的建筑，如何做大研究团队，如何解决问题，以前没人做过，如何深入思考人们如何与技术互动，就像这不仅仅是这个B的成本大小，但我们如何与它互动，我们一起做的事情往往来自于我们如何互动。
这真的很重要，是领导的核心理念之一，有些事情我们做得很相似，就像飞跃一样，呃，它真的很大，真的很快，好像它抓住了每个人的想象力，我觉得Midy很像，但我认为还有其他真正不同的事情，在休假的地方。
我们我花了很多时间，我认为建立一个生态系统真的很早，我想当时在硅谷，有一种信念，你应该永远建立生态系统，首先，就像iPhone，但我想我们集体学到了，也许你知道，首先你要做一个普通人喜欢的好产品。
然后当你做完的时候，然后你就可以在生态系统上工作了，我认为生态系统可能会在早期分散注意力，对于很多企业家来说，对我来说也是，所以我们做得不同的一件大事是，我们只是专注于建造一些每个人都可以使用的东西。
很普通的人就像我以前评判自己，救济，我能用手做吗？但就像我父亲就像一个外科医生，所以他可以做，我们有一双好手，但现在我想的更多的是，卡车司机，就像利用旅程，我们有一些卡车司机，从卡车停靠站的卡车上。
这对我来说很酷，这意味着你喜欢的地方成功得更好，你知道，你知道吗，这真的很有趣，好笑，就在这里，我们通常说，嗯，这个想法很便宜，给我看看代码，但现在看来，想法是唯一重要的事情，只要你能表达你的想法。
你的目标得到了一系列好的提示，AI可以帮你，那么你认为学习和创造的定义正在改变吗，你的观点是什么？你对此有什么看法吗，是啊，是啊，我是说，我觉得，我看到的一件事，真正有趣的是。
当你给人们更多的权力来创造，他们也变得对学习更感兴趣，因为，比如说，嗯，有一定的艺术风格，就像装饰艺术在美国是一件著名的事情，我从来没有真正关心过那种艺术是什么，直到突然间我可以把事情做完。
只是说出名字，突然间，我开始对此产生了很多疑问，我想了解更多关于历史的知识，所以我觉得有一些非常有趣的事情，当历史成为你可以立即借鉴和创造的东西时，我们对历史变得更感兴趣了。
然后我想如果用户界面变得很好，感觉人工智能是我自己思想的延伸，如果人工智能是我身体和思想的一部分，人工智能也与历史紧密相连，它也把我和历史交织在一起，这样也很有趣，所以我觉得这真的很酷。
当我们问我们的用户他们最想要什么时，我明白了，头号请求之一，通常第一个第二个是他们想要我们的学习材料，不仅仅是学习如何使用工具，但是学习所有的艺术和历史，以及所有关于相机镜头和照明的事情。
他们想理解他们现在可以在创作中使用的语言和概念，因为以前我认为这些知识只是一段历史，但现在知识实际上是创造事物的力量，它立即变得更加强大，所以人们想要它，那真的很酷，是啊，是啊，是啊，是啊，我想是的。
是啊，是啊，你知道在中国你有很多跨度，他们来自不同的背景，呃，他们可能有，呃，呃，不同水平的艺术技巧，你知道像我这样的用户，我还在努力制作，是啊，是啊，你知道更好的照片，但我听到很多画家设计师担心。
它们将由AI发生，那么中途能做些什么来帮助确保每个人都能通过人工智能，呃，而不是混淆或同质化，是啊，是啊，我想对于那些还没有开始他们的艺术之旅的人来说，它给了你一个独特的机会，第一次你在想，我喜欢什么。
我的审美是什么，我发现什么是美丽的，这真的是一件需要，你可以花一个专业艺术家几十年的时间来做，突然间，这不是每个人都可以接触到的，我们发现人们喜欢深刻反思，这几乎就像艺术疗法，对人们来说。
他们在思考自己的生活，具有挑战性的事情和可能发生坏事的事情都是好事，只是这很有意义，所以我认为大多数使用它的人都有这些个人经历，这不是真正的竞争或商业，我们发现大多数不使用它的人，他们在用它。
你知道他们只是利用它为自己，他们甚至不分享照片，但我认为在专业层面上，我想它变成了放大，放大你的创造力，所以不是像图像一样，也许现在你可以制作一本漫画书、一部电影或一个电子游戏，所以你不是想喜欢一个人。
像正常人一样，我会在他们有生以来第一次思考美，一个艺术家现在可能正在创造整个世界宇宙和故事，以他们以前永远无法做到的方式，所以我认为这增加了每个人创造力的范围，所以普通人有更多的权力。
而专业人士更有力量，我也是，我想很难看到，有时是因为现在很多用户界面都很简单，但是没有理由让接口变得复杂和强大，而且有很多特点，只是那些来得有点晚，嗯哼，但是是的，是啊，是啊。
也许也许不只是为了一张照片，一张图片，人工智能可以帮助人们做更复杂的工作，因为你知道，在过去，当我们谈论创造力时，我想里面包含了很多元素，呃，还是你有创造的愿望，您想创建什么，你也需要有能力执行它。
让它发生，但也许有时候如果你你你可以，呃解放，呃对创造的渴望，伟大的想法和情结，嗯，复杂的，呃AI能帮你的事情，所以也许这就是我能为人们提供的力量，而不仅仅是形象，对呀，是啊，是啊。
这是一个非常私人的过程，就像反光一样，你知道我们一开始喜欢，我们真的不知道我是说，我想这是我想这是我们一遍又一遍地看到的东西，只是这个过程有多私人，对大多数人来说，像我一样，首先我会看图像。
我不明白人们会做什么，就像有人要一张天堂里狗的照片，我问他们，他们为什么要在天堂里画一只狗，他们说是因为他们的狗刚死了，我感觉很糟糕，我就像，你没事吧，他们说这让我感觉更好，喜欢它，只是有点。
我想很容易认为，也许大多数人用它来工作，但我们现在觉得，几乎每个人都在用它，几乎就像一种艺术疗法，你知道他们在想什么，他们在反思自己的生活，试图弄清楚他们是谁，我想这真的是私人恩怨，真的很重要。
就像在人类历史的大部分时间里，我们没有机会做，只有极少数人有机会做到这一点，我觉得那真的很美，能够为每个人做到这一点，是啊，是啊，是啊，是啊，是啊，是啊，我想是的，这不仅仅是我们业务的工具。
或者你的工作是我们生活的新元素，我想为什么中途旅行很棒，就是因为，呃，它传送了，呃，对一千万人来说是一项神奇的技术，只有百分之二十在你身上，你的团队我相信，呃，几个月前，数字是十一，对，你没有销售团队。
你没有营销团队，你有几个，呃，你团队中的本科生，所以我想知道，我想知道新的范式，呃，对于AGF中的初创公司，呃，人工智能时代，我想会是，我想我们来得有点早，所以我认为我们有一些优势。
就像我有很多组建团队的经验一样，我有很好的名声，所以我可以在早期让很多电脑来做这件事，正常的初创企业不会有这种情况，但我认为在接下来的几年里随着人们开始了解更多，你如何建立研究团队。
随着越来越多的计算能力可供每个人使用，随着人们对什么是好的人工智能产品的了解越来越多，我想我们会看到很多这样的公司，我想我们来早了一点，我想我们是第一个这么做的人，但我想也许五年后一切都会很正常。
所以是的，这是一种新的范式，是啊，是啊，是啊，是啊，是啊，是啊，好的，所以你担心，呃，今天中途做什么，呃什么时候他们会被发展敏捷的能力所覆盖，那么会发生什么，垂直产品的未来是什么，就像中途，我们不知道。
我认为这是一个很大的谜，我想一种方法是我们可以和其他实验室合作，就像我们做眼睛一样，他们让，你知道耳朵，就像一种，我们把不同的部分，它聚集在一起，这可能会发生，就像你知道我们在想象。
他们正在制作语言部分，我们把它们放在一起，所以我们要一起看看，我想也有可能他们是这种人，什么都可以，但它们是一些特殊的部分，你知道在这个世界上我们仍然有很多人专门研究。
我也认为有可能有很多人机界面的东西，也许不仅仅是拍一张漂亮的照片，但它是关于帮助一个人探索他们是谁，他们想要什么，这不是一个真正的AGI的事情，它更像是一个，你如何与人互动，你知道的。
我认为最好的用户界面，如果只是语言，然后也许AGI可以问我们问题，但我认为实际上用户界面将不仅仅是语言，它会向你展示许多图像，试图用不同的方式了解这个人，它们将是一种全新的艺术，一种新的感觉。
一种理解人们并试图帮助他们弄清楚他们想要什么的理论，我只是觉得，是啊，是啊，那是我们还没有弄明白的事，我想一个美国兵可以做任何事，但我也觉得像，有可能喜欢，嗯，会有很多专业化，仍然，我想在未来，是啊。
是啊，所以你认为中期旅行会一直像垂直产品一样吗，也可以是，呃，你可以解决这个问题，因为你你，你已经说过你的任务是解决解放人类想象力的问题，不一定只是图片，图像，是啊，是啊，是啊，是啊，我想有一些。
肯定有，我们在社区里做的一些有趣的事情，就像，你如何让一群人聚集在一起探索一个巨大的可能性空间，我想这就像，我想我们是想创造这个东西，在未来一两年的中间旅程空间。
也许就像世界上几乎所有的视觉探索都在发生的地方，所以我觉得真的，即使我们从来没有做过其他事情，如果我们只是世界上所有视觉探索发生的地方，我想那会是一笔生意。
我认为我们在视觉探索方面所做的一切都将适用于其他领域，我想尝试创造这些超级头脑，数百万人一起努力解决一些事情真的很有趣，我不认为任何一个人工智能会取代数百万人，我想可能会有AIS参与。
也许会有数百万人和数百万AIS一起工作，但我想会有很多经纪人和很多派对，我认为这很重要，这是，所以说，拥有所有的，我认为观点和每个人都有点不同，我想有助于弄清楚事情，你知道很多企业家，许多创业公司。
我们称之为人工智能实干家，他们，2。他们对这个问题想得太多了，因为他们害怕被掩盖，呃通过新技术，我们我们，我们都看到，技术仍在迅速发展，还不稳定，所以你的建议是找一些，呃，你知道有价值。
或者或者从某个问题，呃，Verse工具解决，你保持专注，和，同时保持开放的心态，你的建议是，我想是的，我是说，我想也嗯，我喜欢这样想，即使我们像agis一样，有点像人。
我想他们仍然会和我们生活在一个社会里，所以我想你知道一件事你可以工作，你可以做的一件事是，您可以努力创建，就像人工智能的人，但你也可以尝试在社会上工作，一个有很多人和很多AIS的社会是什么样子的。
我们如何一起工作，一起思考，一起探索，我认为这是我们正在做的很大一部分，当我们试图让每个人都用视觉一起探索事物时，在某些方面，它是非常原始的，但在其他方面，这可能是测试它的最好方法，因为你可以看到一切。
你可以从字面上看到，嗯，而如果我们用诗歌来做，我想这也会很有趣，但有点难理解，你知道吗，或者如果我们用，像引擎或任何其他类型的科学，它，你不会喜欢，一百万科学家将是世界上所有的科学家。
但是一百万人在拍照，很容易找到，所以你已经可以测试它了，你知道的，所以我想我们更多考虑的是，呃，这些心灵社会是什么样子的，你知道的，嗯，我想现在主要是人类在和AIS一起工作。
但我认为在未来人工智能和人类一起集思广益，是啊，是啊，所以我认为这将是非常有趣的，也许在某个时候我们甚至不知道，这不是我们的主意吗，是人工智能的主意吗，没关系吧，没关系，没关系，是啊，是啊，没关系。
好的，完全正确是的，是啊，是啊，你你知道，呃，当然有很多，最近对安全的担忧，然后呃，同时进行多个级别的一些比赛，前面也仍然有挑战，嗯，在继续扩大和改进目前的大型模型。
那么你如何看待人工智能领域的未来发展呢？有没有办法平衡不同的视角，甚至可能是不同的政府，呃，比如中国和美国是的，我是说，呃，让我们看看，我是说，我想有像，我是说，我先走，我觉得人们有时候太争强好胜了。
我想也许这是我们的一周，我认为这是西方的弱点，我觉得就像，我想机会太多了，是啊，有时不值得竞争，就像我不考虑薪酬一样，我不考虑竞争的事情，我只是努力让最美丽的，我能做的很棒的事情。
我认为在很多方面有多少机会就有多少机会，面临的问题和挑战，我想世界上有很多事情，在世界上有很多挑战要努力，嗯，我不知道，我不知道，我想我嗯喜欢，是啊，我的意思是，我想我想喜欢和喜欢，我想像什么。
我想在某些方面我在中国一直很好，当我在那里的时候，就像每个人总是喜欢的那样，有一种合作和团结的感觉，我认为在某些方面，这更符合人工智能，在那里它是一种更公共的东西，它向我们所有人学习。
然后它给了我们所有这些力量，它从我们身上学到了，就像它从我们所有的视觉历史中学到的那样，然后它给了每个人视觉上的力量，就像非常公共的，这是非常合作的，喜欢那种竞争力，我想是在一些，有时甚至说像。
我想在某些方面做到最好，我想可能违背了技术本身的本质，也就是，所以我认为美国可以学到很多东西，你知道的，呃，就像从东方来的我想还有，也许我想在这里，这是很正常的，可能就像，不仅仅是害怕技术。
但几乎只是害怕智力，好像他们很聪明，我能相信他们吗，但我的意思是在另一面，似乎我们希望这个世界有尽可能多的智力，你知道，我们似乎不想要一个智力较低的世界，我们想要一个更聪明的世界。
因为这就像我们如何建立和解决一切，你知道的，所以我觉得有些事，在美国，如果你太聪明，你就像个书呆子，然后别人欺负你，或者感觉像在中国，如果你聪明的话，你很酷，每个人都想变得聪明，哦耶，是啊，是啊。
我回来了，是啊，是啊，我是为美国人准备的，这很不寻常，我不明白，就像这样，我想在很多方面都有帮助，嗯，我想，也许我来这里的原因之一是，因为看起来行不通，所以这里一定有人，我不在乎什么。
有人认为它会起作用，但现在在某些方面，我们知道它是有效的，就像真正的合作，试着给每个人，所有的基础设施和所有的权力，试图建立社会，你知道在很多方面，就像我认为我们，你知道的，我们在这里不那么团结。
而且少了很多，你知道的，对智力的渴望就像试图，然后呢，然后东方就是，我认为彼此有很多值得学习的地方，我对所有这些都很有信心，嗯是的，我我是的，我我我我我我是，是啊，是啊，我明白你的意思了，是啊，是啊。
呃，没有必要，呃，我是说，呃，呃，也许不一定，呃，呃，你知道吗，中国和美国必须是一个独立的人工智能系统，和创新者之间，呃，中国和美国可以联合起来创造一些美好的东西，是啊，是啊，呃，我深深地希望如此。
是啊，是啊，是啊，是啊，我是说，我觉得这有点像，有一个很大的全球经济，这对大家都有好处，所以就像如果我们做人工智能，它将在经济中移动，就像我们一样，要么像人一样，要么像人一样，或者像产品或物品。
好像只是它把我们联系在一起，我们从彼此身上学到了更多，感觉就像感觉很好，我认为当人们试图对此持敌对态度时，我想这可能是反人类的，我不知道我感觉就像，它看起来不像是，好像我们，我们只想让一切都很棒。
我不知道我很，我很合作，我想也许这里有点不寻常，我是说我想为什么大卫，如此合作，就像我喜欢人，这是我们为人们建造的东西，我想那是因为我们也爱人，这就像，也许我们与众不同的地方之一是我们总是在制造东西。
人们喜欢的，我想是因为我们真的爱人们，我不知道那里有什么，我不会，人太多了，对不起，是啊，是啊，是啊，是啊，是啊，是啊，所以在那里，我想我们只有时间，最后一个问题，如果我们展望数字世界，十年后。
你能预见什么吗，呃一定会改变的，呃，你知道，你愿意和我们分享你的愿景吗，是啊，是啊，我是说，我是说，它它就像，我觉得，十年后的一个人，会比今天任何数量的人都更有创造力，但我认为所有这些人聚集在一起。
那个，有那种才华，就像我们可以做一些我们只是，我们，我们无法想象这一切，我认为这些力量会创造一个充满美丽的世界，以一种，是啊，是啊，我不知道，只是这让我觉得，这是正确的，你知道的，然后我想就像，嗯。
是啊，是啊，我不知道，我想有什么东西，我想不知何故在一起，就像我想的那样，我想美会以某种方式把我们交织在一起，把我们联系在一起，我想你知道，在某些方面帮助我们不要害怕这个未来，但你知道的更多。
为此感到兴奋，你知道，我想我想有时我们感觉到美，因为否则我们会害怕，是啊，是啊，我喜欢那样，我真的很喜欢，我喜欢那样，是啊，是啊，一个可以想象的巨大未来摆在我们面前，在某些方面，就像你知道的。
用美丽来填充，思考美丽是最好的方式，我想在里面做正确的事情，我不知道有什么我我，我想我不能完全，我想我不明白，但感觉是对的，实际上我想我有很多朋友，我在深圳的朋友，还记得你，呃，当你用休假动议工作时。
有时也许呃访问中国，我们可以继续我们的谈话，我想呃，我完全同意你的看法，呃，前途无量，会有很多好事发生，但我们应该考虑到有些不好的事情，我们需要防止它们发生，谢谢你大卫非常鼓舞人心的30分钟。
谢谢大家今天下午加入我们，我希望每个人都有一些可以带走的东西，还行，这是杰克和大卫，我们要结束了，谢谢。谢谢。然后有趣的部分是于瑾在广西旁边建立了她的公司，呃退出正规化，呃，她，呃在。
和Fana Utai是时候去知道他做了什么，退出你的，嗯，呃，最近对于蛋白质预测的顺序到图像的生成从，呃，托尼，我是个辍学生，它可以下降到，呃，否，别碰她的亚历克斯网，你不碰，结果打开了退出的路，是啊。
是啊，是啊呃，线性跌落的一种，我说，呃家，喜欢都适合，安装或最终安装更多，那个你，她和我不插嘴，那就是，诊断吉博士呃，这不是台湾，我可能比数据更重要，所以为了得到好，你如何发送适合你的连接的资金。
或者你可以去找一个，你应该控制你，所以呃，所以那样做，呃，你看到一张照片，你去找一个中心来触摸，你得到了，你还有更多，不合身会在图纸上不合身，辍学，所以减少或适合你嗯，使用它们，和，呃，呃，哦。
你退学了吗，你退出的时间，信阳苏欣和嗯的模型，嗯吉，基线模型，呃，退出的模型应该退出模型，退出模型，你有没有，呃更多地在中国，谢谢。我嗯，但要做到这一点，我不看势头，那又怎样，呃，到检查站。
你在GD上放了什么，所以呃，你知道吗，形势，你退出模型到，所以你看到你在，呃，从，我们是如何在家里度过黑暗的，和你一样的功能，你做一个样品，你让我做最好的，喜欢，在某种程度上，地面真相渐变为，呃。
你是我的钥匙，所以它是向前向后的，喜欢地面真相渐变梁，你的辍学模型，你的小批量渐变地面真相渐变，《哈罗》中的田宫朱莉，退出教会，呃，发生什么事了？I年轻到梯度误差，通常的迷你批量分级做得很好，回藏，呃。
只有你，你会退出的，可以触摸到它，你能做到，奔向你，呃，约翰，等等，走吧，我举例说明J，做一个好的，她确实优化了训练，在家里设置训练损失，你只是你的管，你可以容纳另一个辍学者，你去，你去。
针对泛化问题将训练集建模为优化，它称之为围绕优化的训练集，你可以创建边界，你可以做模特，你可以拿着，你有训练集损失，所以它不拟合像时间优化这样的模型，你上次的训练，所以你可以早点教书，像往常一样辍学。
辍学，你知道的，在文件里做一些模型，你如何在工作中过度适应模特，嗯，要做的是退出推出，整体优化，那天的感觉，你过度拟合模型，嗯，所以一个规则化，呃，归零到Fana，而且那个，呃，最近想象一下呃。
所以早些时候我应该只是非常小的搅拌器，小来下一个，向约翰游去，以至于数百万的训练者退出了，把钢琴放下，深度，退出对太夏化的预期行为，早辍学的人做它有优化的规则，呃，你会是，呃，你得在后来的辍学前换五个。
你去，呃，点击基于模型的混合器底座，只是为了和辍学的模特玩得过火，SD只是期间的深度，我不知道怎么退学，希望希望我退学，超越枪的概括，所以火车损失开始在火车跟踪中滋生，嗯，呃，SQL的泛化，呃。
就在这里退出你去吧，我们退出模型训练曲线，你现在可以成为你的倒下，只有放弃火车损失，找到了一个杰斯华秀，嗯，新来的人的地理让，自己做一个不合适的模型，有一些，穿上阿尔法，呃，哦，是呀，上，嗯。
到和SML G称为有纸到可用的板，我们的政府应该，模型训练在拟合模型下，你能退学回家用大型语言模型充电吗，你可能会时不时地发现，效率到你的心，免费的呃，元爱呃，在喇嘛下巴的参数中释放。
你的身体是GPU内存，你有精度加载呃，你不要谷歌手掌，好吧托尼，用ZU和，俊的全部真相，那种女孩，所以幅度修剪，你可以，或者是更多的事情之一，嗯，我应该，我该走了，在，一个巨大的手以一个。
你可以通过第一级来创建它，和你一起去还是拒绝，这是个好主意，张骥认为，在模式上的研究是其次的，从边界等待酸性土壤，这可能是下一次应该来的时候，下一次，呃，实际上，困惑是一种，这是一个，你选择沈的区域。
告诉你向下观察大语言模型，的，我不想看到鱼在，呃，如果你有纹身，中的表现，我们不会靠近，你在外面，呃，功能称为道奇的功能，对爆炸的困惑，呃，呃，你她可以射出去，所以它现在应该有一些，然后你去的案子。
和线性铝，呃，您输入标量，一个向下的斧头或x r呃，在我们的世界里没有细胞，在细胞时间，呃x eu和w x修剪在ua w w x r中的wr，对dixi的输入是什么，输入输入尺寸与传输接触，巨蟹座细胞。
所以你在控制台上通过输入，你的x是她吗，等一下，你的狗叫你和乔伊，你在修剪重量，呃，或者等待输入，查娜，所以我们等待，在下库存输入批次中，或者你可以做令牌，这样我两个正常，输入激活和呃激活，你的W。
pre-lm应该增加简单性，有直截了当的，呃，所以对于过去，所以所以几何，呃尝试，这就是叫它，呃插图，所有的权重矩阵，我嗯矩阵或者她做x做一个矩阵，或者最终会增加体重，我应该等她的前任跳，梅·汉。
所以元素方面，你叫它什么，你得到什么指标了吗？你可能会做什么，比如输出特色，到整个通常的度量，稀疏表明要成为一个俯卧的，在大学里，你叫它修剪，我不吃细粮糖，所以用行智者喊出输出智者为女人做了一件好事。
呃，旅游交通，你有没有，呃，我是说，你做什么，你和别人在一起吗，呃，就像做NW一样，真正的，嗯，我们也可以在喇嘛模型上进行大规模修剪，它的丛生性，呃，最近你得到了，你有修剪大语言模型，你确定。
因为我实际上是个问题，当然嗯，将以尺寸为特色，呃，传感器功能，所以你照常更新，倾向或我应该这样触发运河上的推断或修饰符上的，进步的区别是真的，所以，呃喇嘛，应该有一个修剪，你不能靠信贷养活。
你的模型容易成为模型，我想让你推断，呃，你知道一个，你知道陈，呃，呃是个更高的，呃，我们能找到大型语言模型吗，所以我们精确的稀疏网络，所以你为，嗯，整个丛林，大型语言模型。
因为没有经过时间的训练在学习中，我去创建一个负担得起的微调创建，你如何创造另一个困惑的女人，呃，没有人在精细工业。
你好，你一开始，我将首先呃，做一个关于你自己的真正简短的介绍，呃用中文，因为我们的观众大多是中国人，然后你就可以开始谈话了，然后我会问，呃，呃，四到五个问题，呃，从白族的地位来看，在那之后，我们会来的。
呃，我们所有观众的问题是，是啊，是啊，好的，哦，好的，酷，所以让我们现在就开始，呃，让我们来谈谈舒曼的基督，呃，Zuzi和德国Panada，老鹰，好的，我们现在可以开始演示了，是啊，是啊，好的。
您的设备上有演示文稿吗，还是我应该给它看，但另一件衬衫，呃，你可以分享屏幕，现在，我们可以开始演讲了，你现在能看到我的屏幕吗，是呀，是呀，我们现在可以看到你的屏幕了，你现在可以开始了，好的，你好。
我叫克里斯托夫•舒曼，我是里昂的联合创始人之一，里昂代表大规模，AI Open Network和我今天将谈谈我们的组织，我们的历史，你能打开摄像机让我们看到你吗，我们可以看到你，同时，我们可以看到屏幕。
另一个相机，呃，是呀，是呀，我觉得，当我，当我切换到PowerPoint时，然后相机咯咯地笑着自动关闭，所以现在当我回到PowerPoint。
然后摄像机就关掉了，我是说，不管我能做什么，没有电源点。
你现在能再见到我吗，我们现在可以看到你了，但是我们看不到幻灯片，好像不是同时。
是啊，是啊，可能我的iPad会自动关闭摄像头，当我过去的时候，可以同时，好的，呃，不如这样吧，呃，在你的演讲中，呃，我们看到屏幕，在那之后，当我问一个问题时，你打开相机，可以吗，好的，这样好吗。
你能看到屏幕吗，是呀，是呀，我们可以看到屏幕，你现在可以开始了，正常情况下，所以耶，正如我所说，我是克里斯托弗，我是里昂的创始人之一，里昂代表大规模，AI开放网络，嗯，我们是一个非营利组织。
我们在德国注册，但我们有来自世界各地的成员，嗯，我们基本上致力于构建开源数据集和开源，AI最近专注于基础模型，因为这变得很热，就像热的，是热门话题，但我们的主要目标是制造一种最先进的。
AI基本上对每个人都是免费的，完全开放，所以在我们看来，总的来说，开源AI类似于开源，解决问题的能力，在我们的世界里，人工智能越来越重要，因为每个人都使用电脑或智能手机，就像我们已经开始了。
基本上就是看到人工智能有多酷的人，我们想让公众可以使用它，所以我们发现自己在不和的聊天群里，我们一开始就在讨论，我们怎么能让，比如说，大理一号，第一个文本到图像模型，我们怎样才能让公众接触到它。
所以我们一直在讨论如何从互联网上获得文本图像对，以及如何构建开源数据集，同时我们一直在讨论，如何获得开源培训代码，我们从哪里可以得到这个计算，我最初的想法是建立一个图像文本数据集，因为，嗯。
这就像第一个文本到图像模型，呃，两年前，它能够画出非常酷的图像，不像今天这么高的分辨率，但对我来说，认识到，哇哦，这开始真正起作用了，我们一直在讨论我们怎么才能像2-3一样，四亿形象纳税人。
因为达利一号是在2。5亿对图像上训练的，以及Openai发布的第一个剪辑模型，在这个时候对4亿形象纳税人进行了培训，我们就像，这可能吗，因为当时最大的公开数据集，呃，概念标题。
每个版本有三百万个图像文本，每个版本有1200万个图像文本，是啊，是啊，就像我们一直在想的那样，我们能像普通爬行一样去档案馆吗，比如说，公共爬行是来自，嗯美国，他们在网上搜索。
他们进入不同的网页并下载html源代码，基本上，网站的原始代码，他们把它保存下来，每两个，他们释放了三个月，这样每个研究人员都可以下载1G的小块，然后用它来分析Web，我知道这件事，我在想。
也许我们可以下载普通爬行的一小部分，过滤掉图像，和文本对，不是图像本身，因为图像链接，只有共同的链接，所以我们要过滤掉链接，然后我们要检查，HTML中的链接有文本描述吗，如果我们有候选文本描述。
喜欢备选案文，那么我们可以使用这个时候已经开源的剪辑的第一个版本，像二千二十一，在开始的时候，他们发布了一个开源版本的剪辑，所以我在想，好的，我们可以使用现有的剪辑。
以及图像内容与相邻的文本描述的匹配程度，这基本上就是我所做的，嗯，我在空闲时间编写了第一个版本，嗯，所以以我的背景，我不是全职研究员，我是一名计算机科学教师，高中教师，这个时候我只是超级好奇。
这项技术在未来如何开源，当我在操场上拿着笔记本电脑的时候，我刚拿了笔记本电脑，我刚刚编写了第一个版本，以获得图像链接和替代文本，然后下载图像并检查现有的剪辑模型，想象事情做得有多好。
图像事物的内容与文本契合在一起，如果它们很合身，我救了他们，如果没有，我删除了链接，所以这是我编码的第一个版本，我有，呃，这在一个虚拟机上运行，免费提供一台谷歌可乐的小型虚拟机，基本上我想，好的。
我怎么才能得到更多，所以我从社区里的人那里得到了更多，他有一点，工作中的一些小虚拟机，他们告诉我，是啊，是啊，我不用它，现在你可以用它，这里有一些多余的钥匙，嗯是的，我在不和谐的社区里四处打听。
有人能帮我写剧本吗，协调一群小型虚拟机，如果我有很多小型虚拟机在过滤互联网，从普通爬行，所以我得到了普通的爬行，我从普通爬行中得到的，图像链接和候选标题，我使用现有的剪辑模型来比较图像和候选文本。
我只保留好的图像文本对，我一直在几个小型虚拟机上这样做，是啊，是啊，我嗯，我四处打听谁能帮我写一个群管理系统，然后有人过来说，是啊，是啊，我是一名来自英国的学生，我可以帮你，他写了一个协调软件。
然后我们就把它吓坏了，就像作为一种爱好，几周后，我们有300万高质量的形象纳税人，这不仅仅是众所周知的概念标题，此时来自谷歌的数据集，突然间，来自不和服务器的其他人，他们说，哦耶，哇这太酷了。
我们想帮忙，他们像不同的开发人员一样加入了这个项目或，在没有任何资金的三个月后，没有任何外部支持，我们的随机人群社区，我们有41300万形象纳税人，这对我们所有人来说都很惊讶，但我觉得，嗯，的。
这项技术真的是可以实现的因为就像我们今天拥有的技术一样，甚至两年前，一切都已经超级强大了，我们就像一群被这个想法团结在一起的人，这项技术应该更容易获得，是的，是的，所以我们进行了研究我们发布了4。
13亿张图像数据集，它叫里昂四百米，在这之后，很多人来找我们说，哦，哇这太酷了，我们想支持你，就像一家公司，拥抱的脸，就像一个开放的美国开源公司，2。他们出钱请我们，像谷歌和Meta这样的大公司。
他们开始使用我们的数据集进行研究，在报纸上引用了我们，在这一点上在这一点上，我说，好的，我们可能应该注册一个非营利组织，因为在这之前我们只是一群不和的人，我个人在非营利部门有很多经验。
我一直在支持德国私立学校的学校运动，是啊，是啊，我认为PBT不是，呃，移动，我们有什么，是啊，是啊，它不是，它不动了，它不动了，我是，我只是喜欢嗯，呆在那里，他们不太关注PPT，没问题，没问题继续。
是啊，是啊，所以我个人，我是一名教师，我以前也在学习心理学，然后嗯，我在支持和私立学校有很强的背景，孩子们可以在那里学习东西，他们很好奇，我一直在监督学校的初创企业，我自己也当过这样一所学校的校长。
我以前建立和支持的这个运动，嗯也是被父母驱使的，他们不想让孩子们上公立学校，但谁想让孩子们有学校，在那里他们可以，嗯，了解他们感兴趣的东西，在那里他们可以，而不是专注于记忆。
在那里他们可以专注于培养好奇心和自我效能感，学生个人在…的中心，喜欢机构而不是课程，在我被创造出来之前，我一直在建造这个，我拍了一部关于这类学校的纪录片，我支持了很多，许多学校创业公司，因此。
我个人有一个健全的背景和开始非营利组织，在基层社区，所以我说是的，让我们注册一个非营利组织，所以我没有改变这里的幻灯片，因为我想谈谈这个，我想我们现在有一个很大的社区，人们在互联网上一起工作。
关于开放源码，我们有高中生，我们有大学教授，我们有了，自由职业者，我们有高科技公司和员工，比如谷歌员工什么的，雇员左右，所有这些人都在并肩工作，只有在开源人工智能将是一件很棒的事情的想法下团结在一起。
如果有这项技术真的很好，基本上解决问题的能力，让每个人都能得到它，不仅仅是对大型科技公司或民族国家，或者真正的大机构，但喜欢让它真的真的很容易获得，有几个原因为什么我们认为为什么我个人认为。
但为什么大多数人认为这是一个非常非常好的主意，所以最近在西方媒体上，我不了解中国，但是嗯，在这里呃，德国和美国有很多关于人工智能风险的媒体报道，最近有些人像杰弗里·辛顿，嗯喜欢，比如说。
他离开谷歌是为了能够自由地谈论人工智能的风险，有些人喜欢Max Max Tech Mark，要么，你告诉你，他们说，哦，艾太危险了，我们迫切需要对其进行规范，然后呃。
这与我们社区的大多数人的想法形成了非常极端的对比，我是说，我个人认为有某种监管是好的，因为我的意思是每个人都想生活在一个非常糟糕的事情被监管的世界里，在那里，真正糟糕的事情被宣布为非法。
但我认为这已经像现有的法律框架所给出的那样，但为什么像杰弗里·辛顿或马克斯·马克这样的人，我个人尊敬的人，我认为他们是非常聪明的人，但他们为什么害怕，嗯，我变得太强大了，尤其是公开我的个人观点，就是。
如果你对人性有一个严峻的看法，如果你认为大多数人相对危险，或者如果你认为甚至有百分之几的人有恶意，它们能够造成严重的风险，这少数有类似动机的人，如果你对人性有这样的看法，那么推理就是，哦，是啊，是啊。
百分之五或百分之三的人有不良意图，他们可以使用这些开源AI模型，或者一般情况下，他们甚至可以使用近源人工智能模型对世界造成伤害和危险，因此，我们需要不惜一切代价将风险降至最低，然后呃。
因为风险的成本对社会来说太高了，但如果你对人性有更积极的看法，比如说，我和我们社区的许多人，那么推理是另一个，理由是有风险，有些人可能会使用人工智能，尤其是开源人工智能，有些人可能会把它用于不好的用例。
当然有很多不好的用例有人可以用人工智能，但大多数人都是正派的，他们中的一些人可能真的很善良，利他主义，所以让我们说，可能有百分之一，也可能不到百分之一的人，也许有百分之几喜欢，也许一个，两个，三个，四。
百分之五的人，他们有很好的马达，他们就像真的很正派，想帮忙让世界变得更美好的好人，大多数人他们只想拥有自己真正体面的生活，他们不是超级旅游，他们还不错，他们只是对一个真正稳定的环境感兴趣，为自己。
为了孩子们，为了家庭，如果你有这样的情况，就像大多数人会使用的，增加能力，就像我之前说的，像人工智能，尤其是开源人工智能基本上是关于，只有文字描述的非常漂亮的图像，嗯，将来用文本生成。
或者检测您想在Internet中检测的任何内容，我是说，大多数人可能会用它来创造自己的生活，和他们更关心的人的生活，我们在20世纪90年代看到了这一点，像许多人一样，许多计算机病毒来到互联网上。
人们真的很害怕互联网会被强大的计算机病毒破坏，但是现在有很多好的防病毒程序，几乎任何得到一台新电脑的人都会得到一个新的杀毒软件，我想在未来会是类似的，就像人们可以接触到人工智能模型一样。
他们不仅会用它们来获得更多的权力来做事情，也是为了保护自己，从他们不想从外部产生的影响中，所以我已经说过利亚姆是什么了，所以如果我今年回来，有点像里昂，我们大多数人相信积极的影响，向广大公众开放的技术。
对每个人来说，就像让这个可用一样，这真的是一个，真的好东西，积极的一面，它们远远超过了风险，如，比如说，嗯，人们现在在谈论所有可能发生的风险，让我们说，呃，如此遥远。
自我提升的人工智能在某个时候可能会接管互联网，但就像现在，人工智能最具体的风险，我认为是错误信息，我个人喜欢这些，对我来说这些风险，他们真的很吓人，它们是人工智能可能用于的坏风险，但另一方面。
对此的积极影响，让我们说，医学突破，像这样，人们正在努力，呃GPT，dna模型，像蛋白质折叠的阿尔法折叠已经导致了突破，我确信随着这些系统的改进，让我们说，嗯，让我们现在就把cgbt，你有cgbt。
你现在可以用Chey来回答问题，也可以访问互联网，你可以有插件，像CHGPT和GPT四这样的系统，他们变得越来越好，假设我是一名医学研究员，我是一名医生，我想致力于治愈癌症，我现在能做什么。
如果我有机会进入GPT 4并获得所有医学出版物，我可以用这个作为一个超级强大的搜索引擎，快速获得我永远无法阅读的报纸的新信息，当然我不能相信GPD 4立即给我的结果，但我可以仔细检查。
这些系统每个月都在变得越来越好，我很肯定也许再过几年，我们会有一个像这样的超级人类系统，可以帮助研究人员快速了解，什么是最先进的，提出建议，什么值得探索，什么可能不值得探索，为什么，光是这一点。
光是这项技术就可以，真的加速，它就会，它可能已经真的很强大了，无聊的生意，小企业，中天商业写作，um摘要，一份大报告，以快速概述正在发生的事情，但这一切只是开始，这真的只是开始，这正是我们现在看到的。
我们将看到不仅建模能力的显著改善，语言标记的序列学习，我们也会看到这个，我们已经在建模声音中看到了这一点，所以喜欢剪辑就是一个例子，你可以拍一张照片，您可以获取文本并将图像和文本转换为向量，基本上就像。
我觉得，大多数观众可能会知道什么是向量或嵌入，但对于那些不知道的人来说，把它想象成一个数字列表和，让我们说，呃，你从一个大图像中得到的一千二十四个数字，这个数字列表或多或少包含了图像中发生的信息。
如果您对图像和文本进行编码，这张照片显示了一只狗在公园里，短信说你看到我的医生贝诺在中央公园跑来跑去，你比较两个数字列表，你从图像中得到的和你从文本中得到的，你可以看到它们非常非常相似。
它们并不完全相同，但它们非常相似，因为它们在相同的数字空间中编码相同的语义信息，假设我们可以在所有模式下做到这一点，我们可以拍摄视频图像，正文，甚至未来的触觉数据。
当我们从虚拟现实或其他地方获得更多的触觉数据时，所以我们可以采取所有的方式，让它们都进入同一个语义空间，现在想象一下我们会做序列建模，预测接下来会发生什么，不在单词空间里，或者不在视频空间。
或者在像素空间中，我们会在思想的语义空间中这样做，所以如果我们训练一个基础模型，预测下一秒会发生什么，我们可能会给它比现在更多的计算，我很确定我们可以训练基本的世界模型，就像后来可以采取的基本世界模型。
并为各种任务进行微调，它们不仅可以用来写文本，或用于生成图像或视频，它们可能可以用来做各种各样的东西，就像他们可以用解码器微调一样，使用文本解码器成为呼叫中心代理，他们也可能是，嗯。
微调成可能是工厂机器人，或者他们可以被微调成医学研究专家或其他什么，因为他们有来自各种模式的所有信息，从视频流中接下来发生的事情，音频流中接下来发生了什么，课文中接下来发生了什么。
他们可以把所有这些信息都输入到同一个语义数字空间，如果我们走到这一步，我很确定，鉴于目前的进展速度，我们已经看到了，嗯，在这个方向上的研究与模型，如嗯，火烈鸟和熔岩，有几个开源模型。
我们的一个模型是开放式火烈鸟，最近发布的，与华盛顿大学合并，他们很快就会发布一个更强大的版本，所以，就像，研究已经进入了统一和统一所有模式的方向，正如我们将在，就像，也许三个，四五年。
这些模型变得非常强大，已经是或使人们能够编码，即使他们不知道如何编码，就像如果你尝试得到四个或副驾驶，或者是最近被拥抱脸发布的明星持有者，您已经可以使用这些模型来真正加快您的编码技能。
这将对我们的社会和社区产生更强烈的影响，我是说如果你只看到风险，有一定的风险，有最大的风险，这是一个非常严重的风险，我现在不想成为世界末日，但我想说有严重的风险，在我看来最严重的风险不是眼睛本身，但是。
大量的人来快速适应这些技术带来的变化，假设你是一名图形设计师，现在你可以看到在旅途中这个非常酷的纹理图像模型，你可能会看到里昂的标志穷人和这个穷人，这是一年前使用中途生成的，用不太好的版本。
我是说这已经很酷了，同时，我们有一个改进的版本，但一年前我们用纹理图像工具创建了这个标志，现在我的旅行第五版甚至更好，我喜欢如果，例如，图形设计师现在或将来会输，也许在不久的将来，他们的工作。
他们受到了照顾，他们关心自己的个人工作和家庭状况，还有这个，当然啦，在个人层面上对他们非常不利，但如果你把镜头缩小，从社会的角度来看，就像突然，基本上每个人都可以成为图形设计师。
这项技术将使更多的人变得更有创造力，也许可以用这个来表达内心感受的人，以前做不到的人，所以这在治疗环境中可能真的很有用，这在娱乐环境中非常有用，它可以推动游戏产业，它甚至可以推动癌症研究或放射学。
因为就像放射科医生使用这些模型一样，胸部癌症图像，X光什么的，就像我有的那样，有这方面的研究或可视化，就像人们用磁共振思考的事情，断层扫描，FMRT，所有这些都依赖于同样的技术，我觉得这些，嗯。
这些技术将导致真正大的经济增长，为了进步，如何缓解气候问题，污染，他们会增加制造，就像几年、五年或十年后，我不知道我们什么时候会有这些真正强大的基金会模型，你可以插入机器人。
基本上把它们作为机器人的操作系统，他们真的真的会增加公司的力量，甚至像呃，就像自制的制造者，他们，它们将使制造商、初创企业和企业家能够制造出真正好的产品，比我们现在做的便宜得多，但另一方面。
像这样对所有人来说都是一个很大的挑战，现在不能适应这种变化的人，就像如果你在工厂工作，你失去了这份工作，你可能会对这项技术感到非常愤怒和害怕，所以挑战就在那里，让我们的政府和社会弄清楚如何分配财富。
并分配超级大国的利益，这样短期的失败者从长期来看也会成为赢家，但又一次，狮子座的人基本上都有这个梦想，对人类的长期利益大于短期风险，因为在未来的中长期，这可能就像世界上所有的国家都可能更富有。
人们可以活得更长，我们可以找到解决办法，气候变化的技术解决方案，作为回报，不管政治制度是什么，非常，很可能导致总体上更好的生活水平，同样有风险，最大的风险是人们现在无法适应，就像负责任地使用这些权力。
我个人认为，更大的风险不是少数人用这个做坏事，但更大的风险是最终，这些权力最终只会集中在少数公司或少数民族国家，一个只有美国和我的中国的未来，也许呃，打开我微软和谷歌，也许还有一个中国实体。
比如说阿里巴巴，我不知道，让我们，假设只有这六七个大实体才有超能力，其他人都会去问他们，基本上喜欢接触超级大国，这首先会对滥用产生很大的诱惑，因为如果这些实体中的一个滥用它们或犯错误，然后很多，很多。
数百万或数十亿人将立即遭受痛苦，另一方面，这些技术的发展会很慢，因为无论你的组织有多好，无论你的状态有多好，如果整个科学界，如果世界上所有的科学家都能自由地获得这些技术并给出他们的反馈。
不管一个州有多好，一个公司有多聪明，或者喜欢多少钱，金钱和实体花费雇佣最优秀的人才，不管你只是把它给所有的科学家，你会得到更多的进步，我们现在在开源聊天模型中看到了这一点，嗯基本上就像就在之后就在之后。
嗯，嗯，人们开始在开源聊天系统上工作，就像这张幻灯片，你看不到的是开放助手，开放助理是里昂与来自扬基的社区合作的努力，美国佬在这里，他是一个著名的YouTube ML YouTuber。
当开放系统出来的时候，我叫美国佬，因为我看到他对此很兴奋，我看了美国佬的视频，我打电话给他是因为我，我知道，我是，我和他们有联系，所以我跟他说嘿，我们为什么不问问我们的社区，你问你的社区。
我们要求我们的社区基本上帮助，生成注释，就像人们玩聊天板和聊天板用户，然后用户向播放聊天机器人的人发出请求，聊天机器人的用户和角色，正确的反应，然后人们这样做，如果我们得到很多，很多人。
来自社区的数百或数千人来做这件事，我们会得到一个很好的指导，GPT模型的微调数据集，这样我们就可以建立自己的GBT，我们是第一个真正致力于此的人，亚克立刻兴奋起来，他聚集成一个团队，我不知道。
来自他的频道和我们的服务器的二十名开源开发人员，我们制作了一个新的不和谐服务器，叫做开放助理不和谐，现在我们有几十万人在互动，就像和呃的互动，讨论，我们有一个非常大的数据集，微调数据。
在一只来自梅塔的美洲驼之后，我被释放了，这是一个非常强大的基础模型，就像，基本上GPT的人拿着这个，用我们的数据微调它，如果你去拥抱脸网站，拥抱脸是一家大型开源公司，从美国从纽约。
它们基本上是模型的GitHub，他们拥抱聊天，所以他们提供免费聊天服务，在拥抱聊天中，他们使用的是Meta的美洲驼版本在我们的开放助理数据集上进行了微调，实际上他们运行的这个模型甚至不是最好的模型。
现在有更有能力的模特，就像猎鹰400亿是另一个开源模型最近出现了，我看到了一些结果，所以如果你发现你的评分最高，来自我们开放系统数据集的一万次交互，你会得到一个非常强壮的模型，我见过。
就像我想这几乎是标准的，甚至在一些，你得到的标准cgbt，如果你，如果你在开放AI上做了一个免费帐户，它不如GPT 4好，我非常肯定，但与你得到的标准免费版本相比，它真的很好。
或者像你六个月前在GP 4发布之前得到的那样，所以就像看到这项技术已经存在了，您已经可以下载一个模型，一个几乎和最初的CGT一样好的开源模型，或者甚至更好一点，在某些情况下，您可以下载它。
你可以在几个GPU上找到Unit，就像，我想你甚至可以用最新的技巧，像适配器，或者Q劳拉什么的，我不想谈这个，但你可以用这个在一个高端找到你，H 100 GPU，你可以把它部署在一个八，一百还是一百。
一个180千兆字节的RAM，您可以部署它，这更容易接近，然后嗯，我想这真的会改变我们的世界，它已经改变了我们的世界，这只是开始，这不是结束，这不像那样，这些基础模型将在各种模式上工作。
我个人相信他们不会把像素和音频，和代币，他们最终会采取某种潜在的表现，我不确定细节如何实现这一点，为此需要大量的研究和工程，但最终他们会把一系列的想法，他们将为这个想法的梦想建模。
在这种情况下接下来会发生什么，在这种情况下接下来会发生什么，是啊，是啊，和我们社区的人，他们是随机的人，我们有高中生，我们甚至有一个高中生应该训练，呃，有些，超级计算机上的一些东西。
加入我们社区的门槛真的很低，它的工作原理是人们来到我们的不和谐服务器，人们谈论正在进行的项目，大多数项目在某些渠道公开讨论，如果你有好主意，你可以建议他们，你可以，你可以说嘿，我有这个代码。
或者我有这个想法，也许我能得到一些GPU，或者有人有兴趣在这方面合作，其他人会注意到的，他们会一起工作，形成一个工作小组，然后在某个时候，其他人可能会过来说，是啊，是啊，我知道一家公司有闲置的电脑。
他们必须是，他们不知道你现在需要它，或者有时他们有不使用GPU的时候，这样我们就可以让你进入，所以就像来自GPU的流，目前没有用于需要它们的人的资源，谁有好主意，但谁买不起GPU，流动真的很快。
这真的很容易，所以就像，如果你有一个有等级制度的大公司，人们做这件事是有报酬的，他们有老板或上级，然后人们害怕犯错误，他们害怕，哦，如果我提出一个上级不喜欢的项目，也许我会遇到一些问题。
也可能我不能升职，所有这些在我们的社区都是不存在的，因为就像绝大多数人一样，即使是我，我没有得到报酬，我还是个中学老师，我不得不说，我个人拒绝了科技公司高薪的工作邀请，我拒绝了风险投资投资者，比如。
我们经常有风险投资公司来找我们，比如为他们提供数百万美元的预算，他们基本上想让我们为，就像，开放助手什么的，我告诉他们，否，谢谢。我我们我们，我们很感激来找我们，但我们不感兴趣，我们感兴趣的。
我们想让这些将在明年出现的超级大国，我们希望确保全人类都能获得它们，而不是为了建立最好的广告公司，因为就像，我是说在德国，为我为我个人，嗯，我有终身教职，所以我不能失去我的工作，德国教师的工资相对较好。
所以我的薪水和助理教授差不多，就像在德国的一所大学一样，没有那么多，但非常接近，这样我就能养家糊口我个人的首要任务不是致富，我个人的首要任务是确保，未来会不会和超级强大的AIS有未来。
它不是集中在少数政府或少数公司，但它是广泛的，所以全人类，无论在哪里，不管他们在非洲，或者在菲律宾，或者在中国，或在，呃，美国或德国，每个人都可以直接从中受益并通过这项技术获得权力而不受控制。
我想嗯是的，目前正在形成的情况是什么样的，我会稍微谈谈这个，嗯，我希望看到，嗯，我想这样说，这就是这，这又是一个真正的中心点，就像我一直在谈论技术的后果，而不是具体实施，但我想，我想这真的很重要。
因为这些幻象，这种对，我们为什么要这么做，这对汽车交配和连接人非常重要，再次，我觉得，这项技术的重点不应该是让这个公司或这个国家更有能力，应该是让这个星球上的每个人，个人更有能力。
使他们更有能力减轻风险，如果网络上有坏演员，这样每个人的设备上都会有小的人工智能模型，保护他们，过滤掉内容，他们个人不喜欢，同时让个人和各地的小公司，世界，而不是将风险降至最低。
处理现在没有人知道的明天的风险，如果你专注于降低风险，如果你想控制一切，每一个人每一个风险，确保没有人做坏事，那么你就完全被困在现在和过去，因为你一直担心风险，从过去和现在，但相反，嗯。
而不是像做这些有严重成本的事情，就像你必须监视人们一样，这是这不是没人喜欢这个，我想是的与其这么做，我们的方法使人们更有能力处理自己，变得更强大，更有能力应对明天的风险，并使公司更有能力应对明天的风险。
那么回到具体的东西是什么，我们目前正在与里昂具体合作，所以嗯，我说过开放的火烈鸟，嗯是的，所以华盛顿大学的小组也会有一个喜欢的人，与我们的社区结盟，会有一只开放的火烈鸟，就像你可以，当你有一个语言模型。
它不仅可以接受文本，也是关于图像和文本结合的图像和理性，嗯，开放的夹子正在改善，这些剪辑模型，基本上可以将图像和文本转换成相同的语义思想空间，我会说同样的语义，呃，无数字空间。
我们想对音频和视频做同样的事情，我们有人在做这些项目，但我认为我们目前正在进行的最重要的项目，最长期的影响是所谓的大交织数据集，和大的交织数据集，我我想我已经说了很多了，我在看耶，哦耶，我一直在说很多。
所以我会很快把它包起来，大叶子数据集基本上是这样的想法，从互联网上获取数十亿份文件，过滤掉所有的垃圾，删除所有的html代码，只得到好的文本，然后在文本之间找到，例如，文本一个，就像课文的第一部分。
然后你有一个图像链接，然后你又有了一些文本和图像链接，然后你可能有一个视频链接一些文本和音频链接，所以基本上火烈鸟会拿着它把火烈鸟，也训练了文本图像文本图像文本图像。
但我们想把它用于文本图像文本视频文本音频，所以我们有三种所有四种模式，文本、视频、音频和图像，我们想让它充满普通的爬行，也就是，呃，是啊，是啊，很多，所以最后我们可能会有这样的东西，呃，数千亿张图像。
嗯，我不知道，这取决于我们想要的质量，也许我希望我们能得到接近10亿个音频文本对和视频文本对，或者我们必须看到更多，但是嗯，我认为这个数据集真的很重要，因为其他研究实验室，大型科技公司。
他们不喜欢处理数据集，因为首先研究人员并不觉得这令人兴奋，其次，如果您有这些大规模的Web数据集，可能会有点棘手，为，呃，数据集，因为如果你有数十亿张图像，他们中的大多数人只是无聊什么的。
但有时你会有一些像色情或不想要的内容，然后呃，我们过滤掉非常非常糟糕的东西，但我们不会过滤掉色情或暴力之类的东西，大多数时候我们只提供安全标签，但喜欢得分，我们有自己的非工作模型。
为什么我们不把它过滤掉因为它可以用来训练更好的安全工具，训练更好的剪辑模型，就像，比如说，这些剪辑模型，如果你不训练他们做不合适的工作，那么以后就不能用它来检测工作中的废话了，但我们有很好的探测器。
对于非这样的作品，帮助我们使图像模型安全，因为我们训练了原始的开放剪辑模型不适合数据，所以后来它才知道，它可以很快检测到，所以是的，这就是我们正在做的，我想有很多，很多很酷的，就像呃。
语言模型思想或剪辑思想，等，这一切真的很酷很令人兴奋，但我认为对其他人最持久的影响，比如科技公司和研究实验室，最终可能会有这个大叶子数据集，因为，嗯是的，没有多少组织在这方面工作，和不会变老的数据。
数据甚至真的很有用，如果算法本身在一两年内完全改变，如果你想和我们联系，你可以来我们的公众不和频道，你可以给我们发邮件，你可以去我们的网站有很多信息，作为目的，我会说，比如想象一个未来，公司和民族国家。
它们都枝繁叶茂，因为员工和市民蓬勃发展，所以重点不应该放在让公司变得强大上，论强大的民族国家，让他们控制所有人，否，否，否，薪酬，的，未来应该在我看来，在我们的愿景中，让公民自己有能力，弹性。
赋予他们权力，这样就像，结果呢，民族国家的公司和他们周围的整个基础设施，他们从更快乐中受益，公民，来自缴纳更多税款的公民和公司，从，就像整个社会一样，更有弹性，更有能力。
想象一个人民、公司和民族国家共同繁荣的未来，因为他们有开源，AI的超能力让我们很好地解决问题，减少稀缺性，因为我很有信心，即使现在民族国家之间存在分歧，出于政治原因，如果我们能减少世界上的总体稀缺。
比如如果饥饿和对经济流离失所的恐惧会减少，如果我们能像，总的来说，人们对家庭的感觉会更好，关于个人期货，关于布雷特一家和他们的娱乐和一切，如果人们会感到更放松和更好，那么这个，当然是间接的。
减少公司与国家之间的紧张关系，让这个世界变得更美好。
你还在吗，非常感谢，为了，呃，富有成效和思考，而是为了说话，嗯，作为人工智能社区的一员，呃，我们有几个问题，首先作为狮子的创始人，你有没有遇到过，呃，在成立这样一个美好的组织之初，有什么困难和挑战吗。
那是什么感觉，在最开始的时候，背后有哪些故事，就像，最初的故事，你是怎么想出这个主意的，等，是啊，是啊，所以一开始，实际上问题很低，太容易了，我们来得正是时候，在这个正确的地方，只有我。
高中老师对艾艾很兴奋我看着阿迪一号，我有一个可以复制的想法，我去了另一个不和服务器，乌瑟尔·艾，这也是一个开源社区我问过人们他们告诉我，是啊，是啊，一些程序员，就像一个叫清雨的人。
这是他的GitHub手柄，他正在Dali培训代码上开发Dali One的开源版本，然后问题是好的，我们在哪里可以得到训练数据，然后我就开始努力了，正如我已经告诉过的，比如从普通的抓取中获得图像文本对。
从很小的地方开始，因为很多人对此感到兴奋，他们刚加入，他们，他们只是想为这个项目做出贡献，再晚一点，我从螺旋超算中心了解到一个小组，呃，由耶拿J领导，他是，呃，把领导留在那里，他们也在考虑复制大理一个。
就像训练一样，这是在超级计算机和欧洲超级计算机上吗，但他们没有数据，我们在研究数据，所以我想，是啊，是啊，好的，是啊，是啊，我们碰巧有4亿形象纳税人，他们必须计算，所以我们连接了，在这种协同作用中。
我们后来决定，几周后，我们决定从这个非营利组织，这基本上是几个人在谈论缩放，填写一些纸张，躺着，好的，呃，所以第二个，呃，问题是，我想知道你的初衷是什么，呃，像开源一样做这件事，呃，数据集，嗯。
有没有像，我我我听到了之前的采访，你和彭博社，然后你说，嗯你，你说，就像在数据安全和发展之间，你自己选吧，呃，后者，你对数据有什么看法，呃，数据集的安全性，是啊，是啊，我们从一开始就很关心安全，嗯。
我们有很多安全分数，所以我们试着过滤掉，它是，它的首字母就像，下载后立即，我们做一些检查，就像，明显违法内容，嗯，所以我们给它打分，呃，不适合工作，像棋子一样，东西，等，我们也为弱势群体得分，如果我们。
比如说，有喜欢有喜欢，如果有温和派，我至少适度，可能有非种类的工作内容和来自弱势群体的内容，然后我们马上扔掉它，把它处理掉，但在这上面，我们开发了自己的不合适的工作探测器。
我们与达姆施塔特技术大学的安全研究人员合作，把他们的暴力探测器，所以我们所有的数据点都有几个分数，根据我的经验，这比我们得到的质量高得多，如果像其他科技公司一样发布一些东西，所以说。
如果谷歌发布一个数据集，我们没有非工作探测器，我们没有得到分数，我们没有，呃，获取此级别的安全细节，另一方面，就像人们一直在谈论我们一样，喜欢的东西，经典的抱怨是，艺术家们来找我们说，嘿嘿，您的数据。
你的图像在，是啊，是啊，我们的我的个人图像在你的数据集中，这是我们最近遇到的最大的麻烦。但实际上这并不是真正的麻烦，因为法律情况很清楚，嗯人们，艺术家们，他们拍了他们的照片或图像。
他们把它放在公共互联网上，如果你把一些东西放在公共网站上让人喜欢，在那里为你的，或者你的生意什么的，那么你必须同意研究机构下载和分析它们，这就是我们所做的，所以我明白如果你是摄影师。
或者如果你是一个艺术家，你可以看到这些模型，比如中途或稳定聚变，他们越来越好了，他们对你的职业构成威胁，这是这是这可能是可怕的，哦，在个人层面上，这对你来说可能很可怕，我完全理解这一点，我完全明白。
问题不在我们的数据集，问题是互联网完全是图像文本对，即使我们的数据集不在那里，其他公司会是，我我很确定那是开着的，我可以和中途和其他公司，他们可以很容易地复制我们的工作并保持关闭。
如果Openai在数十亿张图像上训练，也不说这件事，任何东西，依我看，这是一个更大的安全风险，然后我们的数据集被公开批评，因为只有你能批评这个，并分析无限透明的内容，只有这样，您才能公开开始。
以减轻安全和隐私问题，如果普通研究人员无法访问，只有在隐秘的门后面，大型科技公司，那么你甚至不能开始谈论数据安全，你只需要使用APA，这是更大的安全风险，依我看，完全正确，如果我们没有这个过程。
那就是数据中没有意义或点，安全，我同意你的观点，嗯，你能告诉我们更多关于，呃，就像你的，呃，与…交谈，稳定的奠基人，我记得，就像一些轶事故事，是啊，是啊，基本上他，他来到我们的不和服务器，像其他人一样。
呃，二千零二一年末，我们已经完成了70%的里昂50亿，然后他，嗯，他只是说嘿，你，我以前是个对冲，对冲基金经理，我想进入人工智能，我想支持开源人工智能，因为我认为这就是未来，我们真的是这么说的。
我们不相信他，我们，我们在想他就像一个随机的人，像吹牛，他说我们不知道，是啊，是啊，我想支持像你这样的组织，我会给你GPUS，如果你想，我们说过，好的，所以他给了我们八八，一百次使用。
他给了我们一会儿把钥匙给我们，我们用它来更快地完成我们的数据集，但无论如何我们都会完成的，是啊，是啊，所以他一直给我们提供硬件，比如云硬件，刚刚给了我们访问密钥，没有资金流动，所以他只是和我聊天。
我和他聊了聊不和，我不知道，我的孩子们，他的孩子家庭废话，废话，就像，就像聊天互动一样，我们交换意见，然后他不停地给我们发访问密钥，因为他相信我们所做的真的很酷，所以我们。
呃以后可以用这个来嗯火车打开夹，所以呃，当他创办他的公司并在AWS上建立一个超级计算机集群时，他在找一些能帮他做这件事的人，一个来自我们社区，理查德·维努，在这一点上，他刚刚失去了工作。
因为他花了这么多时间在网上，不再做他的老本行了，所以他的公司很生气，把他赶出去了，嗯，因为你没有为你的工作工作足够，他有点难过他当时背部受伤了，他有点绝望我告诉他，你知道的，别担心，你是个很酷的人。
我只是问他，如果他可能会雇用你，所以嗯是的，Emad，他在找一个超级计算专家，他雇了他，理查德，理查德，然后他，呃，现在他基本上在运行一台超级计算机，稳定性，他嗯，仍然是里昂的一员，但像这样正式分开。
他非常小心，不为里昂或稳定而参加聚会，他试图对一切保持中立，所以他只是在做一个技术性的工作，执行什么，其他人基本上都在告诉他，但这就像是一个例子，就像我们社区成员之间的相互联系有一个非常低的进入障碍。
信息和机会的流动真的很快，在大型大学实验室或公司地图中，有很多次我从研究人员那里听说这很难，因为，如果你想释放一些东西，你得去找法律团队，或者你必须得到批准才能消费，或者你必须。
看看其他同事是否同意你的想法，但在我们的社区里，你只是去说，嘿嘿，我有个想法，有没有人愿意支持我，很多人可能会同意或对其他东西感兴趣，很多人可能不同意，或者很多人可能对其他东西感兴趣。
但如果只有少数人想贡献，然后他们就可以加入，而且很快，一天之内，一小时内，就开始努力吧，还有这个，这基本上就是开源的魔力，这么多人加入到这个共同的梦想中，所以说，嗯。
我想知道这是什么感觉一个更好的方式嗯喜欢，让所有这些人一起振兴，从呃大学，呃组织，从大型科技公司，所有人都相信这一点，就像在这个过程中，就像有时他们有不同的目标，如何，呃，调整他们所有的目标，我觉得。
这和我的教育经历有点相似，所以如果你告诉一个学生你必须学习这个事实和这个数学技能，学生就是这样学习的，就像监督学习一样，如果用图像网，那么你就有了一个可以学习Imagenet类预测的模型，但它没有。
它不能把其他任何事情做得很好，也许需要一些微调，但是是的，所以你在一个单一的领域有非常狭窄的专业知识，但如果你允许人们自由地，没有太大的压力来，基本上是为了探索他们此刻感兴趣的事情。
如果你给他们探索不同解决方案的能力，不用担心不够好或做错了事，那么他们就更灵活，更有创造力，这基本上就是我们正在发生的事情，所以如果你问我，一家大型科技公司能做些什么来让研究人员更有效率更有创造力。
我会说，接受他们的压力，激励他们来到这些社区，基本上用他们的想法玩，基本上赋予人民权力，而不是试图把他们推向一个狭窄的方向，因为如果你把研究人员或工程师推向一个方向，然后你就得到了你想要的，但没有别的。
你不可能提前知道一个月或一年后你可能想要什么，呃，也许让我们多谈谈你自己，我读了你的简历，你学东西学东西，就像，呃，你职业生涯中的专业表演，是啊，是啊，就像那真的很有趣，我是说，那就像离，嗯。
你现在在干什么？什么，你觉得这次经历怎么样，呃，帮助你以后的事业，是啊，是啊，挺有意思的，就像我个人和我的教育，我总是努力追求我觉得有趣的事情，就像我还是个高中生的时候，我对科幻小说真的很兴奋。
我一直想建立，就像嗯机器人，就像星际迷航，指挥官数据，但时机还不成熟，后来我爱上了一个在剧院俱乐部的女孩，在我高中的时候，我想，我也对电影制作感兴趣，我想给她留下深刻印象，所以我加入了小牛剧场俱乐部。
我个人对电影制作越来越感兴趣，所以放学后我已经在高中的最后一年了，我真的参与了很多像独立电影制作和阅读了很多心理学，关于相机，我开始研究这些东西，呃是的，就像演戏一样，所以我去了几个表演研讨会。
后来的表演学校，我就像这样做了，我我确实喜欢在这个时候对不同的主题进行广泛的探索，尽管我的朋友们，我的家人也有点担心我在浪费我的，我的时间和金钱，因为我不会马上去找一份好工作，但我说是的，我不在乎。
这是我的生活，我想探索世界，所以我这么做了，正是在这段时间里，我学到了很多心理学，关于我自己，关于如何处理我自己的，比如情绪和焦虑，如何让自己高效，当我想专注于某件事和我在生活中真正想要的东西时。
因为很多离开学校的人，考上大学，他们一生都在被告知，他们应该做什么，就像，总有一个老师、老板或教授拥有它们，你应该这样做，你应该这样做，即使你真的受过教育，擅长做上级想做的事情，你不要。
也许你不太擅长找到自己想要的东西，你自己想什么是最好的，所以我个人在生活中所做的，我没有听太多老师、家长和教授的话，我基本上做了我想做的事，我认为好的，这让我学习了很多表演，在某个时候。
我决定如果我想在未来有一个家庭，演戏不是一个好职业，为我的家庭维持一个经济上有保障的未来，所以我决定学一些更传统的东西，所以我学了一年心理学，学心理学，喜欢真正有趣和简单的东西，也是因为喜欢诚实。
当时传统大学的大部分心理学研究，是关于记忆统计数据和嗯是的，记忆研究和结果，我很惊讶这是多么容易，因为在学习表演后，我真的很擅长记忆东西，所以我就这样，像一个接一个，我想，哦，这不聪明，这就像记忆一样。
所以几年后，我决定，好的，是啊，是啊，2。也许我该干点别的，因为我不想成为一个治疗师或社会，呃一个，因为如果我以后是治疗师，我将永远不得不倾听有问题的人的意见，这对我自己来说是非常负面的，我不想这么做。
我想做些很酷很刺激的事，我在考虑几份工作，正如我已经告诉过你的，德国教师，高中教师可以获得终身教职，所以这意味着你的工资很高，就像中上阶层，你可以离开并争论，较低，下层上层阶级，我不知道就像，挺好的。
必须供养一个家庭，这是一份不错的薪水。你不能被解雇，所以基本上你有一个，多好的终身工作机会啊，还有充足的空闲时间，我在想，是啊，是啊，好的，也许我应该这么做，也许我应该学习物理和计算机科学来教书。
因为总是有短缺，计算机科学与物理教师，因为大多数，就像大多数学习物理或计算机科学的人一样，他们想从事研究，或者他们想在工业上有所成就，但他们中的大多数人不想和高中生打交道，所以有一个短缺，我在想好吧。
如果我有计算机科学和物理学的学位，作为一名教师，我总会找到工作的，我会很容易找到工作的，我甚至可以去三年去演戏，就像退出一切说，哦，我会和我的孩子们坐在家里两三年，然后如果我回来。
我百分之百会找到一份工作，当我有终身合同的时候，我不会失去它，所以我在想这个，我在想好吧，是啊，是啊，我学过表演，我有心理学和心理学的半个学士学位，在这一点上对我来说真的很容易。
因为我已经很擅长控制情绪了，我每天坐在那里学习十个小时没有问题，即使和她在一起，没有压力，我没有受到任何人的压力，但就像我只是觉得还好，是啊，是啊，如果我上了大学，我和图书馆学习了十二个小时。
就像其他学生犯的最多的错误一样，他们在给自己施加压力，哦，我需要学习，我需要学习，我在想，哦，这太疯狂了，为什么这些人对自己这么残忍，我在想不，我可以学习三十分钟，然后我做一些放松运动，我去喂一些鸟。
听点音乐，憧憬美好的未来，我将如何成为一个很酷的人，不管演员是什么，然后当我放松的时候，我回来了，我会再学习三四十分钟，当我感到精疲力竭时，我会休息一下，再想想我会怎么样，下一个布拉德·皮特或史蒂文。
斯皮尔伯格激励自己，所以我真的很擅长这样做，因为我擅长做这些课程处理我的情绪，我可以在图书馆里一天坐16个小时而不觉得累，因为我很擅长处理优势，我很有动力，因为我有一个想法。
即使即使这不是不切实际的想法，我已经学会了如何在情感上控制自己，这样我就会真正想学习，而不是给自己压力，在这一点上，我决定从心理学转向物理学，计算机科学，因为我在想好吧，如果我获得了一个好的物理学位。
计算机科学，反正这对我来说很有趣，因为作为一个高中生，不管怎样，我对这些科目很感兴趣，其次，当我得到这个，我将不得不做一个真正的家庭友好型工作，非常好的工作，这将允许我追求我想做的任何事情。
以后有很多空闲时间，所以这就是我所做的，当我这样做的时候，在我完成后，我花了很多时间做，嗯，我很喜欢业余拳击，所以我经常打重量级拳击，我做了一些，是啊，是啊，像重量级拳击一样的拳击。
就像统治我的神经网络，是啊，是啊，是啊，是啊，是啊，是啊，是啊，是啊，我打了很多拳击，我真的我真的想问，就像，你怎么能真正神奇地留在，呃，高中教师，就像，呃，我是说，无意冒犯当老师，我是说，嗯。
你是怎样决定继续当中学老师的？当，嗯，你已经付出了很多努力，也许将来你可以做全职，或者被其他科技公司雇佣，是啊，是啊，这很容易，我可以，我可以这样做，但我不想，像孩子一样，我真的喜欢人们经常来找我。
但我看不出有什么理由这么做，你你，你有两个孩子，对呀，我有两个孩子，是啊，是啊，也许赚更多的钱，可能会被科技公司雇佣，我有很高的薪水。是啊，是啊，但是听着听着听着，我已经有足够的钱过上好日子了，好的。
所以我的钱，所以你看，我现在税后的收入少了一点，有点像四千，八百欧元，有点像，大概四千五百个，是啊，是啊，很好，我付房租，我们有一个很好的房子，我们在汉堡郊区租了一所房子，所以我花了2000多欧元。
所以对于其他一切，我有两千五百欧元，我妻子也在工作，1。她挣的钱没有我多，但她也赚了一些钱，她是乌克兰的老师，呃，这里的乌克兰难民人数，她来自俄罗斯，这样她就可以教乌克兰语了，所以我们有足够的钱过生活。
我们下班回家的地方，放轻松，忘记工作，去超市，我们想买什么就买什么，一年两三次，我们可以好好度假，一切都很好，孩子们很高兴，所以对我来说，我不能失去这份工作，国家保证我能保住这份工作。
我因为任何非常糟糕的事情被判刑一年以上，除非我不做傻事，我不会失去它，我敢肯定，只要我活着，我就能保持这种生活方式，就像德国的国家雇员保留这个，这些特权，所以这意味着我没有压力，如果我想，例如让我们。
让我们想象一下像一些公司，有些，一些科技公司，微软，不管他们来找我说什么，克里斯托弗，我们会给你双倍的薪水，你可以来找我们，你可以让大型超级计算集群做你喜欢做的任何事情，然后我会考虑并这么说，我可能。
我会说好，我可能会得到两倍的钱，我得交更多的税，所以最后我不会得到两倍的钱，我没事，让我们说让我们说税后，给我三倍的钱，最后我想税后有一万，这么说吧，他们给我很高的薪水，税后我会有一万美元一欧元。
我个人的幸福，我的孩子们什么会更快乐，不，我的孩子们，他们喜欢这房子，即使我可以立即去A或硅谷，我会得到一个大豪宅，我的孩子们不会想要这个的，因为他们在附近有朋友，他们很高兴，他们很高兴，他们很高兴。
因为他们可以在周末见面，他们邀请他们的朋友过来，就像，睡在这里和他们一起玩，我的世界，直到凌晨一点，就像，只是闲逛，被我挠痒痒，玩得开心，去看电影，这就是他们快乐的地方，他们不想呆在洛杉矶。
他们不想在任何地方，他们想拥有一座豪宅，他们希望有一个有时间和注意力照顾他们的父母，因此，如果我接受一份高薪的工作，我将不得不放弃我的任期，我会失去安全感，工作保障，我会失去它。
因为如果我在一年后为这家大型科技公司工作，他们可能会因为任何原因把我赶出去，我就得搬回汉堡，我会失去我的工作保证，所以好吧，有人说，哦水晶，你为什么不喜欢，嗯嗯博士然后尝试成为教授，至少这样好吧。
我在考虑攻读博士学位，因为我有一些出版物，找到一个好的主管可能相对容易，把所有的出版物，我得把它们总结出来写出来，就像一个简单的访问一样，很容易消散，也许我会在某个时候这么做，但我在想为什么，因为就像。
所以推理是，你做你的论文，那么你喜欢得到好的工作经验出版物，然后你就可以成为教授了，当你是教授的时候，你得到了终身教职，你得到了一份稳定的工作，你可以管理团队中的许多其他研究人员来帮助你进行研究。
然后你可以做更大的研究，这就是这个推理之间的全部逻辑，对呀，我对吗，这是但是但是但是问题是，我已经在不和服务器上了，千人，数百人，成千上万想贡献的人，所以我不需要成为教授来监督别人，正好相反。
我有一些项目我正在领导，那个，当我告诉人们，你能做到吗，你能做到吗，嗯，像大学教授一样和我合作，有时甚至向我征求监督意见，所以我在指导大学教授，他走了这么远的路去爬学术信，我不会给出我的建议。
最后他们很感激我的建议，并在这些项目上合作，所以绝对没有必要，因为我不需要终身职位，我有终身教职，我不需要成为教授才能有一个团队，因为我已经有团队了，我甚至不需要一个公司，就像。
我甚至不需要成为公司的员工，进入超级计算机，因为有几家公司和公共超级计算机已经可以进入我们的社区，如果我想，假设我有一个项目，我需要十万零一百小时，我已经有几个选择了，我可以去几家我认识的公司告诉他们。
我们想构建这个很酷的开源项目，我们所需要的就是十万小时，你能支持一下我们吗，如果我能以有利于公司的方式提出这个请求，这样公司就可以说，哦哇哦，是呀，这对我们真的很好，因为它支持我们完成自己的使命，是啊。
是啊，但这仍然是很好的研究，同时它仍然是一个非常好的开源项目，对于开源社区和研究社区，在这一点上有一个双赢的局面，这样就容易多了，呃，在一家公司里，做所有的要求，是呀，正是这样回到狮子，嗯。
你从这个项目中拿零工资，对呀，是啊，是啊，我不拿薪水，我不想，但其他人呢，他们都喜欢，自愿加入我们所有的政策，我们不雇人，我们不付钱给人，因为如果你开始付钱给人们，然后就会有这个讨论。
高中生应该得到多少，呃，多少钱上面说我们见过工程师，我不知道，我不知道他们得到了什么，但我猜他们每个月大概能拿到两万美元，我们，我们永远付不起这笔钱，我们不想付这个，因为他们已经和高中生并肩工作了。
没有工资，那么前进的道路是什么样的，如果呃，我们推狮子，呃，在未来前进，有什么植物，所以未来的观点，是啊，是啊，所以正如我所说的，在不久的将来，我们正在研究这个大叶子数据集，基本上有一个数据集。
连接来自所有模式的数据，喜欢说话，正文，图像，视频和音频，在一个有意义的，交错方式，这样我们就可以在上面训练基础模型，不是我们，而是来自世界各地的科学家，来自美国，来自欧洲，来自中国。
每个人都可以在上面训练粉底模型，呃，所以这基本上是短期的，我认为重要的是，但从中期和长期来看，我认为，我个人一直在争取的是让这些剪辑模型，将其扩展到各种模式，这样我们就有了，文本音频，文字视频。
也许将来发短信会很好，视频和视频音频我我我实际上，老实说，我认为剪辑最有趣的地方是有一个非常强大的音频视频剪辑，我们可以把音频和视频放入同一个语义空间，不需要文本注释，互联网上有如此多的音频和视频数据。
问题是处理视频在计算上很昂贵，视频和音频有很多噪音，所以有很多相距很近的帧，多余的，没有你也会有很多空白和嘈杂的数据，所以我想，选项一有人想出了一个很好的算法，按层次顺序执行此操作，以。
把嘈杂的多余的东西，并将其压缩成噪声较小的数据，然后在这个上面做学习的对比，或者我们算出长十，然后我们在很长的序列上训练，让变压器或任何类似的建筑，也许变形金刚会不酷，很快，我不知道。
但是让序列建模这个编码器，让它自己想清楚，如何处理噪声和冗余，所以这可能需要大量的计算，但我认为主要的瓶颈是，有兴趣在这方面工作的人，我是说，如果我们有几个人在培训代码上工作。
用健壮的代码库进行概念验证，然后我们可以像计算一样扩大规模，我想想象一下我们可以像夹子一样训练，学习者在视频和音频上的对比，你可以在YouTube上训练它，基本上在，我不知道，十亿，千亿视频。
它会得到音频和视频领域非常，在同一语义空间非常接近，稍后，您可以冻结音频编码器和视频编码器，你可以用文本编码器微调它，甚至可以用一个预先训练的文本编码器，将文本编码器放入相同的空间。
所以你基本上可以得到文本视频模型，几乎免费的文本音频模型，通过利用您可以喜欢的表示，你从哪里得到这个，音频文本，呃，我是说，正文，我知道，呃，音频或视频呢，你所有的视频数据都很容易。
你可以给每个视频点个赞，每个视频通常都没有你，所以你可以下载YouTube链接或者其他类似我们使用的东西，或者在网上，另一件事就像更棘手的是，就像视频文本对，就像，假设你想要十亿个视频文本对，但是嗯。
这也不是很难，我们正在努力，所以说，如果有人对视频感兴趣，你的纳税人来我们的不和渠道，嗯，所以这个想法是我们为大叶数据集所做的，我们拿一份文件，我们有文本，文本文本，然后我们有一个VU和文本文本。
我们把视频，我们下载了它，我们把它切成，透视变化就像，那边有摄像头吗，如果有伤口，然后我们把它劈开，这很容易，这可以用，呃，图像的视觉散列或其他，然后我们从这十秒钟中取出最长的序列。
所以最后我们得到了7秒或6秒的视频，然后我们把每一秒，一帧，每秒一帧，然后我们做一个夹子，每一帧的图像嵌入，所以我们有像图像，我们从哪里得到文本，我们去周围的文本，因为如果有视频，可能在周围地区。
我们有，然后我们呃，取2克，三个大装饰，三四克，就像四个单词成对，在周围的文本中提取，各种组合，然后我们用困惑模型对其进行过滤，就像一个简单的模型告诉我们，这篇课文看起来像一个好的英语句子吗。
或者你能得到的任何东西，这些模型就像，还有像这样的DRAM模型，简单地给你打分的词频模型，这段话在多大程度上看起来像一篇好文章，然后你可以很容易地廉价地摆脱大多数糟糕的候选人。
最后你可能会有10到15个候选人，抱歉打扰了，呃，就像说到文本一样，我们知道，开放助理计划，呃，观众有一个问题，未来是什么，呃，这个开放助手的激励，呃，项目，以及项目名称，呃，比如它通向哪里。
比如未来的计划和未来的目标，是啊，是啊，所以现在，就像我们已经有了一个很好的，现在的指令数据集，团队专注于长上下文的工作，这样讨论就可以参考很久以前发生的事情，他们也在努力让事情继续下去。
以提高整体质量，嗯是的，这主要是重点，现在，他们想训练，呃，他们想用现有的数据进行微调，更大的型号使他们更有能力，我个人，我希望以后再去做这个项目，也许进入多模态指令的方向，这样你不仅有短信。
也是文本中的图像，你让用户问关于图像的复杂的创造性问题，不是标准问题，就像，有一些视觉问题，回答数据集，他们都很无聊，他们就像你看到有多少猫，或者什么的，或者这很容易，但也许更有创意的东西。
就像你看到一张厨房的照片，那么嗯，你能想出，嗯，一顿非常美味和便宜的饭，我可以，我可以用你在照片上看到的所有东西，我能在不到三十分钟的时间内完成，所以像这样的问题，所以这会很有趣，我猜，我觉得，呃。
我想时间不多了，已经一小时四十分钟了，然后呃，也许让我们来讨论最后一个问题，啊，这也关系到人工智能社区，你要不要，是什么样的，你对中国的印象如何？你希望，呃，与中国研究人员合作，呃，就喜欢而言。
开源数据或未来的任何东西，是啊，是啊，这是一个很好的问题，所以我想，我为大家感到高兴和感激，他真诚地打算让开源，我最好呃，带着这个梦想，让世界变得更美好，对此我很感激，如果你问我关于中国和中国公民的事。
我不得不承认，我有点百感交集，因为就像在西方，我是西方公民，所以我们听到的一些关于中国的事情是有争议的，大概，比如说，差不多吧，我想就像我们喜欢，我们可能不会，我们不会与任何国家实体合作。
或者喜欢我接触到的一些人，最近联系我们合作，我们说不，出于几个政治原因，我们不会，我们不会，呃，跟你合作，但我们能做的，比如我们能做什么，如果你喜欢一个中国公民，直直地向我们走来，目的是让开源变得更好。
赋予世界权力，赋予人民权力，那么我的意思是，人工智能当然有风险，开源也可以做一些不好的事情，但我个人的信仰，这是一个真正的信念，没有任何，例如政治或金钱激励，从长远来看，大多数用例都是积极的。
从长远来看，这将是非常非常积极的，我想想象未来，想象未来，我们都是中国公民，然后是欧洲和美国公民，任何地方都将更加富有成效，和世界上的稀缺，食物短缺，因为总的来说，每个人都会更有能力，更有生产力。
所以工作保障会少得多，如果我们能使用开源人工智能进入这样的未来，然后我觉得紧张，这种张力，恐惧，仇恨，因为我，我我是说，让我们说，让我们不谈中国，让我们谈谈思想实验，假设你有一个状态，你试图。
假设国家试图控制所有的人，成为真正的好工人，非常努力地工作，做出非常好的工作表现，不要做坏事，如果你尝试这样做你可以用人工智能，但问题是，从长远来看人工智能是否更有能力执行所有这些任务，但在某个时候。
比如你可以使用人工智能，你以前控制人民，你可以直接用它来执行工作，那么你为什么不需要控制人民的力量呢，所以你必须决定，我们想摆脱所有这些懒惰的人吗，因为他们永远不可能像我一样富有成效，还是想说，哦不。
我们有这些人，这些人是国家，我们都不是机器，所有的国家都是关于人的，所以我们可以用这些机器让生活变得更好，并使质量更好，减轻压力，做这个，人们学习不努力，但更少的人不会更努力地工作，让他们更放松。
花更多的时间和孩子们在一起，花更多的时间和朋友在一起，喜欢喜欢的推理，就像，没有，把人们逼得更紧是没有意义的，如果人工智能比人更有效率，在某个时候，你知道得到它，是呀，所以最终你认为，呃，这个开源目标。
或者这种理想的理想主义，目标可以让世界变得更美好，对耶，所以是的，看我我，我最近和一位中国研究员谈过，就像谁住在美国，s，他告诉我他很关心中国大陆的人，因为他的一些朋友，如此努力的研究人员。
他们有这个九十六什么的，他们很努力地工作，他们已经筋疲力尽了，我告诉他，是啊，是啊，这真的很令人担忧，但我想，想象某一点，如果我们真的有人类水平，ai，比研究人员更聪明，就不会有。
再也没有理智的理由把人们逼得这么紧了，因为我无论如何都可以做得更好，确切地说，我想是九十六，工人，就像我们更关心房子一样，关于汽车，关于如何最好地抚养孩子，呃，该地区周围的学校。
所以这可能是这些人的最终目标，对呀，所以你绝对高于一切，我觉得从这个角度来说，是啊，是啊，里昂不是关于，里昂不是为了制造德国或中国，或者美国，或任何公司，微软或谷歌，我们不想让任何公司或国家。
或者比其他人更有能力，我们想尽可能地平衡，让大家，市民们，你我，每个人我们的孩子，他们会变得更加强大，抗风险能力更强，他们会更强大，平等地过上更好的生活，分配这些概率，全人类，这就是我们的想法。
这把我们团结在一起，所有，我完全同意你的看法，我认为区别在于如何定义更好的生活，什么是孩子们更好的生活，他们一定要去找我们吗，去硅谷工作，接受像常春藤学校这样的教育是更好生活的定义，我完全同意你的看法。
呃，我我想我明白你的意思了，所以真的很感人，我想对我来说，嗯，所以呃，我觉得，呃，也许下次你可以离线，对我们的社区和我们的建筑，我们可以支付你的旅费，这样我们下次就可以离线讨论了，你觉得怎么样。
我如此诚实，我必须在个案的基础上看看，因为最近我去参加了一些会谈，我觉得我的孩子，他们不会只想要像，他们想让我呆在家里和他们一起玩，我最近取消了几个会议的邀请，所以即使我会得到所有的报酬和成本，我是说。
但我只想回家陪我的孩子，我想去找我的孩子，我儿子在楼下等着，我告诉他我有个会议，在这里说话，我七岁的儿子，他在等，他想和我玩我的世界，他想和我一起去游泳池，这是我的意思，好像我不能每次都去。
我如果我愿意，如果我愿意，我可以每个周末或每隔一个周末去一次，在某个地方，什么都不用付，但我不会再住在那里了，为了我的孩子，我的孩子和我生命中的首要任务之一，不是吗？永远是我的孩子。
我明白这是我现在正在做的，这就是，我相信它，我真的很喜欢，但这是一种爱好，我知道你需要更多的时间和孩子们在一起，嗯所以嗯，让我们让我们再次结束，为了这样一个有趣、富有成效甚至令人感动的，呃。
克里斯托弗·舒曼的演讲，我认为线真正做的是真正的，就像这不仅仅是赚钱的世俗生活，随便啦，更多的是让人工智能更容易被每个人访问，所以我想我完全同意这一点，呃，再次感谢你有趣的谈话，也许下次离线见，是啊。
是啊，拜拜。
开幕式及全体大会-智源进展报告（主讲嘉宾：黄铁军） - P1 - 智源社区 - BV1PN411C7JX
资源研究院自成立以来，积极地探索新兴科研管理等体制的机制的创新，已经在创新研究，学术生态成果转化等方面取得了重大的进展，而且取得了一系列的研究的成果，下面有请资源研究院黄铁军院长。
代表研究院简单的汇报一下，过去1年的建设进展，铁军，啊尊敬的吴部长，各位专家，各位领导，各位代表啊，1年1度的支援进展报告，是我最想跟大家汇报的，也是最高兴的这么一次一次一次报告呃。
1年来呢在大家的支持下，志研究院又取得了新的新的成果，那么我们先从今天大家可以说最热门的这个词。
开始这个汇报起，通用人工智能，那么有两个解释，一个呢叫jai general artificial intelligence。
另外一个叫a g i artificial general intelligence，我想大多数咱们媒体，那个大家理解的应该是第一个，确实我们现在已经进入了通用人工智能时代，但是呢在人工智能领域。
谈了20多年的是a g i，我们正在往这样的一个终极目标前进，所以正目前呢，我们就处在从g a i，往a g i迈进的这样的一个历史时期，要实现a g i在过去的几次志愿大会上。
每年我们都会讲有三条技术路线，那么第一条技术路线，大数据加今天大家都在用的自监督学习，加大算力形成的信息类的模型，第二种基于这个虚拟的世界或者是真实的事件，通过强化学习来训练出来的巨神模型，还有第三种。
那就是直接超自然进化的作业，抄答案就是直接复制人脑，复制一个数字的这个呃，一个一个电子版本的，这样的一个一个智能体出来，这三条路线呢在全世界方面的都在进行其中，当然所有的目的都是为了实现a g i。
其中呢第一个是今天最热门的一个机构，open ai做的g p t，第二个是另外一个机构，google demand的d q n深度强化学习网络为核心的，取得了一系列的进展，智研究院呢。
作为一个在这个通用人工智能方向，一直在努力的机构，有一个不同意他们两个的这个特点。
就是从第一性原理出发，真正的构造一个一个，从如果是从梦想的角度来说，从原子到有机分子，到神经系统，到身体的一个一个，完整的这么一个一个智能系统，a g i，当然这是一个大概要20年的目标。
才有可能实现的，那么在作为一个新型研发机构平台，那我们呢其实在三个方向都在开展工作，也是今天我要给大家汇报的这个重点，第一个呢就是大模型方向，第二个呢距伸方向，当然还有刚才说的这样的一个特色方向的进展。
大明星这样的一个时代，大概在2018年就开始了，也就是智源研究院成立的那1年，就成为了全世界的一个一个一个，大家公认的这么一个一个一个方向，在这个方向上，我们率先汇聚了ai领域的顶尖学者。
我们叫志愿学者，开启了大模型的这个探索，率先组建了大模型的研究团队，成为今天中国大模型研究的主力，率先遇见了大模型时代的到来，包括大模型这个名词，就是2021年志愿医院发布，悟到一点的时候正式提出来的。
然后进入大家的这个视野，我们率先发布了悟道大模型，率先这个启动了大模型的测评旗舰项目，服务于大模型的行业的发展，我们率先的倡导大模型开源开放，发布了flag open大模型开源系统。
率先构建大模型的生态，包括今天的志愿大会，还有这个十多万人的志愿社区，都是大模型技术研讨的一个高地，其中呢，2021年6月份发布的5~2点零的大模型，当时是这个我们国家是第一个。
也是当时全球最大的这个大模型，一点七五万亿参数的大模型，在国际范围得到了这个广泛的反响，当然现在大模型已经成为这个呃，全社会这个关注的热点，那什么是大模型呃，我们认为呢有至少有三个特点。
一个是规模要大呃。
网络参数神经网，神经网络的参数呢要达到百亿规模以上，第二个要有涌现性，这是人工智能发展六七十年来，今年可以说是最里程碑的，这这样的一个一个呃一个新的这个特性，就是涌现性，产生了预料之外的新能力。
一个模型如果只能啊从原有的数据，原油的算法就能推导出来的结果，那不叫涌现，涌现一定是有全新的这个功能出现才可以，第三个就是通用性，它不限于专门问题或者专门的领域，具有通用性的，能够解决各类问题。
当然受限于模型目前的阶段，也不能说所有的问题能解决，但是呢它有很很强的推广性，那么今天呢我就特别高兴，这个宣布支援呢，正式推出全面开源的悟道三点呃，模型，第一个呢就是视觉大模型，是系列大模型。
视觉的系列大模型，今年以来支援的连续发了六个视觉大模型，第一个呢是这个叫当时最强的，10亿参数的视觉基础模型，1瓦呃，通用性是它的最重要的特点，这个模型呢通过语义学习，和几何结构学习相结合。
解决了视觉模型的通用性问题嗯，在这个image net分类，coo检测分割，connect视频分类等广泛的视觉任务中，取得了当时最强的性能，这些任务当初都要一个一个的专门的模型去做，我们靠一个通用模型。
实现了所有的这些专用模型的功能，而且呢性能比他们还要还还还要强，啊这样的一个多模态的呃，在这个基础上又训练了eva clip的，这样的一个多模态预训练模型，是零样本学习的一个基础模型。
在今年年初发布了五个bin的版本，创造了零零样本学习性能的新高度，超越了此前最强的open clip模型，在image net的one k羚羊本达到了这个top one，达到了82%的准确率。
那么去年发布的eva clip one bon版本，今年才被meta发布的啊，dino第二版模型追平，那么我们都知道语言模型可以问答，视觉模型怎么提问，在这方面呢，我们率先提出了图像理解图像。
图像解释图像，图像输出图像的理念，把自然语言处理中的上下文学习的思想，引入视觉模型，那么提出了通用视觉模型paint，以视觉为中心作为整个建模的核心思想，将图像作为输入输出的这个模态。
从而获得呢上下文的视觉信息，完成各种视觉任务，今年4月，支援推出了首个利用视觉提示，完成任意分割任务的通用视觉模型。
segg b t一通百通，segp呢应该说是通用视觉，我们的大模型进入通用视觉的一个里程碑，这个模型发布的时间和meta发布的sam，是同一天发布的呃，碰巧撞车，这两个模型呢都是通用视觉方面的。
这个可以说是里程碑，那么sim模型呢它最大的特点叫一出即通，点一个点，简单的点一个点，就能把这个物体精确的分割出来，这是可以说完美的解决了传统的图像分割问题，但是呢这是一个物体。
sex g p t呢是一通百通，可以分割任意的物体，包括物体的任意的零件，甚至于一个物体的不同的表面，只要你是一个相对这个具有物理意义的，这个这个结构，他都可以这个分割出来。
这是一个例子，他可以做视频，所以这是第一个第一帧视频选中，如果你关注的是视频中运动物体的话，那所有的这些运动物体呢，都可以不用任何人的操作，就全部呢给自动的这个分割出来，所以强大的通用能力。
灵活的推理能力和自动视觉的分割能力。
可以说我们已经达到了通用视觉的一个里程碑，那这样的一个技术，这样的一个模型呢。
在自动驾驶领域，在机器人领域，在我们实体智能领域一定会发挥基础性的作用，当时发布这个模型之后，就有很多这个呃用户关注，能不能做零样本的视频编辑，因为这也是一个传统呃。
再涂一下视频领域很很重要的一个一个应用，那我们呢就实现了零样本的简单提示，提示还是需要的，你到底要做什么对吧，提示还是需要的，但是不需要你提供样本去训练它，这个模型就可以完成我们原来的这个各种这个。
视频视频的编辑编辑任务了，在那在这个基础上呢，我们进一步扩展了一个新的模型，一个接受多模态的输入，产生多模态输出的多模态大模型，这个模型呢能够在多模态的序列中，补全一切产生。
而且能产生能生成多模态的预测，嗯我就请大家看这么几个例子啊，左上角的这个第一张图，这个模型呢你给他这张图，他不是说给你解释这边有太阳，有水有船，他上来就告诉你，这是莫奈的日出印象。
然后给了很多认知意义上的解释，左边的第二个例子呢，是能够完成少样本的图文的理解，给两个图文对作为例子，模型呢就自动的完成任务，它直到你他知道你要干这样的事对吧，给两个例子。
那个比如说大熊猫是一个中国的这个国宝，中国人都很喜欢好了，你再给个皮卡丘，他就会说皮卡丘是日本的一个明星的，这个这个动画呃，日本人都很喜欢这个这个这个呃人这个角色，还有呢，这个模型呢能够根据图片或视频。
进行问答和多轮对话，零二在零样本的qq图像的描述，性能达到了109，超过了flamingo 80比例的84，右边这张图呢展示的生成能力，比如呢根据任意长度的文本可以生成图像啊。
这个大家现在都很多都有了啊，中间的是一个图图生成，图图生成是什么意思呢，就是你给他一对图像，它开始推理，比如说这个左边给一个嗯小狗的下边，那张下面那个图啊，给一个小狗的图像。
加上还有另外1f是一副老虎的图像，他就猜你可能要一个狗形状的老虎，所以所以就产生了一个狗头，老虎的这样的这样的一个图像，叫虎头狮虎，虎头的这样的一个图像，右下角呢是在多模态上下文中的生成。
根据文本和图像图片的对作为提示呢，生成融合上下文信息的一个新的图片，这是这个图片，是理解了这两种模态之后，产生的一个这个新的图片，以及相应相应的描述，还有更多的能力，我们还在挖掘，我也，我们也希望呢。
呃尽快呢这个呃有更多的这个合作来挖掘，这种可以说多模态模型蕴含的无穷无穷，无尽的潜力，所以总的来说呢，把上下文，类似于语言这样的上下文的一种学习能力，引进图像之后，其实有更丰富，更更让大家兴奋的。
新的这种通用智能的能够激发出来，语言模型可以说是大模型中，现在竞争的这个热点呃，五那5~3点零呢，我们今天呢正式发布语言大模型，悟道天鹰，和对大模型进行评测的一个体系叫天秤。
悟道天鹰aquila语言大模型的，是第一个中英文双语支持商用，符合数据合规要求的数据大模型，所以大家可以放心的去用，还可以放心的商业化，因为资源是一个非营利机构，我们就是为这个行业发展提供公共的。
这个技术的呃，天鹰的这语言大模型呢是在一个中英文的，高质量的合规的语料数据库基础上，从零开始训练的一个模型，通过数据质量的控制和多种训练的优化，实现了在更小的数据集，更短的训练时间。
获得比其他的开源模型更优的性能啊，这是一个系列模型，我们会这个呃，这一次呢我们我们这个发布的是7b和33，b就是70亿参数和30 330亿参数呃，的基础模型和aquila chat就是对话模型。
也是这两个参数规模，以及呢aquila code代码模型，文本代码生成模型，后续呢这些代码模型，以及呢这个呃升级的都会都会开源，aqua基础模型呢，技术上继承了gb t3 拉玛等的架构的这个优点。
那么替换了一批更高效的底层算子，重新设计了中英文双语的tnt，升级了bm train的并行训练的方法，在aqua的训练过程中，实现了比macron加deep speed zero two。
近八倍的训练效率的提升，所以我们有信心后续给大家提供更大规模的，这个更适合这个产产品化的模型，这个模型呢已经这个具备了很强的这个能力。
对话能力，比如这几个例子里边，最左边的例子问他能不能带着炸丨药上飞机，他马上提醒你，这是违法的行为，违反了什么这个规定，中间这个例子呢，sorry，中间这个例子呢是用对话的方式，这是个语言模型。
它理解了用户的意图，然后调用图像生成模型，刚才说的那个生成模型，来生成一幅一幅一幅图片，比如说帮我生成一个这个唐装的图片，帮我生成一个机器人的图片，如果在生成的图片过程中，你觉得不满意，没关系。
你直接告诉他就行了，比如这个图这个例例，例例子里边先生出来一张人脸的图片，说他的眼睛不好看，换成蓝色的，让他给你换成蓝色的，说这个肤色不够白啊，他就给你变白呃，所以你有什么需求，你直接告诉他。
这个模型呢就帮你完成这些设计设计任务了，在技术上呢，我们这个训练过程实现了模型能力和指令，微调的循环的迭代，包括对数据集的高效的筛选和优化，充分挖掘基础模型的潜力啊。
aqua cat呢支持可扩展的特殊指令规范，可以根据你的需要再增加，比如说你的这个设计任务，一些一些比较体系化的指令，你可以把它这个定义出来，然后这个模型呢就按照你的这种这种呃。
工作的要求来自动帮帮完成任务，那么刚才我演示的背后的这个图像生成，和这个图像的调整修改功能呢，用的是我们去年发布的out diffusion，八种语言，今年升级为18种。
18种语言的全球支持语言种类最多的一个，这个图像生成模型呃，也已经进入了国际上这个这个最呃，最热门的这样的一个一个图文生成模型，因为支持的语言多，很多国家的用户呢都可以用这个模型来来。
来生成这个他们喜欢的图像，代码模型呃，基于aqua这个七必定的这样的一个，基础模型呃，aqua code也是七比71参数，用小数据集小参数量实现了高性能的，目前是支持中英双语的。
也是应该说是性能最好的一个，开源的代码的模型嗯，那这里边的所用的数据代码，经过了高质量的这个合规处理，使用这个合规的这个开源的许可代码进行训练，所以呢大家可以放心的让用，用于我们的这个软件开发。
这样的一些一些一些任务呃，aquila code，7b，分别在英伟达的和国产的芯片上，完成了模型的训练，嗯而且呢对通过对多种架构的代码和模型，的开源呃，在很多就是，无论你是什么样的一个软硬件的组合。
这样的一个代码模型的都可以部署，啊这个呢就是刚才演示过了的，去年发布的八种语言，九种语言，今年升级为18种语言的一个，在这个文文图生成领域啊，国际上也影响力很大的一个呃，or diffusion模型。
下面呢给大家这个报告一下，大模型评测的呃工作，那这项工作呢大家都知道，今天全世界发育都发出了这么多模型，到底哪些模型好，哪些模型在哪些方面好，哪些方面还存在不足，那么我们在这个科技部大模型的这样的一个。
旗舰项目的支持下，今年1月1号这个正式启动啊，中的，可以说，第一件重要的任务，就是这个推出了大语言模型的评测体系，叫天策这样的一个大模型体系呢，目标呢就是建立科学公正开放的评测基准方法，工具集。
协助研究人员全方位的来评估技术模型，以及训练项目的性能，同时呢探索我们也在探索，利用ai方法实现主观评测，我们现在客观评测，主观评测同时在进行，同时呢也希望用ai用ai做ai。
用ai来减少这个主观评测的这个这个工作量，大幅提升了评测的效率和客观性，目前呢天秤大语言，天秤大语言模型评测体系在能力，任务指标这样的一个三个维度上建立了，可以说是一个全方位的评测体系。
包括30多种能力，就是大模型语言，大模型可能具备的30多种能力，加上五种任务，再乘以四大类的指标，总共呢差不多600维的这样的一个评测体系，呃，应该说比较全面的，能够衡量一个大模型的这个能力。
那这样这个评测体系是一种自动化方式，进行的啊，在线呃，当然如果一个模型开源，然后把模型拿来直接这个在实验室评测啊，没问题，如果有模型能开放api，我们就直接调用也能这个也能评测，速度很快。
第二天就就就出这个全面的评评测报告了，呃如果咱们的刚才说的研发团队，希望呢这个对自己的模型进行评估，也可以采用这个体系呢来这个呃自行评估呃，不去公开指标，有的时候大家都在研发对吧，有的有的指标好。
有的指标害呃不那么好啊，这没有关系，靠通过这个测评呢来不断的提升和发展，目前呢这个天秤呢开源大模型评测体系呢，已经面向公众开放注册申请呃，目前的支持在这个硬件方面，支持英伟达升华为的升腾。
寒武纪昆仑新等多种芯片架构，以及呢pytorch main sport等多种深度学习框架，那此外呢在这个天秤的，在我们在github上的一个项目中也分享了，目前主要是语言模型的评测。
我们目前呢也增加了多模态，文图生成的评测工具啊，当然文图生成的这一块还在开发中，欢迎大家的使用，今年年初呢同样是在这个科技部的呃，大模型的这样的旗舰项目支持下呃。
正式发布了flag open大模型技术开源体系呃，我刚才尽管在介绍这个智源的呃，大模型的这个最新的进展，但是我一直在说我们是在做开源的模型，这个模型没有任何保留的给全社会开放。
那么这种大模型的这样的一个旗舰项目呢，实际上正在，目前也有八个团队在在国家项目的支持下呢，在开展研究，那么他们的一些优秀的算法，后续也会通过这个评测集成的方式，变成一个一个一个体系。
大模型不是任何一家机构或者一家公司，垄断的技术，大模型技术体系是大家共建共享，我们要共建一个智力社会所需要的，一套基础的算法体系，那么这样的一个flag open的大模型的技术，开源体系呢。
希望在推动在加强合作方面来，能够做出基础性的贡献，目前的flag open中的这个ai算法方面，已经把我刚才讲到的所有的开源模型，以及国内外的一些模型和背后的算法，集成进来了，支持并行加速技术。
f s d p集成了高效推理技术laura和b m inf。
所以所以呢在这样的一个开源的这个体系下面，如果一个机构即便你是从零开始要做大模型，你也可以用这样的一套体系，很快的呢开展自己的这个这个技术研发活动，那么其中的flag pf是关于硬件评测的。
我们过去这1年在这方面做了很多工作，也有呃，可以说是很精确的对硬件的性能的评测的结果，呃，目的呢还是为了促进咱们芯片嗯，这个硬件的硬件硬件的发展嗯，我们掌握的情况，我们的芯片发展很快。
所以我们也对这个基础软件体系，更好的支撑a i的发展呢，这个抱有充分的充分的信心，这个天秤那样的一个大模型的评测平台呢，呃开源了，刚才说已经开源了多模态的评测工具，但是这个呢还需要进一步的发展嗯。
在flag data就是数据的处理方面，也这个发布了一系列的数据分析，分析的清洗的和微调的这样的工具，那这些这些工具呢本身我们自己都在用，但是我们也把它拿出来供大家，如果你做数据加工清洗的话。
你也可以去使用这样的工具呃，来来开发这个自己的数据清洗系统，那么还有一个呢就是大家关心的大模型的生态，生态中，最重要的可以说，物理基础其实仍然是要回到软硬件，那么在ai的时代。
软硬件应该是什么样的一种一种一种形态呢，我们都知道啊，我们经过了两个时代，一个呢就是pc互联网时代，在那个时代最初呢是winter这样的一个体系呃，在主导着整个的生态，那么后来呢出现了linux。
现在linux操作系统呢，也已经成为这个这个操作系统的，这个主要的一个呃，一个一个平台，在移动互联网时代呢出现了两个生态，一个呢是这个ios的封闭生态，苹果在这个优化，另外一个呢是安卓加arm的生态啊。
这个是通常大家知道准封闭半开放生态呃，安卓呢是开源的，但是呢也是这个呃受到一定的这个这个呃，管管控的，不像linux那样那么那么开放，那么在cpu方面。
刚才讲risk five在这样的一个时代呢就出现了，而且呢现在在cpu的这样的一个领域，已经应该说正在发挥主导作用，所以在智能时代，这样的一个基础软件题应该是什么样的。
我们认为当然也不仅仅是我们认为应该，全世界应该主要的这个这个呃观点都是，他一定是一个开源开放的时代，那么今天尽管这个大模型在很多系统方面，表现已经很好，但是如果让全人类用，让千家万户用。
让千千万的企业去用的话，一个封闭的生态是不会这么长远发展下去的，一个开源的生态，在软件上要开源，在硬件上要开放，大家既要竞争又要合作，这是一个这个千千万的企业共同竞争。
共同合作营造出来的开源开放的生态体系，在这方面呢，我们我们国家应该说已经，这个做了很多的努力呃，很多企业，很多机构做的这个技术和模型都是开放的，但是呢我们还需要加强啊。
我们初步统计了一下今年以来的语言模型的，开源的这个呃大模型开源的这个项目，全世界范围之内的开源的总共有42项，我们国家呢这个这个放出来的啊，我所谓放出来的就是我有，但是呢有38项，其中九项是开源的。
那那相比之下，我认为我们的开源，开放力度还是还是远远不够的，我们应该这个进一步加强开源开放，开源开放也是竞争，你真有水平，真有好算法拿出来，大家去去去评测，去比去继承才证明技术水平，而不是这个。
我就是仅仅靠这样的一个结果来来来说，这个是不是优秀，在语言的这个呃数据方面呃，我们也做了一个工作，也是目前应该说大家急需的一个大规模的，可商用的中文开源的指令数据集，我相信很多做大模型的这个这个机构。
或者是企业都在做这个同样的事情，这是这个对齐调优啊，必须的一个111个能力，那个c y g呢应该说目前是全世界范围之内，这个规模最大的一个中文的开源的指令集，一期呢第一期有171k的开源。
可商用的中文指令，数据已经这个开放了，已经有已经有很多下载，大家已经在在用了，我们呢还在开发第二期，争取成为规模最大，而且是持续更新的，中文的多任务的指令的数据集。
那么讲讲了大模型，我们我刚才讲还有两条技术路线，尽管我们花了80%的这个人力，物力资源在做大模型，但是另外两条路路线也不能不做，也必须做呃，虽然它更漫长一点，但是那是这个通往这个这个a g i的呃。
另外两条路径，第一个呢就是在据深的多模态交互模型方面，我们探索在minecraft的虚拟世界中，让智能体学习完成各种有语言描述的任务，比如告诉智能题制作一个石锤子，建造一个木制的避难所。
告诉你告诉他这样的一个任务，他就可以自己在游戏世界自己自己自己完成了，不要再用鼠标啊，控制啊，一步步的走，这些东西都不要了，你要想干啥，你告诉他他他就可以，这个呢应该说是通用人工智能的一个。
一个一个新的赛道，那么全世界范围之内呢，也有不少机构在进行，我们呢从去年基于模仿学习的策略大模型，v p t奖励函数main clip，到今年利用大规模语言模型，进行任务分解和规划的呃。
plan for mc这样的一个模型方面，完成了大量的任务呃，我记得两个月之前发布这个模型的时候，24项任务应该是全球范围之内，最完成任务最多的，这样的一个一个一个智能模型。
啊原来的那个就是现有的这些方法呢，是依赖人类的知识和这个提示的下一个目标呢，我们是让智能体在这个基础上，在开放时间持续学习，所以包括策略及和专门的针对啊，这种多模态交互的大模型方面的进一步的研究。
从而让它自适应的在开放世界中，能够完成更多的任务，并且具备自己的创造力，创造性的完成任务，在类脑智能和生命模拟这个方向啊，我们的工作也在继续，去年呢志愿大会发布了呃最高精度的仿真线虫，到现在为止。
这仍然是进度最高的那个论文呢，还正在评审过程中，有了这个工作基础，我们把训，我们把这个仿真这个线程所用的生命模拟平台，叫16000省天眼全面开源，并提供了在线服务，所以大家如果做想做同样的任务。
你可以拿这个代码自己去这个呃运行去去做，你也可以，你说我没有那么多计算机算力呃，我有我只有这些一些生物数据，那没关系，你通过在线的方式可以，这个在我们的这个平台上完成，天眼平台呢木有四项最显著的特点。
第一个是当今效率最高的，精细神经系统仿真的平台，第二呢支持超大规模的呃神经网络仿真，目前呢已经高效地复现了，领域内多个大规模的神经神经模型，第三个呢我们是提供在线工具，刚才讲的一站式的。
你只要有生物数据，那就可以一站式的建模仿真，可视化在一个平台上可以完成嗯，而且其中这个可视化的交互是天眼独有的，整个你可以观察神经系统，在这样的一个一个运行过程中，它的信号发生了什么样的变化，是怎么样。
因为我们最终想知道生命智能背后的每一步，不像今天是黑箱，我们一样知道这个到底发生了什么，所有的细节呢，在这个平台上的都可以都可以看到，我们针对呢目前呃就是神经科学领域呃。
结构和功能最完整的一个模型呢是alan研究所，美国alan研究所的v one，也就是初级视觉皮层的一个模型，我们呢在这个天眼平台上，从仿真速度和模型细节两个方面入手。
提供了一个在它的基础上提升了一个运行更快，更加符合生物物理生理约束的，一个一个一个新版本，那么特别的呢我们可以对千万规模，千万规模的精细申请，原子战神经网络进行高效的可视化，以及呢10万舱室规模的交互。
所以就像刚才说的，你可以像神经系统是一个复杂的森林，今天还是一个黑暗森林，你可以在这个森林中，对你周边一定范围之内的这个树木呃，树枝树叶所有的细节看清楚到底在呃，点亮之后就可以看清楚到底在发生什么。
我们相信呢这个一定会，无论是对于这个这个神经科学，还是对于人种的研究呢，都能嗯起起到基础性的支撑作用，嗯为了加快这个计算速度，我们和天津超算合作，把这个天眼呢，已经在天河超级计算机上成功的部署。
在节省能耗的情况下，提升了20倍的这个计算速度，呃，可以说实现了全球范围内最极致的神经系统。
仿真的性能，第一次把大规模精细神经系统的仿真速度，逼近生物真实啊，现在这个工作还在做啊，未来呢我们还跟天河，就是天津的超算的进一步合作，进一步挖掘我们超算的这个硬件和软件的潜力。
早日实现全球第一个精细的人类大脑，当然这个时间我说早日啊，应该是，早年可能还得15~20年的时间才能做到啊，但是这这是这是通向刚才讲的a g i的一个，一个必须的这么一个里程碑，那下面呢就请大家看一下。
现在这个神经系统的一个模型，呜呜呜。
这就是智能在发生的一个物理的生理的基础。
我刚才讲的这个神经系统，这其实是智能的一个最直接的一层，再往下就是我们的这个细胞，蛋白质这样的有机分子这一块呢，我们的健康计算中心呃，专门的专注于它，运用通用人工智能和大模型的这些前沿技术。
不断地开拓生命科学，包括服务于健康这样的研究的边界，主要的呢是蛋白质的设计和量子化学，这两个方向，在2023年研究中心研发的open complex，大分子预测模型。
在cao蛋白质结构预测竞赛中赢得了年度冠军，不是一次冠军，是连续的，每次比赛都是都是冠军，其中有一次我们忘记了提交数据啊，剩下的只要提交数据的，全部是这个这个这个冠军，目前呢这个中心呢正致力于。
开发区结构的大分子，大分子，包括蛋白质，包括核酸适配体呃的生成模型，并且呢把它应用于药物设计等领域，那此外呢还正在构建一个生物分子的统，统一的大模型，希望呢能够推动啊，包括人工智能，包括生命科学。
包括医药设计这样的各类任务的发展，嗯那最后呢我就简单的这个报告一下，今年这个志愿大会的安排嗯，志愿大会呢今年是第五届啊，我们一直在努力，我们追求的呢是国际视野，技术前沿思想碰撞，洞见未来。
扮成最受人工智能经营人群喜欢的专业的大会，嗯应该说1年1度的志愿大会已经成为北京，全国乃至全球范围之内的一个独具特色的，一个专业的盛会，成为北京科技创新中心建设的一张闪亮的名片，嗯像往年一样。
今今年的志愿大会同样是群星灿烂，汇聚了人工智能领域最关键的人物，最重要的机构，最核心的话题和最内行的观众，我们我们这个大会呢如果大家要去比的话，就是呃全球范围之内啊。
能够有这么多这个顶尖专业人士这个出席的呃，及其至少是极其罕见，那么马上呢我这个报告还有一分半钟结束之后，我们就会进入今年的这个kos，那么今天呢今年呢我们有两位嘉宾，一位呢是图灵奖的获得者。
深度学习的三巨头之一杨乐坤，乐坤呢现在在法国啊，凌晨四点，原来他是在美国答应的这件事，但是呢法国政府有活动，他必须去法国，然后我说那你太辛苦了，四点钟要再要要要要接入，你拍个视频吧也行，他说不。
我就要实时的跟大家这个假，所以大概一分钟之后啊，我们就接入，那么我们上午的第二位嘉宾的max tegmark，他已经在前台就座了。
等会儿呢他会分享他的观点，这两位嘉宾的他观点是有一定的对立的，乐坤认为我们应该乐观的发展通用人工智能，现在远远没有到这个这个应该紧张的时候，泰格马克说，现在就要这个加强这个这个呃管理和控制。
等会儿我们听他们的精彩的观点呃，当然安全伦理风险，这肯定是这个我们应该关注的，这个高度关注的话题，明天呢呃明天一天，全天的一个关于a i安全的论坛，有很多著名的专家啊，这里边呢。
包括这个uc伯克利的著名的人工智能教授，也是可以说几千万人都都都是读了他的书，学的a i russell教授，他也已经在现场，这块不在现场，他明天会现场跟大家进行这个交流。
还有呢我们的深圳深度学习的教父jeffrey hinton，老先生身体不好，本来前年答应来来讲，在最后大会要开的前两天，突然给我发个邮件，说不行，我发现我的方法里面有个bug，这个会不能讲了。
我说那不行啊，那我们都已经宣传出去了，那个黑他说没关系，我马上再那个推特上发一个消息，就就说我我是有bug，所以不能讲后面的相关的报告都不讲了，这个这一周安排的报告都不讲了。
但是今年呢大家也都新闻上都看了很多报道啊，他呢也是实时接入，明天呢会在伦敦给大家讲，他对人工智能最新的担心和他的这个，我觉得这是很难得，当然还有一位难得的人物。
就是大家关注度很高的open ai的ceo sam奥特曼，也是明天实时实时实时在线跟大家进行，这个在这个论坛上跟大家进行交流，那这次会呢我们差不多跟往年是这个类似的，规模，有20个论坛，100场报告呃。
顶尖的专家，顶尖的观众，让我们的共同来享受这两天的纯粹的专业的，ai的最新的思想，最新的进展。
智能的物质基础论坛 - P1 - 智源社区 - BV1Ju4y1o7Hq
尊敬的线上和线下的各位嘉宾，大家下午好呃，我是本次分论坛的嗯主席张文斌。很，欢迎大家来到我们这个分论坛。😊，今天我们就在一起来讨论一下什么是智能的物质基础。这是这个分行第二次举办啊。
像去年我们有6位讲者一起来啊对这个领域进行了一个初步的探讨。
在2021年的时候。end教授在nature上面发表了一篇文章，叫做rise of intelligent matter，提倡了一个智能物质的这么一个概念。但其实上这个概念说新也不新。
但是呃他是一个和之前我们提的智能材料，又有相似的地方，在于他有一些响应性行为等等。但是他又有一些新的一些理念在里头。比如说在这篇文章里头呢，呃wo教授呢就希望这样一些物质能够同时实现计算。
实现响应性的学习等等。那么在去年的讨论之后呢，我们嗯初步得出了一些提出了一些观点，认为现在智能物质是跨越多个尺度的能够集成信息和控制的一个物质体系。那么在小到这个分子的程度，分子进一步形成组装体。
这些组装体的结构尺度越来越大，形成了细胞，而细胞在进一步的进行组织，形成了一些organ。那么在这个上面呢，逐渐涌现出越来越复杂的一些行为。智能物质它有这么几个非常有趣的特点。第一个就是复杂性。
那么这个复杂性呢可以存在这广泛的这个尺度上的任何一个尺度。比如分子尺度，有分子尺度的复杂性，细胞尺度，有细胞尺度的复杂性，而到了这个组织程度，又有组织程度的复杂性，这是它的第一个特点。
也是啊AI的一个能能够处理的一个很好的一个对象。第二个特点呢就是它的有现，涌线是一个很有趣的概念，它指的是当呃物体之间的相互作用力足够多，足够复杂的时候，它能够作为一个整体展现出个体所不具有的性质。
那么涌现现象也同样发生在各个单独的尺度，然后这些涌现出来的新的功能呢，还会被进一步集成和转移到下一个更高的这个尺度上去。智能物质的第三个特点就是信息信息是智能物质不可或缺的一个部分。
它能够从环境中获取信息、感知信息、存储信息，并且处理信息。它是智能物质的一个核心，而最后就是集成。功能材料和一个可以重新组织的一个回路组织在一起呢，就可以实现真正的一个智能物质。
它是呃它曾经是生命的这个呃缘起的一个表现。那么现在这个概念呢也在激励着我们去发展一些人工的一些智能物质。那么这呃根据我们对这样的一个理解呢，这一次呃报告我们非常有幸呃请来了这么几位杰出的讲者。
他们在各个尺度上来向我们阐释他们对于智能物质的理解。第一个是在呃分子智能尺度方面。在生命的这个。智能下面呢在生命智能的分子机制，一直是呃为我们呃大家所非常感兴趣的一个方向。
这个世界是由原子构成原子构成的分子，而分子组成了形形色色的物质。那么呃他之所以拥有智能，之所以拥有各种各样的功能，完全是跟他的这个分子相关的。如何去理解他的这个分子机制是非常重要的。
刘东清华大学的刘东升教授呢，将向我们讲述生命智能当中的这个高分子的效应。我们知道在生命体系里头非常多的重要的大分子重要的这个成分都是大分子的这样一个构建。比如说DNARNA和蛋白质。
那么他将向我们讲述这些呃为什么这些大分子会具有这种智能的这种表现。并呃传。讲展示一些例子，如何把这些智能的分子转化为智能的材料。那么在这个尺度网上呢，就是一些例子。
一些呃一些作为一个举行的的一个智能的一个行为。那么来自香港大学的唐静瑶教授将向我们讲述active matter，也就是活性物质。那么什么是活性物质呢？我们知道生命是一个开放体系。
是一个远离平衡态的开放体系。当一个生命体系呢，如果趋向于热力学平衡态的时候呢，它就是一个死亡的这种状态。在非平衡态，在远离平衡态的地方能够带来非常丰富的功能，非常丰富的性质。那么。
活性物质就是一个典型的通过外界的能量和物质的输入来维持一个非平衡态的一个畸群。那么这样一个畸群呢，通常也会展示出一些智能的一些行为，是非常有趣的研究方向。那么我们知道啊细胞是生命的基源。
也是我们智能的这个基缘。单个细胞具有着非常复杂的这种生命的这种行为，比如说呃它可以去发生呃它可以有目标的去追溯一些路入侵的这种物种，然后把它包吞呃包进去，然后消解掉。
那么我们的生命是呃一种模式化的方式在构建的。那么既然细胞是如此重要一个模块化的成分。那么如何去构建人工的细胞，就成为了智能物质发展当中一个非常重要的一个成分。那么人工细胞的发展当中一个重要的一个方法呢。
就是boom up approach，从我们已知的一些分子机制，从我们熟知的分子的基缘，能不能组装变成一个有功能的一个具有类生命性能的一些细胞。那么这。
就是来自哈尔滨工业大学的黄鑫教授将向将和我们分享的费曼先生有一句话叫做呃我不能创造的，我就没有完全的理解他。那这也是测试我们对于智能的理解的一个试金石。那么既然有这个but up approach。
那么大家可想而知，还有一个叫做top down的appach。生命体系呢已经是一个非常非常复杂的呃，具有丰富功能的一个体系。这个。那么我们也许当我们对他的这个体系有足够的了解之后呢。
我们也能够对他的这个基因回路进行一个改造，赋予他各种各样的这个新的原来的这个生物体所没有的这个性能。这就是现在合成生物学在做的这个事情。从理解这个生命到工程化生命。
那么来自中科院深圳新进技术研究院的戴卓军老师呢，将和我们分享他是如何呃将这些细胞进行工程化。并实现材料的一个活性制造living fabrication。
那最后我们也请来了这个智能物质的这个概念的提出者教授来讲述我们呃来讲述他们在这方面的一些尝试性的工作。他们把一些材料、功能材料和基于光的一个。嗯，这个信息处理系统啊集成在一起。
构建了一个类神经形态的一个处理器。这个处理器呢是完全基于光来工作的，而且可以呃实现一个in memoryory的这comping是非常有意思的这个研究方向。这些工作。
倡导着我们走向这样子一个inent matter的未来。我觉得我们是在一边理解着智能是如何产生的，一边在一些体系当中呢去创造和践行我们的理解。将来这两个理方向呢一定可以重合在一起，集成在一起。
杂化出一些具有先进性能的这个智能物质来。在最后的研究论坛当中呢，我们也会讨论一下像这些这些话题。呃，最后我再次感谢来到现场的各位嘉宾以及线上的观众们。那么接下来我就欢迎我们的这个第一位这个刘东升老师。
那么刘东升老师呢是清华大学化学系教育部长江学者特聘教授吴日生导师、中国化学会会士、英国皇家化学会会士。他入选了创新人才推进计划中青年科技创新领军人才计划中组部万能计划领军人才。
获得过第一届中国化学会英国皇家化学会青年化学奖第七届中国化学会巴斯夫青年知识创新奖等等。他还担任了基金委杰出青年基金重点项目创新群体项目负责人等呃重要的这个项目。
现任smart molecules polymer高分子学报和高等学校化学学报的副主编。那么嗯他主要从事的是核酸的核成和修饰以及核酸超分子材料方面的研究。让我们一起欢迎刘东升老师欢迎。呃。
谢谢文斌的介绍。其实呃请我来。然后呢，我还是专门准备了这个这两周一直在准备这个top。因为呃它是不一样子的。文斌跟我说呢，因为呃在我们过过去的时候很多都是学术的报告。今天的话呢。
可能会涉及到一些我们没有那么大的把握。但是呢是我们基于我们现有的知识体系。对生命的一种新的理解。😊，Yeah。呃，稍微有点远哈。然后那个大家知道就是我们在生命中其实看到了很多现象，但是呢我们习以为常。
往往没有深究它背后的机理。但是在我们真正去做研究的时候，我们发现跟我们学习以及应用到的很多的理论知识呢，是有背离的。所以呢这其实是对生命现象的观察和思考，其实是能够促进我们真正的推进我们的基础研究。
以及对基础理论的理解。😊，我就举几个例子，刚刚文斌也提到了，其实呢生命是一个智能体系。那么它是怎么组织的呢？我们说它是从小分子一级一级的组装起来的。我们从当然不是很全面啊，我们从最简单的来说。
最小的一个分子呢，大概就是磷脂生命的细胞膜是由磷子构成的。那么磷有细胞膜呢又是细胞的一部分。那么细胞是构成组织的最基础的这样子的一个呃机缘。那么有了组织，我们才有了器官之后才有了生命体系啊，谢谢啊。
到中间来这个很好。那么有了这种体系以后的话呢，其实怎么去把这些就是分子一个一个的去组织成这样子的。😊，生命的有智能的这样子的一个我们现在还没有完全理解的体系，他是怎么去办到的。那么我们现在的话呢。
就是在过去的这个时间里头呢，我们做了。我们做了一些工作呃，能啊OK然后呢，我们下面呢就是说比如说一个最简单的问题，大家都知道细胞膜是由磷子构成的。那么这是一个我们在小学的这个通识课里头就有过一个教导。
但是我们知道，其实小朋友们都喜欢吹肥皂泡。大家知道肥皂泡是什么构成的呢？它其实也是一个两氢分子，其实用磷脂也可以吹成肥皂泡。但是我们都说肥皂泡很美丽，跟梦想有一个共同特点。😡，美丽，并且易碎。
是不是梦想总是很脆弱的。但是呢大家去平时在所有的观察里头的话呢，你可以看到为什么我们的细胞没有说一阵风吹来，我们的人破了，然后呢，剩下的溶液流走了。然后呢，你只剩下一点骨骼存在在这里。
那我们的世界就真的是成为一个非常非常恐怖的一个世界，为什么没有这样。😡，因为我们知道在细胞膜上的磷脂和我们吹肥皂泡的磷脂其实是同样一个分子，它的化学和物理性质应该是一样子的。为什么它的表现不一样？😡。
那么有了很多很多的这个呃讨论，但是呢从来没有去深入过去理解它的机制。那么有一个很简单的讨论，就是说细胞里面是有东西的。细胞里面有骨架，那么细胞骨架是由蛋白构成的一个非常细的纤维纳米级别的。
那么它就撑住了这个肥皂泡。猛一听，这个解释是非常合理的。但是你想过没有？如果你有一个气球，你说我把气球的气放掉的时候，而不要这个气球塌说，那么我拿一个极细的针在这个气球里头撑住他，可能吗？不可能。
是因为他会把气球刺穿呢。为什么他没把这层膜刺穿，而是撑住了他。其实呢，大家没有去深想，而我呢是一个喜欢刨根问底的人，其实我经常跟我儿子两个人辩论。然后呢，最后总是要推演到最终最终的那个机理上来。😡。
我自己画了一张图，其实我问这个问题的时候，我也被反问了，说你有什么样子的见解。其实我觉得这是做科研的人最喜欢听到的，就是你有什么见解。我的见解是说细胞是由一个磷脂双层膜界定的一个形状，它在生理条件下。
它不会发生融合，尺寸稳定。那么形状是可以改变的。我们的细胞是可以变形的。并且它一直都很稳定。那么在这样的一个情况下，其实我们就要回复到我上中学的时候，老师教我们的是说细胞膜是一个磷脂双层膜。
它这个中间嵌入了很多的蛋白质叫膜蛋白，它有嵌入的，也有通透的。那么这些膜蛋白是当时是说漂浮在它的一个磷脂的海洋的这个表面。其实在我们去回过头来去想的时候，不是这样子的。
我们回过头来去想它是一个什么样子的结构呢？是说如果你把它和细胞的这个骨架去联合起来想的时候，它是这样子的，就是我用这个绿的和黑的这一部分的话呢，是细胞骨架，它是构成了一个三维的网络。
那么在它的末端就是我们的膜蛋白。那个粉红色的，我用它来代表了我们的膜蛋白。其实呢这就是一个先有基或者先有氮的一个问题。😡，那么我认为是先有了骨架，骨架确定了膜蛋白的位置，那么它就最终决定了细胞的形状。
那么这个膜在哪呢？膜并不是一个像我们想象出来的，吹的一个这个球形的体系。它是什么呢？它其实是在由这个膜蛋白，因为膜蛋白的侧面是输水的，它是构成了一个三点，我们知道可以构成一个平面。
其实磷脂它最容易形成的是一个平面的膜，那么就简单了，其实是磷脂填充了所有的膜蛋白之间的这些缝隙，然后呢，形成了一个连续的。多面体。这个多面体它只要改变它的二面角，细胞就可以很容易的去改变它的形状。
同时的话呢，它的每一个面都是自由能最低的一个状态。所以说呢细胞非常稳定。那么由于它的每一个面都很小，所以说你在给他一个外界的力的时候呢，它都传导到直接传导到膜蛋白和这个最后的骨架上去来去了。
所以呢它既耐溶胀又耐压力，所以它是我们细胞稳定的机制，是不是这样子呢？作为一个化学家，其实我们从2009年开始，我们有了这样一个解释，那就要去做一个化学家就是这样的。刚刚飞曼也说了，如果我不能够去创造。
那么我就不是真正的去理解了这个原理，所以我们提出来这个原理，我们就尽了我们最大的努力去证明它我们是可以用化学的办法去把它合成出来的，那么从化学的角度，我们提出了一个简化的策略。
当然我们去合成一个细胞骨架很难。但是呢我们可以用化学的办法。啊用一个金颗粒和一个核酸去构建了一个类似于细胞核细胞骨架的这样的一个体系。它是一个刚性的体系。那么在它的末端呢。
我们通过化学合成引入了一个核膜蛋白，当然没有膜蛋白的功能。但是它有膜蛋白的输水性的这样子的一个大分子。然后呢。
我们在用它来去看看是不是能够诱导磷脂以及其他的普适性的两氢分子能够去组装形成一个我们想要的任何的形状，任意的尺寸，但是在相同的条件下，有同样的一个物质组成的体系。那就是我们生命就是这样来玩的。
那么我们能不能也玩同样的游戏。那么有了这样的一个想法的时候，其实得到了基金为很多很多同行的大力的支持。因为这时候没有任何的基础，只是一个猜想，但是呢这个过去的十几年的时间，我们终于把它做出来了。
因为这个过程是非常非常艰难的。我就想我毕业的那么多的学生，他们呢。😊，就是说起来都是一把辛酸泪说，跟着刘老师熬了无数个日日夜夜。然后呢，刘老师就用了几分钟的时间就讲完了。为什么呢？这是我们的结果。
这是其中的一个过程。它形成了一个非常有意思的沉淀。其实为了解释这个结构，我们就花了接近一年的时间。但是呢我们最终呢是用了一个分子把它重新融回来了，融回来了以后呢。
大家可以在这个透射电镜上可以看到大家可以看到这样的一个结构更清楚一点啊，它的外面有了一层薄薄的膜里面是那个金颗粒，这个金颗粒和膜是不接触的，是中间有骨架撑着的。那么这样的一个体系呢。
我们也用这个骨架就是DNA的长短来去证明了你可以用相同的组装的材料，任意的去改变它的尺寸，它可以精确到呢比一个纳米还小的精度。所以呢这时候我们可以通过我们的这个方法去证明了细胞，极有可能就是这样来的。
那么你肯定还有一个疑惑，就是。😊，这个只是一个尺寸，但是细胞并不都是球形的。我们这个体系是球形的。😡，证明他我们又花了4年的时间。这个4年的时间的话呢，我们其实为了回应这个问题，我们做了一块砖头。😡。
做了一个砖头一样的骨架。那么我们知道在自然界体系里头，由于热力学的这个就是界面能最小的这样的一个驱动的话呢，它往往都会形成一个这样球形的结构。但是我们是在一个稳定的体系下做了一个砖头一样子的这个囊泡。
这个囊泡是自然界里头基本上你是看不到的。它基本上不存在。但是呢我们也是一个热力学稳定的。另外一个呢，我们又进一步的把它推进呢，能够把它做成一个二维的组装体，也就是把它从三维压缩到二维去。
那么这是一个自由的纸质的这个平面。这样的一个平面的话呢，其实大家可以想象，我可以在溶液中无中生有的创造一个界面。这个界面和细胞膜的这个性质是完全一样子的。那么这样的一个体系的话呢。
我就可以把原来在纸质体上，在一个球状体系上自由分布的这个所有的膜蛋白，我可以给你一个定向的这个标识。也就是我给它加了一个外标。这样子的话呢，你可以在电竞下自由的不用你再去猜了。
你都知道它的这个膜蛋白的法线方向在哪里。它可以插入到我们。这个膜里头，所以你可以更快的去解析这个膜蛋白的结构，不用那么多的猜想，也不用那么强的大脑。😊，当然了。
其实我们最早的时候是通过一个合成一个非常复杂的分子去模拟膜蛋白的这样的一个体系，证明了就是化学家的一个猜想。那么之后的话呢，我们又重新要回到膜蛋白是怎么起作用的？是不是真正的膜蛋白。
它真正跟磷脂有一个什么样的匹配。所以我们去做了各种的组合组合，合成的高分子，然后呢，有DNA和这个就是更简单的线性高分子的匹配。那么直到在两年前的时候呢，我们才发表了这篇文章，就是这是个穿模肽。
它其实是模蛋白的，就是类似的一个结构的一部分。那么它是一个阿尔法，它是个输水的。那么我们就发现呢，它和磷脂有非常好的匹配。你会在整个研究过程中，你会发现生命的奇妙。我们做了那么多的合成体系。
发现诱导磷子都不好。但是呢用蛋白或者是穿摩肽，它诱导的磷脂效果就会非常的好。当然它是一个非常窄的窗口。那么虽然就是我们经历了很多很多的这个痛苦啊，我们最终还是真正的达到了，就是我们所说的。
那么生命体系这个呃整个的细胞的形状是由什么来决定的呢？是由细胞的骨架确定了膜蛋白的位置，然后膜蛋白之间它们相互的这个关系，三点决定一个平面才最终决定了这个细胞的形状是什么？
当然它的稳定也是由骨架的稳定来去决定的。那么这个方法呢，其实我们从自然界中抽提了这样的一个推理。然后呢，我们用化学的办法证明了这是一个普适性的方法，它可以应用于各种各样子的人工的合成的体系。
那么这个呢当然15年的这个研究也得到了很多同行的这个认可。就是国际上呢，其实我们联合了国际同行写了一篇accounts，然后呢，用的这个这个名字是我一直坚持的，是说这是我们起的名字就叫框架诱导组装。
所有的两性分子都可以做。那么发表了以后呢，就是田中群老师是我们当时自组装重大研究计划的首席，他听了以后也非常高兴。然后专门给我们写了一个这个呃评述，是说这是我们起的名字，所以说中国人起的名字。
中国的标签，这是值得我觉得我自己非常非常自豪的这样的一部分的研究。😊，那么刚刚讲的其实是一个非常非常小的微观的层面。那么再比他更大一点的时候，我们再说组织。我们刚刚讲到了很多的这个都是在细胞这个层面。
那细胞细胞上面一个层面呢是组织。我们知道我们吃牛排的时候要讲口感要五分熟七分熟。但是我们有有没有想过，它是当然细胞我们说是稳定的。但是呢细胞并不是简单的堆在一起就可以形成组织。😡，这个组织的时候。
我们吃到的时候，其实是它的机械强度。所以你才知道这是肉还是喝的肉汤。但是呢呃我不是。🎼我看看这个能不能放映啊。但是我们其实呢白细胞俗称白血球，它对人体具有重要的保护机能，对，能够防御外界的入侵。
这样有人体卫士的吗？白细胞俗称白雪球。这样子的就是白细胞呢，它其实是可以穿透我们的细胞的这个它不伤害细胞。但是呢它能够从细胞间穿过去。那么如何能够既有强度，又让那个细胞能够穿过去，它是个很弱的体系。
它是怎么实现的，这就是其实生命的智能。我们知道其实在整个这个组织的里头呢，我们有了很多的细胞，其实细胞间呢并不是真空，也不是直接相连的。它是有很多的材料填充在其间的。我们叫细胞间质或者叫细胞外的基质。
它负责呢支撑住细胞之间的距离。同时的话呢，它还要给细胞供养供营养供氧气，然后排泄废物。同时的话呢，这些细胞的话呢，这些体系还能够让别的细胞进行穿过去。也就是说它既要有强度，还要有动态性。
那么大家听起来就像我们布置作业一样，说我既要又要就是得德制体美劳样样都要。但是呢其实呢对。这个材料来说，它是一个可怕的噩梦。我们都说我们喜欢要求极端，但是呢我们不希望要求既要还要又要是吧？
这样子的原细胞俗称白。😡，这样子的话呢，我们去回头去看，其实细胞外基脂是什么构成的呢？它是有多种成分，比如说胶原，有些蛋白，有些糖，还有一些这个。😡，当然，各种信号分子。
那么它是构成的其实是一个网络结构。那么我们还是从化学家的角度来说，我们把它简化了。它其实呢就是一个水溶性的材料。然后呢，通过链间它都是一些现状的高分子。那么这些现状的高分子呢。
它通过链间的交点呢构成一个高含水量的分子网络。也就是说它大部分都是水，那么这个水呢被固定在这个分子网络中。所以说呢，它并不表现出来非常强的流动的性质，它叫结合的一部分的束缚的水。
那么这个水溶性高分子的话呢，那么如果它的交联点是共价键。😡，那就是我们经常小小孩子打的那个BB枪那个里头的那个小球球那个透明的，你拿水泡出来那个小球，呃，那么就是呃共价键交连的。它呢强度很好。
但是你如果细胞长在里头，那它就要死掉了。为什么呢？细胞不能够分裂生长，因为它不能给你提供动态性，没有活动的空间。那么如果我是说如果啊我们也有很多人造的呢，我们把这个人造的分子。
然后我们把它中间的那个共价交连点呢换成氢键换成一些主客体相互作用等等等等的。那么我们就叫它超分子水凝胶，它其实具有了一个非常有意思的性质，它可逆性非常好，动态性很好。但是呢它的强度极低。
往往就像鼻涕一样，它很软。那么这样子的一个体系的话呢，其实呢是它有了动态性就没有强度，有了强度就没有动态性，大家可以想象，为什么是因为那么你。往往是对这个这个键的要求是不一样子的。那么如果是一个化学键。
那么你要它有动态性的时候，这个键能就要低，也就是它要弱。但是呢你要强度的时候呢，他就要它比较强。那么其实往往就像这个我们去要求一件事情的时候，往我们既要又要最后呢，我们要的其实是这。😡。
很多的时候我们说教育学生或者教育孩子也是这样子的。我们既要他这个活泼，又要他好好学习。到最后的话呢，他就是两头都没顾上，他既没玩也没有学好。所以呢我们如何去解决这个矛盾，其实生命给我们举了例子。
有别人家的孩子是既要又要，是不是既有强度，啊，同时还有高通透性，他还有动态性兼备，他是怎么实现的呢？我们也很想知道，其实生命给我们举了例子，而我们往往是没有去仔细的去想他是怎么统意的。
那么其实呃我觉得呢就是大学给了我们一个很好的环境。因为特别是这这几十年来，这我回国的接近20年，其实给了我们一个能够静下心来去思考的一个环境。虽然说大家也卷也很浮躁，但是呢多少的来说的话呢。
活下去总是还是可以的。所以说我们就会想一些这种稀奇古怪的问题。😊，嗯。我的想法是这样子的，就是我们在做化学的时候呢，就是超分子相互作用也好，共价件相互作用也好，其实是两个基缘之间的一个结合常数的问题。
也就是说他们的强弱都是这两个之间结合的强弱。😡，所以要不然就是强，不然就是弱。那你只有一个选择。而他们的这个要离开呢就离开了。这是一个简单的，大家都能想象的。你把它放到溶液中稀释了以后。
它就解离了结合很难，这是解离很快。如果没有一个拥挤的环境，它是很快的就解离开来的。而我是认为呢，其实生命是怎么去把这个种弱的这种结合和解离去把它能够变得有强度呢，其实它是用了高分子的概念。
就是我们在高分子中，这个上面的这个横着这条线呢，是共价连接的。也就是它是不可解离的。😡，我经常跟那个我的学生说，我说这就像中国的血缘关系是不可解离的。😡，然后呢，但是呢，在恋和恋之间的话呢。
就是含有信息。这个信息呢，它有它的越复杂，就使得是你的每一个解开的时候呢，它周围另外一个呢还没有解开。因为它解开是有几律的。那么他没有解开，就限制了你的离开。所以呢等到他要解开的时候，你已经又回去了。
所以说呢大家就有一个竞争平衡，使得呢想结合完全的结合，其实是一个很慢的过程。但是呢要想完全解开，也是一个非常慢的过程。我们其实是通过信息的复杂度，使得整个体系慢下来，使得那么你在感知的它的时候呢。
如果你给它一个快速的剪切的时候呢，你会感觉到它比较强。但是慢速剪切的时候呢，它又比较弱。大家这个在生活日常生活中是有应用的，就是我们的粘扣体系，你可以想一想，它其实并不是拿这个焊在一起的。
但是呢你可以一个一个拿针把它挑开，不需要多大的力。但是呢你想一次把它撕开，还是需要很多力的。这就是在分子之间用这样的一个体系。当然它在生命体系里头，为什么会有的话呢，是因为它有了多种的相互作用。
还要有一个含有信息的序列的精确的互补匹配。那么他可以放大这种互锁效应。那么。在哪里有？其实在合成上，这是一个挑战。很多化学家不愿意去合成一个常链的具有序列的这样的一个高分子，因为它太贵了。
那么生命体系里头呢，它不是用这种玩法的，生命体系是蛋白质，是一个精确序列的高分子。核酸也是。所以呢我们就用这样的1个20个碱基的这样子的一个序列。那么红的呢，它是一个字，大家可以从这头念和这头念呢。
你会发现它翻过来正好跟它自己互补蓝色的也一样。所以说呢这条链的话呢，它就是蓝的跟蓝的去形成双链，红的跟红的它自己会形成双链。然后呢，它就会聚合成一个超级长的一个聚合物。所以我们的聚合物的时候。
我们讲的它的单元并不是一个小分子，而是一个大分子。这个大分子的话呢，它可以解离的非常慢。所以这使得我们在世界上第一次在用传统的高分子的办法去证明了这样子的用弱的相互作用。
也可以产生一个具有高分子性质的这样的一个分子。😊，我们可以测得它的分子量。可以测得它的分子量分布。另外一个呢，还有一个很重要的一点。因为在传统的测缸子的分子量的时候呢，大家可能不太熟悉啊。
就是它要不断的去稀释，获得一个梯度，你才能去看到它的这个被稀释的效应，跟它的之间黏度啊或者跟分子性质之间的关系。那么我们就是在不断的稀释的时候，你会发现它可以被稀释100倍1000倍。
它基本上的解离都是很慢的。因为呢它是被锁定了。在这样的一个时间度范围内。当然你要把它放到几年几十年，它一定会解离的。只不过是你没有那一个耐心。而我们之前呢是端端的相互作用呢。
它的解离往往都是这个毫秒甚或是微秒这个量级的。还没等你拿到仪器上去检测的时候，它已经。崩溃了。所以说呢我们其实只需要几个小时甚或几天，那么我们就可以去测得它的这样的一个这个高高分子的分子量。
那么大家就是理解了，就是你他既然可以维持这个几分钟到几个小时。那么的话呢，我们就把这样子的一个互锁的序列呢，放到了一个交联体系里头来。这是一个三维的教联网络。那么在它的中间这一段。
都是这种可以响应慢速的，不能响应快速的这样的一个结构。你会可以看到呢，就是它既有非常好的力学强度，它比化学教练的这个强度都要好。是因为它用了多个的相互作用，相互的锁住了。那么同时的话呢。
它还有很好的可逆性。它的可逆性能好到哪里呢？😡，我们可以看到这个这张图是一个溶液。这是我们经常在护士打针的时候，都给你挤出来一点。你看出来它是个如果溶液，它就离开了针头，它就抛射出去了。
但是呢我们这个胶的话呢，它是可以很容易的被通过针头挤出来。但是挤出来以后，它又迅速的在毫秒的这个时间尺度范围内，它又重新变回了。😡，固体，所以它就会粘在这个针头上。那么它就是有高的强度。
依然具有很好的简切便析的性质。所以呢我们可以通过3D打印的办法。结合在细胞一起，然后呢去做成这个微米级的精度，厘米级的尺寸，这样的一个大的这样的一个材料体系。那么它还有一个好处，我们刚刚讲了。
它其实呢是对力的响应的性质呢是可以调控的。那么我们有一个就是现在有一个现在很时髦的，就是用肩中质干细胞。然后呢，因为现在大家生活好了去跑步，很多人把膝盖就给跑坏了。那么去怎么去治疗呢？
就说把干细胞打进去，希望它能够在这个缺损的部位长回来软骨。然后呢，我们就又恢复到我们就是天生的这种状态。那么这样的一个体系当然很好。但是你要知道细胞其实是很难能够在一个非常非常这种高剪切的环境里头。
你把细胞放到一个石磨里头来回的去磨它，它能活下去吗？很难。那么怎么能让他活下去呢？😡，你他需要保护，其实细胞外基质就能够保护它它是怎么保护的呢？它其实是用了一个超分子的相互作用呢？它把这个就是表面的。
因为它需要用表面来去带动整个溶液去变化的时候，那么它有通过超分子的相互作用，把大部分的力和能量都耗散在它最最表面的那个地方，在中间的话呢，其实细胞是感受不到这些剪切的。
那么它很容易的就被就是里面的保护起来。所以我们也去设计了实验，这就是化学价就是我们要从线象的观察，然后呢去到实验的设计，我们证明了呢，它绝大部分用我们这个胶它就不会死。所以呢你会看到呢。
最后的时候就是在整个这个体系做完了以后，我们其实做了一些动物的实验。那么就是用兔子来去做实验。那么兔子的话呢，那么你首先是给它做了一个关节损伤。那么比如说有这是原生态的，这是原生态的兔子，它的这。😡。
这个软骨染色了以后就是这样。那么如果你不给他治疗，他其实是这样子的，你去做了切片。那么如果我们只用胶，那你会看到呢，他也有一部分的呃东西长回来。但是呢你大家可以就像看图一样的去找不同的时候。
你发现这个是。😡，干细胞肝细胞呢其实上面是填充了一层物质的，但是这个物质和原生的物质有什么不同呢？最后一排是我们用了胶，也用了我们的这个细胞，也用了细胞。大家可以看出来，这几组有什么不同呢？
细心的人一定看到了，就是这中间有一个像中国扇子的扇骨一样的结构。😡，这个结构呢是染色的过程中，由于脱盖，然后呢，其实是整个软骨并不是一个均匀的组织架构。它这个里头呢它是有一些硬的，有一些是非常软的。
它通过软硬的符合呢来获得了非常好的性能。但是如果你只用干细胞的话，它长出来的呢，纯是软的那一部分，它没有硬的这一部分。那么在染的时候呢，它就是个均匀膨胀，你会看到它是没有皱褶的这个体系是皱褶。
那这个皱褶呢是因为它这个中间有微结构来形成的这个皱皱褶。所以呢用了这样的一个体系的话呢，其实我们最后就是完全实现了。因为我们保护了干细胞，让它有很多的细胞在原位可以长回来，长得很好。
当然这还涉及到很多很多其他的这个研究时间的关系呢，我就不会跟大家去去讲那些很细节的。那么其实我今天就是最后的这个总结呢，是我。这个最近几年来一直模模糊糊在去想，但是呢这次文斌给了我一个机会。
让他让我就是大声的讲出来，是说，其实高分子才是生命智能的一个基础。他通过共加的主链，把这些不同的信息含在这个主店里头，使得我们可以在不同的时间尺度上对他的持续性能进行调控，从而去实现智能。
也就是通过多机元动力学互所。那么生命体系是在可以调节这个时间尺度。那么使得我们的这个整个体系兼具了可逆与高强度，当然最后我要感谢我的合作者。因为其实一个人的能力总是有限的。
那么每一个人都有他自己有特长的地方。我我的逻辑就是说去向这个呃专家去学习，最好能把它团结起来，一起去达成我们想要的这个问题的解决。当然我要感谢我的学生们，其实短短的这个220多分钟。
其实是十大概有十来位学生。😊。
然后前赴后继的做了小20年的时间。那么也感谢就是呃基金委、科技部，还有清华大学对我们的这个支持。最后做一点小小的广告。其实呢我们这是个智能材料，我们有smart molecules。然后呢。
彭晓军老师是呃主编。然后呢，当然我也有幸是副主编，欢迎大家呢多阅读多投稿，多引用，谢谢大家。😊，我们还有。对对对。谢谢刘老师的非常精彩的报告。然后我们把这个提问，待会都一起放到研桌讨论的环节来一起讨论。
那么下一位报告呢是报告人是唐静瑶教授唐静瑶教授03年本科毕业于中国科技大学08年呢，在美国哥伦比亚大学获得博士学位，之后，在加州大学博克利分校从事博士后研究。2012年加入了香港大学化学系现任教授。
那么唐静瑶教授的克里组主要从事是活性软物质体系的研究，包括微纳米机器人光化学驱动和物质表面电动力学的发展。相关成果呢发在sci nature nature at material等等一流的期刊上面。
他曾经获得香港杰出青年学者奖研资局研究学者奖察优秀科研者奖等奖。这那下面我们就欢迎唐静瑶教授。好，谢谢大家啊。这个首先感谢组委会这个给我这个机会跟大家进行交流。
因为呃这个特别是呃就是说因为这个整个题目吧是一个关于这个智能材料。然后就是说你看我这个题目可能是活性物质到活性材料。因为我觉得我们的现在材料的话呢，你要实现那个智能可能的确来说还比较困难。
但是我可能会尝试解释啊，我的理解什么是智能材料，或者说怎么样子来实现智能材料。因为我们说智能的话呢，我们最想看到的东西呢，就是O就像现在人的思考呀，或者说是包括现在T对吧？就是说这个AI的这个发展。
但是说你会发现的话呢，就是这些东西的话呢，死的东西是一定不可能的吧？东西一定不可能一定是活性的非平衡态的物质才可能出现。然后的话呢我们想在这个方面呢做一些工作。对就是我的一开始的这个一个基本的出发点。
就是说我们是做材料的，或者说我们当然我是这来说我是。做物理化学的对吧？或做物理化学的。所以说我们也也是跟这个刘老师一样，我们喜欢研究抛竿问题的问题，对吧？什么是材料，对吧？什么是材料，对吧？
比如说现在有因为做材料的很多，但是呢也做物质的话呢，或者物质科学的人也很多，对吧？我们叫做现在有一个领域叫做active matter叫做活性物质。然后的话呢。😊。
哦我写错了O活性物质到活性就是说是不是活性材料和这个普通的材料有什么区别？就是说什么是材料，什么是物质，对吧？我的我我的解释一句话，对吧物质呢就是一般的东西材料的话呢，就是有用的物质对吧？
如果说你找到一个一个一个一个一个一个物质，你说它有用，那么就是一个材料是吧？那么一般来说我们说材料的话呢，或者说东西一种东西都是从这个atom开始。
然后进行组装的包括刘老师刚刚你讲的这个关于这个各种的这个高分子的材料啊，或者说一些啊，都是一些我们用了很多的材料，后呢我们把它赋予各种新奇的一些功能在里面但是说的话呢我们发现的话呢。
这个东西本身来说全部都是一个平衡肽。大家用的是绝大多数都是一个平衡。当然如果说你放在细胞了，就不是平衡肽了，对吧？但是说的话呢我们说它就是有另外一种。😊，物质它完全跟普通的物质不一样，对吧？
就说比如说我们之前做的这个这个这个所谓纳米马达，就是他们自己会在在在在溶液里面跑，对吧？它必须要跑的话，它一定要消耗能量。如果说消耗能量结束了，它就一定不跑了，它就死掉了，那么它就不一样。然后的话呢。
这种物质的话呢，它就完全不同，对吧？包括这个我们的这个生物的里面的这个这个这个呃这个蛋白啊，然后呢，细菌呢，然后我们的细胞啊，包括那些鸟群啊，鱼群啊，它们就是不断的在消耗物质，对吧？不断的消耗能量。
然后呢，那我们若说材料对吧？哎，那为什么我们所有的材料都在这儿呢？就没道理，对吧？😡，我们的材料为什么全部都在平衡态？为什么我们的材料没有在非平衡态呢？
就说我我的我的感觉就是既然物质可以大概我们就分分成平衡态和非平衡态。那么材料我不相信。所有的材料都在这里，而这里上面的材料就没有。所以说我说OK好的，我们一定能找到一些应用。
赋予到上面非平衡态的物质里面，或者叫做活性物质里面，然后把它变成一个活性材料，吧？基本上来说是这样子的。那么我们从那个基本上想法来说，O一个材料是怎么样子开始的对吧？
我们从一个最简单的一个活性单元或者最简单的单元，然后呢它可能呢形成一个一个的小团促。小团促的话呢，这些团促在聚集在一起，最后呢变成它的这个宏观的一个性能，把它的一个性质。那么的话呢，对于平衡态来说。
我们大概现在都已经知道了，应该是怎么样子的对吧？它的怎么样子聚集在一起，它怎么样子的性质到怎么pred对来进行它的预测，大家都知道的。但是说的话呢当我们把新的非平衡态的物质把它给加进去了之后。
那么呢我们就需要一套新的理论。😊，来做这件事情，新的他到底怎么样子能够从一个一个的小单元组成一个大的这个团促。这些团促在聚集在一起之后，怎么样它有什么样的性质。
我们现在都没有一个现成的很好的理论来做这件事情？就是说我们第一我们要寻找有没有一些性能，或者有没有性质，可能在这里面可以用要把它用起来，对吧？第二个的话呢。
我们要发展一套理论能够来证明他这个东西怎么样子来进行这个设计材料是这样子的，就说这个是之前我们的这个一系列的就是说可能近呃667年的一些工作。
就是说当时的话呢主要就是搞了一些这个光催化的一些体系放到这个溶液里面他都会在那里走来走去的跑来跑去的？当然挺好玩的，但基本上来说的话呢，O除了玩的话呢，可能也就暂时就这样了，对吧？
但是说我觉得呢他们就是一些builing一些基本的单元，我们从这些单元出发。对吧我们作为单元出发，这些单元如果说把他们聚集在一起会怎么样子，对吧？就是说一一个最。呃，最简单的这个东西。
为什么我们要做这件事情，对吧？做做纳米机器人，或者说就是大家就想做这件事情，对吧？就是说OK我们比如说有一个肿瘤，对吧？就是说那这这个是菲曼一开始就提出来的对吧？
纳米科技的一开始就做就这样子OK我们想的是人有一个肿瘤。然后呢，我们就放一个纳米机器人，这个纳米机器人呢就跑到这里了，然后呢，他呢就能够找到那个肿瘤，然后呢就跑过去自己把它切了，就这个想法。
OK就是1969年christmas。😊，1969年的圣诞节，他说的一个事情。呃，但是的话呢，到现在我们也不知道怎么做，我们也不知道怎么做。就是说他实际上来说这个东西啊，这个机器人一定需要有智能。
因为它需要有一个决策的机制。因为这个相当于是一个肿瘤或者怎么样，他在那里释放一些化学信号，然后呢，他要被识别，识别了之后呢，他还要自主的跑过去，对吧？
他说我认为的话他需要有一个复杂环境中的一个探索决策的一个机制，同时的话呢，因为在这个人体里面这个信号是非常非常乱的，非常非常乱，对吧？到各种各样信号都有。
所以说他一定要有个对抗干扰和一个信息处理的一个能力，吧？这个东西怎么样子能够做到，就说我们就是不太清楚不太清楚对吧？就说所以说呢作为这个呃化学家或者说我们做化学的研究者，我们就想想对吧？
最简单的到底怎么做，我们能不能够构建一个最简单的体系来来来模拟一下这件事情，模拟一下这件事情，对吧？就是就是我我的想法，对吧？我们如果说有一些这个纳米机器人对吧？一大堆然后的话呢，旁边的话呢。
就有呃这个这个这个这个细胞对吧？有一些组织？有一些组织的话呢，可能是良性组织，这边是良性组织那边呢是癌细胞。😊，就是恶性组织对吧他们都在进行新陈代谢。
然后都会发出一些这个这个这个chemicals一些信号。然后的话只不过呢有一个信号呢可能比较弱，对吧？
有一个信号可能就比较强那个那个称肿瘤标般说话就需要进行一个识别就对抗不要去这边要去那要过去基本一个想法，那么呢这个呢由于它的信号本质来这个健康细胞肿瘤只不过那边比较多对吧？只不过那边比较多。
那么这个就存在一个我们叫做灵敏度问翻译灵敏一个信号到底是不是灵敏很灵敏的话就就就比较喜欢跑过去对灵敏不太过去就这这个是一个翻译叫灵敏直意灵敏实另外一个翻译的话就叫。做这个这个比如说这个材料里面。
我们把它称之为比如说呃对于电厂的灵敏度，我们就要给他起个名字叫做极化率。对于磁场的灵敏度，我们给他取个名字叫做磁化率。所以说这个东西其来说就叫做这个对于化学的敏感度。
所以说我们叫做我给他取个名字叫做化化率，对吧？就是化化率化化率。那那那你就需要不同的化化率啊。那你这个到底怎么样，他他什么情况下就化化率，什么没有化化率，对吧？
就说我们叫想办法来预测一下这件事情叫的化化率对吧？就基本上说我我们这个呃之前的话呢，就是说O我们来看一下这个如果说啊这个在自然界里面他们怎么做的。😊，有一个有有有有有有一个蜂巢对吧？有一个蜂巢。
旁边的话呢有一些 source对吧？有一些食物。然后的话呢这个蜜蜂的话呢就会把这个蜜蜂跑的到处是到处去找找了之就会回到那个蜂巢那个地我们知道他会跳舞对？跳舞跳了之后呢。
他就会做一个决策决策之后呢就把所有大家都跑到另外一个他这个source里这个食物那里对吧？没有食物的地方他就不去了有工厂就不去了，对或者说食物比较小他也不去了，他就会做一个决策。
所以说他就相当于是一个涌现出来的一个智能，每一个蜜蜂它没什么智能加到一起他有智能就这意思那么的话我们在自然界看到非常非常多的这个现象？
就是鸟群鱼群或者说是这个蚂蚁群都是有的我们做一个简单的就是大家在实际来说是有研究的实际上是有研究。为什么他们会做这件事情就说这个是就是他们做生物的，或者说是做这个这个研究里面，他们就说O为什么他是做。
😊，物理的他说为什么鱼会做这件事情呢？它有一个model，他有一个model，它就是鱼会遵循某一个规则，对吧？它会有一个规则，然后由于它遵循这个规则。然后这是两个规则，是呢它就不想太近。
他就说近了之后我要远离然后我也不想离得太远，太远了之后我要吸引，它就形成这么一个情况，那么就他们在这就做了这么一个实验，就是比如拿个鱼对吧？拿个鱼，话呢就可以发这个鱼的话呢在里面啊这个位置的话呢。
它是互相排斥的。这个鱼的话呢离远了之，它会相互吸引的。在这个条件下的话呢，它就可以形成鱼群的那个效果，O大概就是这么一个意思。那么呢我们呢当时就构建了一个这么一个简单的化学体系，对？
如果说你有一个A化学体系，对吧？物质？会有一个放出一个离子，同时呢有一个B化学体系，它也会放出一个离子。同时的话这个A化学体系呢，它放出这个离子呢会被B呢给吃掉然后呢呢放出离子。😊，H掉。于是的话呢。
他就和一个相互交换，都会互相来换来换去的对吧？就是一个交换相互作用。胶相作用的话，我们放在一起的话呢，简单的说就是我们拿一个这个化学反应非常简单，酸和碱的化学反应对吧？高中就学对吧？
一个氧化锌再加一个呃酸，就是黄酸，就是一个呃强酸，那么它就会酸碱综合，这么简单。所以说一个放出一个氢离子丢到那边去。一个呢再把那个氢离子就吃掉之后放出一个氢离子再丢回来，就这样子。😊，非常简单OK呃。
没什么好说的，从化验角度来说，没什么好说的。但是呢你可以看看他这个东西，它本身它会运动，对吧？都都都会导致这些运动的行为，这个不是什么特别有意思的因情。但是你把它放到一起之后就会发现的话呢。
他的行为就变得非常奇怪了，对吧？它吸过来，然后又排出去，吸过来又排出去。😊，OK。然后呢，你把它放到那一起，OK这个时候你会发现呢呃中间那个棒就是氧化锌，对吧？外面那个粒子呢就是那个酸性粒子。
它把会放到一起，然后一下子弹走了，所以上面呢就是速度就会一下有一个对吧？有一个然后呢这个这个相互作用，我们把它称为这个非对应性相互作用，就跟个鱼对吧？我一个鱼跟另外一个鱼之间的相互作用，他是不一样的。
他们的力是不是大小相同，方向相反，他跟那个牛顿第三定律还不满足，对吧？就是说一个追一个杆的一个关系，对吧？一个男孩喜欢女孩，所以说过去女孩讨厌他，所以说跑开对吧？就这个意思。😊，就这个非相互呃对弈关系。
然后的话呢，由于有非待遇对弈关系的话呢，它就会产生呃，就是说OK接说的话，它就会产生一个。吸引式和一个排斥式。但是这个吸引式呢就是一个呃远程吸引式，近程排斥式，就跟那个鱼是一样的，跟那个鱼是相同的对吧？
基本上来说就是怎么样，它是一个非呃对异性相关关系。同时呢又有近程吸引远程排斥的一个相关关系。于是的话呢，在这个情况下形成这么一个非常奇怪的一个一个一个一个中心一个盒，外面呢围了一圈的这种情况。
我们就说跟那个鱼很像了，对吧？跟那个鱼很像，于是呢就形成这么当然我们也可以做一些这个嗯。😊，这个mapping对吧？看看这个例子的相互作用啊，它的那个那个那个排斥的那个那个范围啊之类的对吧？
我们也可以run一些model。对么就是说这个就是进程吸引啊，进程排斥远程吸引的一个相互作用。然后你可以run一个model，基本上来说的话呢，出现几个相互作用，对吧？我们也说与它是有一个规则。
在一个规则的条件下，他做某件事情。那么我们呢也可以在某一个规则的条件下让他做某件事情。就是说这样子的话，我们把一个规则把它输到一个那个computer model里面去。
让它去run这个规则是最后就是说我们形成的规则是最右边的一个规则，就是我们一共有三个规则，一个一个规则把去掉就是信号慢慢消了于是的实验也是这样子那么实验一个小的尺度里面它就会形成这么拉着丝的这种相互作用。
越来越大它这个丝的话就就越锯越大越巨大。但是就看到越来越像这个像这个这个鸟群或者鱼群或者像蚂蚁的样子，越来越像蚂蚁从小到大对吧？
这是从100微米的范围毫米就几毫米的范围了再往后拉的话呢你可发现这个宏观尺度上来说，它也是做相同的一个事情。完全相同的一个事情。你可看到这里比如它会拉这种丝拉。😊，是你可以想象那个蚂蚁的那个样子，对吧？
是不是就是感觉很很很很有点像啊，是吧？很有点像，因为他们的这个规则是相同的，在一个规则相同的情况下，蚂这个这个我们的这个合成体系就会做跟蚂蚁一样的行为。😊，然后呢。
这个东西呢本身呢就是在蚂蚁他们研究里面，它就叫做呃叫做叫做叫做叫做叫做deion making的过程。就是说他做一个决策。什么意思呢？就是说比如说你这个有一堆细胞，对吧？细胞当达到一定的密度的时候。
它就会突然一下子turn on，它就会所有所有细胞开始发光。比如说这个绿藻或者蓝藻，它就荧光的，它本来就是大家都不发光，就都都都离得很远，你把它给这个浓度给它加高了，它就突然一下子大家所有都发光了。
这个叫做这个这个这个集群集就叫做呃集群响应吧，这叫集群响应效果就。对吧基本上来说就是蚂蚁就是做这件事情的。OK我们就就不放这个video了，我们也做这件事情，对吧？😊，如果说要找一个最好的点。
蚂蚁会找哪里呢？蚂蚁会找这儿。对吧蚂蚁会找这，因为蚂蚁他总现总喜欢跑跑到一个偏边角角的那个位置去，对吧？他总现跑到偏边角角的那个位置去。那么我们的这个东西他也会，因为它这个。😡。
从数学上来讲还是相同的对吧？相同的。然后呢，所而且所有的这个例子，虽然他们都是不能够感觉。比如说你一开始在这里有一个例子，他不可能知道那边有一个这个这个角落还想跑过去。
就像蚂蚁一样非常大的蚂蚁或者说这密蜂。他不知道那个很远的地方有一个食物。但是他会跑过去，他能够找到，因为整体呢会做一个集群的一个响应或者集群的智能的一个响应。只能响应。比如说的话呢，如果说从蚂蚁来说。
你你当你有相同的这个两个位置或者5个位置的时候，它会决定同一个位置。比如说蚂蚁说我我要筑巢，我不能说我我我住5个草，那不行，我一定要注某一个巢，虽然说你5个巢实际上来说是一样的，它还是会筑某一个巢。
对吧？是一样的这个这个效果对吧？比如说这个这个两个猫耳朵对吧？那一开始的时候可能两个一样，过一会之后达到这个这个这个这个这个相当于大家在投票吧？等投票达到某一个密度的时候，大家就跑到一边去了，跑一边去。
基本上一个效果，但就是说这个东西呢，就是我们所想的一个一个概念对吧？就是说你你你你你你有个肿瘤对吧？这里呢好像有一个source对吧？那那那你这边有一点点然后呢，所有的东西呢就被都给拉过去了。
所有东西都被拉过去了。但是这个东西并不是因为。😡，这里的例子啊感觉到了这里有一个化学场，这里虽然的确有个化学场，但这个化学场非常的弱。我们可以看那个化学场，化学场就是非常集中的，就只有一点点化学场。
就是说它不是说远程的。😊，短程的化学厂，但是呢在长城里面呢形成了一个相互作用。对集群集群效果呃集群效果。所以说话呢回到这里我就花另外一点点时间我来讲一下什么是就说我们的想法到底什么是智能，对吧？
或者说智能是涌现吧大就我就不用再讲了，大家都知道什么叫涌现一些小东西？看起来都没有什么但是等你足够多了突然一下好像就有一个新的功能了，它比原来要一级涌现简单的个例子的话就是蚂蚁？
单个蚂蚁绝对没有的一群蚂蚁它就有智能了？单个的这个细胞吧神经细胞神经元它是没有智能的加到一起就有了包也是一样的单个的一个电脑是行大脑加在一起它就会有了所以说话呢这个就叫做复杂性系统吧？
它这个东就主是需要有一个 component非非常多的单元他们之间的话呢一定要有一个相互的作用作用它是一个中心。😊，化的就跟那个什么比特币是一样的，它去中心化，它没有任何一个。
比如说这个这个这个这个这个这个蚂蚁跟其他蚂蚁有什么区别，对吧？它没有一个高级的蚂蚁对吧？也没有这个高级的神经元，它也没有的，大家是一样的，那么在这个情况下的话，它会有一个简单的一个规则。
在这个简单的规则的基础上，它会变成一个这个很复杂的一个体系，对吧？它为什么会出现这个事情，比如说这个别人也很早，这个是呃这个。😊，这个罗马尼亚的一个化学家对吧？叫叫普尔高金呃。
1974年的诺贝尔化学家对吧？他主要就是把这个复杂性的这个非离远离平衡态的一个观念呢引到了这个化学体系里面。就是或者讲。但是说他就提出了一个这个东西事情，就是或者说他的这个追随。
他就要做他这个东西提出的东西叫做。普尔高金学派对吧？你就听这个例子就很高级对吧？然后的话呢，他们就说提出了一个自主制临界，就是说self organized creativity啊。
就是到了一个某一个自主制，他的临界的时候，就发生一个相变。他就说OK那么这个涌现的行为和这个相变行为是有一个相似的。就是说当你这个。一开始可能比如说你说一个一个的computer加在一起，连在一起。
两台、三台、四台没什么关系。当你达到了，比如1万台的时候，突然一下子会起来，就跟那个相变，就跟那个水一下子到了一个冰一下子就融化了，是一个概念，对吧？所以说的话呢，我们就想说。
那么我们能不能够把相变的这个概念。用到这个材料里面，特别是用到非平衡态的材料里面。因为非平衡态的那个材料之前的相变我们是很难去predict的。
那么一般来我们相面用的是这个平衡的理论测相变那么呢能不能够原来的那些平衡态的理论的相变用到这个非平衡里面去我了一个简单的一个实验个简单实验，比如说你你有两个例子，的粒子和和蓝的粒子。
他们呢本来是一样的所以说他们就会形成一个混合物，我们说就右边的样混合物，但如果说他们两个不一样的话呢，比如说差距很远吧它的作用力才会很的话，就分分开变成两两项就叫做这就和分开。在这个情况下的话。
我们可以这简单就相当于是你一开始是水和酒精，突然一下那些酒精分子就成了油分子就一定会从里面。出来对吧，就一定会从里面吸出来。那么基本上我们就做成那一个体系，因为我是做光的对吧？我们做光控的。
所以说今本上说你你拿一个二氧化钛的粒子，把它拿个光拿个那个染料分子染一染，对吧？染料分子染一染，然后的话呢，你把它那个一打光吧？打发生一个化学反应这个化学反应你实际上看什么东西都没有发生对吧？
就是化学反应里面有电子就是这个这个染料分子被激发了，把电子给到二氧化碳，然后呢再把这个二氧化碳从那个从染料分子里面交一个电子，然后把它递二氧化碳化把这个电子递回去，这个过程似乎是什么事情都没有发生。
但是实际上它发生了一些事情，它呢会产生一个相互的相互作用，就是说粒子和粒子间的相互作用还是不一样的。我们可以让一个可以知道。我们可以把它测出来。
就是说当量个粒子的相互作用呢跟着光强呢是跟吸光的强度是有关的。越越来越强它的相互作用呢也是会越来越强的那么的话呢因为这里呢就简单就是就是热力学的这个相分离的理论就直接可以用。😊，来了。
就是说当你什么时候是。😊，分离肽什么时候是溶液态。那么那就是说OK我们就可以计算一下，OK什么时候它的商是最大的，什么时候伤是最小的，或者什么时候是极部的自由能是最大的对吧？这都是OK本科学的内容。
对吧？本科学的内容，基本上来说的话呢，我们就可以把它用过来放到这里对，基本上当你有两种例子的时候，你可以看到OK。😊，他就会有一个。两相平衡头单向平衡态。比如说就在那个位置。当你不打光的时候。
当你打光了之后呢，由于两个粒子之间相互作用会逐渐的分开，分成越来越开的状态，对吧？所以说它就会从这个单相肽分成多相肽，所以说就做分项，就生分项，基本上说你也可以在这个实验中可以看到这个现象？
现在个现象因为比如说我们一开始有红的粒子和一个蓝的粒子，你打光了之后，比如你打红光，它就会把红的粒子变成一个叫做active叫做活性肽吧？
如果你不打光就是就是非红基本上说一样那你可以看到我打相同颜色的光某一个颜色的光就会导致它某一个颜色的粒子，就会聚起来会聚起来。基本上就这么简一个简单的事。
那么我们可以做一个很简单的实验就说是因为这个这个这个染料分子很多嘛，你就选不同颜色，里就是红绿蓝说了红黄蓝红黄蓝红黄蓝的话三原色大家说那个。😊，那个画画画画三原色就是红黄蓝，你把它放在那对吧？然后呢。
你配在一起，红黄蓝的话，那配在一起就是一个黑色的一个东西，对吧？就黑色一个东西，那么简单简单。然后于是呢，因为你有黑色的东西，你可以放在这里呢，它有三种不同的在2D空间里面，你打不同颜色的光。
就打致蓝光，你打绿光，一打红光，它就会形成相应的一个分项。然后呢，在3D空3D空间里面呢，就是说这个东西就是非常简单的过去的热力学，那就也一样会形成分项，就是分项的话有形成3D方向的分项，对吧？
一个上中下这个不同的情况。😊，然后你可以看到，比如说我们如果说打这个红色的光，那么呢它底下的话呢，就是一个吸红光的粒子，实际上就是蓝色的粒子。它的上方的话呢，就是它的红色粒子。如果呢相应呢你打绿光的话。
那上面呢就是绿的，那么下面呢就是其他两种颜色打蓝的话，蓝的就会飘到上面来，其他呢就到下面去，就基本上这么一个情况。那么呢你可以做一个很简单的这个演示实验。
那么就是说比如说你这个一个本身来要是一个混合的一个黑色的一个一个一个墨水，你打了不同颜色的光，那么相应的粒子的话呢，就会有一分项有一相喷会飘出来到飘到表面上，然后呢你打出来的话呢。
它就会从这个整个体系里面呢显出来就会显出来那基本上说比如说我们说你打一个这个颜色的这个图案，那么就会图案的话就会显出来这个效果，我们就就是一个变色的一个材料吧。
我们这个变色材料那个乌贼的变色效果是一样的乌贼的话呢，它就是把它一个色细胞的里面的那个颜色的话顶到上面来那个。😊，包给你顶上来了，或者拿个肌肉给你顶上来。我们呢是通过一个呃相变的方式来实现这个功能。
对吧？也是一样的。OK然后的话呢，你呢基本上来说可以这么做，对吧？那那那既然你有这个材料嘛，那你可以打光，那么打不同的形状或者不同的这个东西，大概后它它就可以切换不同的颜色，或者就切换不同的图案。
那么它基本上来说就实现一个这个这个光质的自调节的一个变色的一个功能吧？那显然就是这个这个东西呢，因为是可以可以编成的，我们可以边说OK啊，你现在打红光，那么它这个地变成红色的，我也可以把改掉。
我们说打红光的时候，你给我变蓝色行不行？那可以没问题，变绿色行不行？可以你随意变，你可以随便怎么变，就是因为它是相分离的。我们说它这个相互作用，我们可以去调节，对吧？它是一另外一种从活性吧？😊。
一个例子变成一个活性的一个材料。我们就找到一个应用吧。我觉得这样子的。就基本上来说我觉得O我我我举这么一个例子，就是大概意思是呃活性的材料慢慢慢慢往前演化。
那么的话呢我们呢找到一个办法来去找到它的怎么样子来知道它的效果，还是不是能够啊实现这个新的功能。就如果他新的功能，那么我们它是一种材料。那么我们当然最想做的是这个材料的话，能不能有一些啊智能的行为。
比如说包括怎么样让它有记忆。就实这个是最困难的，就是一个材料能不能怎么样记住它自己之前的一个状态，这个是非常困难的一个事情。但是说的话呢，我觉得这个东西也呃。呃。
决定于你后面就是说我们后面还有没有别的一些相变的理论能够新的引入到这么一个活性的体系里面去，对吧？活去。对我现在时间也差不多OK大概反正就是说呃谢谢大家。然后我的这个这个大家都主都是学生做的。
然后也感谢这个基金委啊，然后香港的那个各个的支持，谢谢大家。谢谢他。呃，下一位讲者是呃来自哈尔滨工业大学的黄鑫老师。黄新老是2009年于吉林大学高分子化学与物理专业获得博士学位之后。
分别在澳大利亚新南威尔士大学、德国莱布尼茨高分子研究所和英国布里斯托大学从事博士后研究。呃，近年来，他主要围绕着这个生命功能仿生组装，建立了蛋白质囊泡体系。
并拓展了其在人工仿生细胞生命健康和绿色生物能源等领域的应用。他曾认红宝学者欧门玛丽居理学者国家高层次海外青年计划呃青青年人才和英国皇家化学会学士等荣誉称号。
现担任s川 tech science呃青年编委以及gene science part的编辑。让我们一起欢迎黄鑫老师。
呃。Yeah。那个谢谢张老师的介绍。那我本人呢很荣幸有这样的机会。那个参加这样的一个会议哈，围绕着那智能的物质基础是什么？向大家呢做个教我结合我自己的工作和大家呢做个汇报和交流。那么提到智能。
我想一定和生命是离不开的那么生命呢，大家并不陌生，应该是有几十十几亿年的一个历史。那么我们要构建这样的一个谈到一些智能智能一些材料的构筑。我接到张老师给我的这样的一个命题，这样一个作文之后。
我自己也在思考。我想那么智能智能一定。😊，和生命离不开，也可能是智能的最高形式，是不是也可能是一种生命的一个生命形式的一个出现，是智能智能材料发展的一个终极的一个目标。所以说基于这样的一个考虑呢。
所以说我要结合自己的一个工作呢，把我关于这样的一个仿细胞仿生命类生命的一些行为，一些小的一些进展，和大家呢一起呃那个做个汇报和交流。那个提到生命，其实大家并不陌生，应该是大自然的一个伟大馈赠。
它是经过多重的一个化学演变，从无序到有序发展而来的。那么一些一些人，包括我自己，我们也在思考，其实是能够能够对于生命行为和功能的再仿生，再组装再构建，应该目前是多个学科，包括我们化学，包括我们材料。
包括生命科学，以及包括也可能包括智能材料的一个领域向前发展一个终极的一个目标，或者是终极的目标之一。那么朝向这样的一个终极的目标，其实具体上给我们也提出了一个具体的一个科学上一个挑战。那么从化学角度看。
那么这样一个挑战。我们可以明确为，那么如何去从。无生命分子的一个基元到这样一个有生命体的这样一个组装跨越。那么朝向这样一个大的比较宏观的这样一个科学挑战。其实对于这样的挑战，我们也并不陌生。
比如在我们2021年时，我们s和上海交大在征集的125个科学问题当中，围绕着这个挑战也具体跟我明确为把这样的一个挑战分解为我们可以和这个人工细胞吗，以及这样细胞内的生物分子是如何组织。
从而有序有效发挥作用的。那么在这里呢，其实接下来我和大家讨论的，包括我自己的一个工作呢，其实朝向这样的一个科学目标，我们尝试的一个切入点，因为我是属于呃做高分子化学高分子组装的。
所以说是呢我们一个切入点是区别于生命领域最小基因组的构建。我们尝试基于仿生。的策略去对于细胞的行为和功能的仿生构筑作为一个突破口。那么在这里呢，我我的前期的一个工作呢。
主要是利用我们生命体内广泛存在的另一个基元蛋白质，它作为构筑机源，我们尝试组装构筑了一类蛋白质囊泡。那么这样一个蛋白质囊泡，也是结合方才，我们流老式的一个方法。
我们也尝试了利用框架诱导组装将膜上的一个构筑机元，将将膜这样一个蛋白质表面的引入这样的一个磷脂这样一个构筑机源。从而呢我们设计这样一个体系。我们一个目的呢是尝试着对于细胞的一些初级的行为和功能进行构筑。
那么目前呢这样的一个我们前期的一个数据尝试。我们包括对于这样的一个蛋白质囊泡体系。我们可以实现内部绿生网蛋白质的表达。我们也可以设计这样一个囊泡体。气使其区展现出一个酶驱动的这样一个它的一个运动行为。
包括这样一个囊泡内部，我们可以通过相分离实现内部不同酶的一个催化极联反应的一个代谢行为调节。那外部呢我们也可以进行一个仿细胞质的一个构建，仿仿人工细胞壁的一个构建。包括内部的一个区间。
我们也可以构筑这样的一个仿细胞支架的结构。目的呢，我们是提高这样的结构的一个稳定性。那另外呢对于这样一个空的这样一个内部的一个囊泡的一个空间区域呢，我们可以进行不同的一个趋势的一个划分。
从而呢实现我们不同的生物分子。我们可以在内部呢进行不同的装载。那对于膜的一个通透性。我们可以让它膜的一个通透性，从几千到几十万的一个调节。那么此外呢这样的一个囊泡。
我们也可以设计它一些仿细胞的一个动态行为。包。😊，包括我们可以实现这样囊泡的一个智恢复，它可以进行出芽，可以进行分裂繁殖。我们膜流动性呢也可以进行一个一个不同一个尺度的一个调节。不同囊泡之间。
他们可以展现出一个交流扑获，以及这个我们也可以设计这样一个蛋白质囊泡，用到我们唐老师的方法，我们可以表现出一个集群的一个运动。那么基于这样的一个前期的一个工作，其实是我们也思考这样一个问题。
那么我们可以尝试了这样一个非常简单非常初级的对于细胞的一些行为和功能的构筑。那么很显然要推进这样的一个一个一个仿生组装的一个接下来一个发展，特别是要实现如何实现对于细胞的相对复杂的高级的行为功能的构筑。
很显然还是我们需要呢仍然是个挑战，也值得我们需要思考一个问题，思考一个可能也是一个。😊，哲学的问题到底生命是什么？生命的物质基础是什么？其实是这样的问题啊，我呃我我本人是其实是一直在思考。
但是也不敢去思考，也不敢去讨论的一个问题是吧？属于一个哲学的问题。但是即使是这样的一个问题。但是呢我们不可以不不可不避免的这样一个问题，其实是呢我们100年前。
我们前辈科学家其实已经进入了非常非常深入和广泛的一个讨论，比如我们熟知的当时提出了两种观点是一个还原论和还原论和活力论，对吧？他们认为还原论，他们认为生命和非生命的物质基础是没有任何差别的。
他们都是由氮氧氮磷所组成的。那么另外一种呢，他们认为他们所提出的这样活力论这个观点的。认为生命生命物质和生命和非生命物质之间，他们应该是存在着一个严格的界限。😊，那么非不生命生命构成生命的物质。
它一定会受一种生命活力来控制这样的一个整个的一个生命进程。生命特征的一个出现。那这个是呢是100年前，对吧？那个著名他们著名的我们前面科学家们所提出的论点，包括我们熟知的那个物理学家谢谢定谔，对吧？
他也发表的这样的一个生命是什么？这样一个书中呢也更好的一个讨论。那么。100年前，那么接接下来对吧啊，到我们现在这到我们现在到我们现在这个今天，其实这样我们经过了100年的发展，这样1个100年。
可以说我们这个100年，我们的科技呢应该是得到了一个极大的一个进步。那么我们提出我们完成了应该接近完成了这样的一个人类基因组的一个计划。那么随着人类基因组的计划的完成，当我们再去看生命是什么时。
我们提出了这样一个整体论。我们知道我们构建人类的这样的一个解码人类蛋白质的一个编码，人类蛋白的基因2万多个基本是存在着一个广泛的一个相互的作用。那么随着这样的一个人类基因组计划的一个完成。
可以说我们进入这样后基因组时代。那么后基因组织代。100年之后了，我们再再重新再一次思考这样的一个活力论的时候，到底是一个什什么样的一个再看生命，我们在理解这样活力论的时候，其实是我们需要我们再一次去。
😊，从根本上去超越对于细胞的R和蛋白质基因的一个分析。转而我们应该去从去对分子的细胞的机体的能量之间的活力的性质的一个分析。那么讨论了很久，讨论了100年，总是说活力的存在，总是说活力的存在。
那真的是科技发展到今天，他们这个活力到底是一个什么样的一个力。是吧这到底是一个什么形式？很显然是活力是个很模糊的一个概念。所以说在这里呢，我接下来和大家讨论的是结合着自己的一个小的一个工作。
我们就想是否可以尝试通过仿生组装的一个策略。我们可能是管中窥豹式的。我们尝试揭示这样的一个活力可能的一种形式。所以说是呢接下来我和大家讨论的是结合着仿生仿细胞的功能组装。
我们发现我们可能揭示了发现这样一个脂肪酶催化反应，它可能作为这样的一个活力源之一，它可以因为它可以驱动这样的一个动态的一个一个这样一个惰性的子地发生系列的动态行为。
那么另外一个呢要和大家讨论的一个小的一个工作呢，是我们也可以直接拿天然细胞作为构筑机源。我们仿生构筑了一类活性材料。通过这样一个构筑呢，我们尝试着去揭示有机体与生命体之间。😊，或者有机体与有机体之间。
特别是非生命体之间，我和大家讨论展示一个我们非生命体之间，它所产生的环境的一个变化。它可能也是作为一种活力，这样的一个活力反馈到对有机体功能的一个调节。那比如在这里面我一一会儿呢会给大家展示。
比如我们构建的这样的一个人工绿藻细胞。我们通过这样的一个非生命外部的一个非生命的这样的一个物质的一个组装。我们可以实现这样一个人工绿藻细胞，从光合作用产生氧气。
到光合作用产生氢气这样的一个功能转变的一个调节。😊，那么这。和大家讨论第一个例子呢是关于我们尝试构筑了一种人工脂肪细胞。我们之所以要构建这样一个人工脂肪细胞。其实脂肪细胞大家并不陌生。
但是长期以来它一直是被认为特别是脂肪细胞内部的脂滴，一直被认为它就是我们体内的一类惰性的一个一个一个器官，它只是用来存储脂质的，并并没有其他的一些其其他的一些动不能发生一些其他的动态行为，一些功能。
但是近来随着医学研究表明，其实这样的一类脂滴，在我们体内它非但不是惰性的，与许多疾病，比如我们熟知的肥胖症糖尿病它们都是直接相关的。但是即使是知道哦它的生理学功能很重要。但是我们从化学的角度。
从组装的角度看这样的脂滴。它这样一个脂滴，它到底是如何形成的对吧？但它是它是否可以发生像其他的一个器官一样，发生它的一个生长。😊，融合分裂等动态行为，其实我们还是不知道的那进而如果发送了重要动态行为。
这样的一个指第，那么它的一个驱动力又来自于何处？其实基于这样的一个想法，当时呢我们主要呢我们想用脂肪酶。磷脂以及内部呢我们用甘油山酯，比如甘油三丁酸甘油脂或山乙酸甘油脂。
我们来构筑这样的一个人工纸滴这样的一个结构。那从这个那个我们把膜上的构筑机元呢，我们红色柠光标记内部的油脂呢脂质成分，我们绿色荧光标记。我们从那个稀图中，我们可以看到。
我们可以构建出这样的一个纸滴一个结构。但是比较特别的是在这样的对于这样的一个纸滴的人工纸滴的这样的一个结构当中，我们发现。😊，当溶液中含有脂肪酶的时候，脂肪酶它是一类脂肪酶。
它表面呢它是有一定的一个输水的一个区域。这样的一个脂肪酶，它可以主动的去吸附到我们所构建的这样的人工脂体表面。那么这样一个吸附过程的，因为它利用输水区域它可以吸附到表面当吸附表面之后。
脂肪酶所处的个环境将发生改变。由原来的水环境，它的到表面之后呢，它这个输水环境的一个增加，这就导致了这样一个脂肪酶，它表面的催化中西，的阿法螺旋的这样一个盖子呢将会打开。打开的结果是激活了脂肪酶。
激活脂肪酶，激活脂肪酶的活性之后，这样一个脂肪酶将催化内部的一个脂质。那么这样一个催化反应发生，就导致了内部的一个脂质内部的一个脂质比如三丁酸高油脂。在这里边我们用的话，将生成甘油和丁酸。
那么生成的一个丁酸生成这样。丁酸我们发现就是生成了这样一个小分子，它是一个丁酸这样一个小分子。那么丁酸小分子。
它就可能它就可以通过表面的羧基和和蛋白质表面上的氨基或者是它表面的羧机和蛋白质表面的羧击通过正物电或者氢电的相互作用结合到蛋白质表面。那么这样的一个结合。
那么这样一个结合的发生将会导致因为它们是急性集团那个生成的丁酸它是通过急性集团与蛋白质表面的发生结合。那么生成的尾部集团呢留在表面。这时候呢它就把蛋白质的一个两清性发生了变化。
那发生变化的两清性一个直接的结果就导致了蛋白质，它所在膜表面的个界面张力发生变化。其实我们从这个可以看到，那正常条件下它是没有结合之前，蛋白质它表面界面张力呢，可能11那个11毫牛每米左右。
那么接下来如果它与生成的产物丁酸结合之后，它的界面张力呢进一步下降。那下降。😊，一个结果，那么界面张力下降，那下降的一个结果，其实就是因为它原来这样的一个构筑机原蛋白质在水油两项。
它稳定的是这样一个水包邮的一个乳液。那么它一个界面张力下降之后，那么它就像逐渐的向内凹陷，它要它要稳定，它要稳定一个油包水型的这样一个乳液。那么这样一个发生，就是随着内腺的进行，随着酶反应进行。
其实就导致了这样一个脂滴，这样一个脂滴发生了一个内存的一个行为。那么这样一个内存行为，我们对于最终的一个内存的一个终点，我们也尝试了进行热力学的一个一个计算分析。
其实整个呢它的极不自由能力是一个小于零的也是一个热力学稳定的这样一个内存过程。那么这样一个内存。那这样一个内存，它一个一个主要的一个意义在于什么呢？除了这样的话是我们发现的是一个酶反应驱动一个内存过程。
请外另外一点呢，它也是因。😊，为我们这样的一个设计，我们发现的这样一个内吞，它是一个脂滴。那脂滴是什么？其实就是内部它它的核的内部就是一个油脂。那么这样的话呢，我们发现它是可以通过酶反应。
将这样不同的一个物质吞到吞到了这样的一个子滴一个内部。其实这就打破了我们传统对于脂滴的一个印象，这样一个脂滴，它内部的油脂非但不是惰性的，它是可以通过内吞将不同的一个生物活性分子。
比如我们尝试可以将溶体酶可以将DNA以及我们也可以进一步的将其他的一个蛋白质包葡萄氧化酶根过氧化合酶通通的他们都是可以通过这样一个内吞的一个过程吞噬到这样一个脂滴的一个内部。
那么吞噬的不但它可以吞噬到这样的一个油性的这样一个子滴内部。而且吞噬之后，对于这样一个酶集联反应。比葡萄氧化酶和根氧化合酶，它是可以进行正常的一个酶集连反应。那么而且这样的极连反应与他们。😊。
其他细胞质中也是嗯基本的是维持的出发反应速率呢是也是基本相当的。所以呃所以说是。除了这样一个酶反应，我们生成丁酸，它可以膜表面导致了一个内吞。那么生成的另一个物质，我们生成的是该油。
我们发现对于这样一个甘油，生成的丁酸可以导致内存。那么生成的该油呢，它是一个水溶性的，所以说是也进一步的发现我们生成的该油，它是水溶性的，它逐渐排到外部外部的结果是导致了我们所构建的这样一个脂滴呢。
它是逐渐发生的一个收缩。那么收缩的过程，这样的一个收缩过程它是膜表面呢它并没有把构筑基源压到溶液当中，而是所有的构筑机源可以在膜表面进一步的去压实。那么这样一个压实就使得了整个的一个体系。
就使得整个体系它是可以收缩之后，膜表面的构筑基源在膜表面压实。当我们外加三丁酸该油脂的时候，在骨架的时候，这样一个脂滴体系呢，它是可以回到原来一个尺寸，那么回到原来尺寸。那么基于这样一个过程呢。
其实是它主要是基于酶反应来。😊，消耗三丁酸甘油脂来进行这样的一个生长生长收缩生长收缩。但整个过程呢我们也进一步可以看到呢，它是三丁酸钙油脂的密度呢，它是大于一的对吧？它是随着三丁酸甘油脂的消耗。
那随着三丁酸甘油脂消耗它尺数逐渐变小，它密度呢也逐渐变小的。所以收缩的过程它是一个上浮的，它是一个主动的上浮过程，那么收缩之后它上浮到溶液上层之后，如果上部呢它还有三乙酸还有三三丁酸甘油脂的时候。
对于这样的收缩的这样一个子滴呢，它可以主动的去吸收这样的三乙酸钙油脂又沉回到溶液的下层，那么基于这样的一个酶反应。我们如果用一个拟的说法进行描述整个过程，我们就可以说它最初呢这样的话呢，这样一个子滴呢。
它是在溶液的底部呢发生了这样一个催化代谢反应过程。那么随着催化代谢进程，它消耗了三丁酸甘油脂，它逐渐变恶了，它主动沉浮于溶液上层，于溶液上升之后。😊。
他进行再进行吸进行的它进行主动的呢去吸收上层的这样山山顶上该物质，所以它就主动进行生长，生长了，长大了之后长大一个程度又沉浮到容易下层这样的一个这样一个没反应调节的这样一个上浮下沉这样一个催化循环的一个过程。
那么在这里呢这样一个子地体系呢，除了这样一个没反应，它可以驱动你这样的一个上浮下沉包土这呃包臀这样的过程之外，其实整个的这样一个体系呢，它也可以通过发生物质扩散。它他们之间可以发生物质扩散的。
可以诱导整个的呢可以诱导两个子地之间不同的子地之间，它可以发生融合，以及到我们改变这样构物机缘它的一个温那个一个温敏性的一个设计值通过温度改变它的一个两进性也可以实现的它的一个呃包吐的这样一个过程。
在这呢这两个过程呢，因为时间关系呢我不进行赘述了。那个另外一个呢这是我们。从从下到上直接呢构筑这样的一个那个呃人人工仿生细胞，它探究这样的一个分子间相互一个作用力来驱动这样一个质滴这样一个人工细胞呢。
它可以发生这样一个包土，可以生长，可以这样再长大的一个过程。那么另外呢接下来这样一个小的一个例子呢，要和大家讨论的是我们也可以直接拿到一个天然细胞作为构筑基源。在表面呢进行一个化学组装修饰之后呢。
我们可以外部的一个化学的这样一个修饰，来直接呢去影响内部的这样的一个细胞的一个功能。在这里选用的一个基元呢，我们主要选用的是这样的一个绿藻细胞。那么对于绿藻，可能大家并不陌生。
其实广泛的存在这个江河海洋当中，对吧？但是它通常的进行光合作用产生氧气的，特别的是对于这样一个类藻绿藻细胞，它。😊，在链囊体当中存在有一类铁铁氢化酶，这样一类铁铁氢化酶呢，它通常情况下是钝化的。
那么是因为光合作用产生氧气的存在氧气，把铁铁氢化酶钝化。但是一旦它所处的环境是属于厌氧条件是，它将被激活激活的结果是铁铁氢化酶将催化光合电子和质产生氢气。那么这样的一个结果的一个发生。
这样一个结果的发生。那基于这样的一个结果呢，我们就特别设计了在于天然细胞表面，我们特别设计成多巴胺，然后在多斑胺表面，我们又设计成七酶，在气酶表面，我们又设计成单精酸。以此呢。
我们来构建这样的一个人工绿藻细胞。那么这样的一个构建的一个结果，它的它的一个特别之处，是因为我们把额外的把这样一个七酶引入到了这样一个绿藻细胞表面。
这样的一个结果是因为气酶可以转一的催化那表表层的单精酸氧化，整个的一个催化过程，它是一个催化。😊，耗氧的一个过程。那么催化耗氧的过程，它是在绿藻细胞表面发生的。
所以说它就使得我们所构建的这样的一个人工绿藻细胞，它给它创建一个独立营养微环境营养微环境的形成，激活了绿藻细胞内部的一个铁血氢化酶，从而就实现了我们所构建的这样的一个绿藻细胞。
它可以进行从光合作用产养到光合作用产清的一个调节。那么这样的一个构建它的一个区别于区别于天然的这样一个绿藻细胞，它的一个产清过程，比如通过基因工程方法或者营养胁迫的方法。
它不同的是我们在这样产清过程中呢，我们对它的内部呢这这样的一个ATP的水平呢进行了实时的一个观测。我们发现随着它产清过程，它的ATP的含量呢基本是保持不变的。这说明了什么？
说明了我们整个的这样的一个构筑呢，我们并没有影响内部的绿藻细胞的光合作用。那么就使得整个的体系就有足够的光合电子供给到这样氢化酶。所以。😊，也是这样一个这样一个设计呢。
也是使得了我们所构建的这样一个绿藻细胞，它的产定速率与传统的这样生物质相比，它能够提供60%的一个根源所在。那么进一步的去设计这样一个结构呢。
其实我们也把一个导电的聚合物引入到这样一个这样一个绿藻细胞表面，进而呢也在这样一个绿藻细胞表面呢，我们生成了一个碳酸钙的一个翘层，利于利用生物矿化的方法，生成这样一个碳酸钙翘成一个主要目的呢。
我们想提升这样一个结构的一个稳定性。那么在这里呢特别是这样一个聚比洛的一个引入。聚比洛它是个导电性的物质，它还引入到了这样一个绿藻细胞表面，它我们这样一个引入，就使得了我们所创建的这样一个人工绿藻细胞。
它可以允许包外电子从包外向胞内传输，不但可以传输，我们也进一步呢去通过这样荧光反应动力学去揭示这样一个传输，它是可以直接参与到光合反应作用当中。那么它可以直接参与到。😊，光合的光反应暗反应当中相对参数。
我们可以看到FABFM最大光合量准效率以及暗反应阶段的脂质和蛋白质它都是有所提升的。那么都是那么通过这样的一个创建。那么我们可以创建了从包外电子从包外向包内一个传输，而且直接参与了光合作用。
那么这样一个这样一个通路的一个建立，就使得我们所构建的这样一个人工绿藻细胞，我们可以不依赖于仅仅依赖光合作用完成产清。所以这也是将整个的一个产清的一个体系的它的一个产清速率呢。
它是由正常的正常的这样的一个光合产清数率，我们得到了一个本质的一个提升。我们是深绿色的也是正常我们构建的这样人工绿藻细胞这样一个产清个产清速率。
我们可以看到每个时间点正常的一个光合作用产清的它都是有一个明显的一个提升。那么除了是这样的话呢，这样一个创建了一个我们实现了这样一个人工绿藻细胞可以不依赖于光合作用完成产清。
它另外一个主要的特点呢是我们也将正常的一个绿藻细胞，它的一个产清。😊，通过这样构建这样一个人工绿藻细胞，将它的一个产清的一个速率呢，就产产清一个时长呢从正常的30天左右，我们可以延长至200天以上。
更为比较意外的是呢，我们发现在整个的一个产清当中产清的过程当中，我们意外的发现这样的构建的这样一个人工绿藻细胞，即使它死亡了之后，它仍可以产清。那这样的话其实是颠覆了我们传统的一个设计理念。正常的话。
绿藻细胞死亡之后，光合作用没有了，没有光合电子是没法进行产清的。但这里呢我们这设计这样的一个人工绿藻细胞，它之所以进行产清。它主要是因为我们所构建的这样的一话，那个人工绿藻细胞外部的碳溶钙翘层。
它保护了内部的内部的铁血氢化酶。即使绿藻细胞死亡之后，其使光合作用停止的。但是铁血青化酶的活性还是保持的。所以并没有马上流出。这使以这使得整个的这样构入绿藻细胞。
它死亡之后呢仍可以维持产清的一周这样的一个时间的一个关键的一个所在。😊，那么最后呢，其实我们把也把这样的一个人工绿藻细胞，我们把将跟材料一个体系呢相结合。
我们把这样一个人工绿藻细胞引入到了我们所熟知的这样的一个温度想的代一丙烯丙线胺的一个水凝胶当中，我们尝试着去构建一种活性的一个材料，去迎合我们这样的今天的这样一个主题。
我们构建这样的一个将人工绿藻细胞引入到了一个代一丙烯丙线胺水凝胶当中，特别的呢我们把这样一个代一丙烯丙线胺，我们熟知的水凝胶，我们把它向转变温度呢调成25度。为什么调成25度呢。因为我从这个结果上看到。
但说明这使的这样的一个材料一构建。我们在室温条件下，它就是以溶液的形式，是以溶胶的形式存在。溶胶形式存在，我们构建的这样绿藻细胞在溶液当中，它就是进行正常的光合作用产生氧气。但是呢如果我们提高温度。
我们提高温度在30度25度以上。比如30度的时候，它就形成凝胶，形成凝胶的结果，我们这样一个凝胶呢，它是体积呢发生了一个明显的一个收缩，有8倍的体积。😊，一个收缩。那么这样一个收缩的结果。
其实就使得了内部我们所构建的这样一个绿藻细胞产生一个团聚。那么绿藻细胞产生团聚，团聚这个结果它一定影响了绿藻之间的一个光合作用。
影响光合作用的一个结果就使得了一旦使得光它的呼吸作用和它的光合作用达到平衡时，我们可以建立一个厌氧为环境，使得这样一个材料这样一个水凝要材料表现为从光合作用产氧到产青的这样一个功能转变。
其实对于这样一个材料呢，其实就相当于说是我们试温一下它是以溶液状态，它是产氧。那么当我们提高温度的时候，提高的温度在30度以上时，25度以上时，它就表现为产青。但是特别的是当它处于室温20度的时候。
它处于产青状态的时候的这样的一个这样的一个绿藻细胞，它可以进行正常的一个繁殖，繁殖的结果，当我们需要它进行产青的时候，当我们进行加热进行产青的时候，这样一个产青。😊，与前一个循环相比。
因为绿藻细胞采养的过程中是繁殖的。所以说这样一个产厅这样的一个活性材料的一个设计呢，其实它产厅速率呢也得到了一个我们称之为一个指数的一个提升，那么最后呢其实是也是一个小的一个展示。
比如对这样一个活性材料。我们可以放到容放到四温2度时，它是采养的。当我们是提高温度的30度以上时，它是可以产清的那产青呢我们可以进行一个非常低级的一个简单的一个收集向下排向上排空气法收集之后呢。
它可以驱动一个小的一个电扇的一个状动。那在这里呢那个结束一下那个我的讨论是吧？那个主要呢是围绕着一个仿生仿细胞功能的组装构筑。我们主要呢采用了和大家介绍的两个我们主要的一个思路是由下到上的一个仿生构筑。
我们这样的一个目的呢是尝试着揭示一些生命现象的揭示生命的一些位置的现象。比如我们讨论了，我们发现。😊，这样的话呢，脂肪酶催化的这样的一个该由三酯一个水解反应，生成的产物，它与蛋白质表面的一个作用。
它是脂滴发生包包臀以及核内的生长收缩的一个主要的一个驱动力。那么此外呢，我们也利用了这样的一个由上到下的一个主要的一个策略。我们直接想用天然细胞为构筑基源，我们尝试着去通过外部的这样的一个环境。
对于内部的一个细胞这样的一个影响，产生的这样的一个环境。所谓的一个环境的一个活力，是调节这样的我们内部细胞的一个功能。比如我们构筑的这样一个人工绿藻细胞，可以调节它的光合作用，使使它从光合作用产生氧气。
到光合作用产生氢气的这样一个功能的一个转变的一个调节。那嗯在这里呢感谢科体所有同学以及合作者基金的支柱。谢谢大家。😊。
感，谢黄老师。我们下一位报告人是来自中科院深圳先进技术研究院的戴卓军研究员。那么戴老师本科毕业于浙江大学之后，于香港中文大学化学系吴奇教授实验室取得博士学位。然后他就换了一个领域。
在美国杜克大学尤林冲教授实验室从事博士后研究。那么他的研究受到了国家自然科学基优秀青年基金、国家重点研发，还有中科院人才计划、广东省杰出青年基金等项目的支持。他们的主要的研究兴趣在于。
基于工程续景及工程菌群的组装方法开发多媒体系及材料构建无细胞重组系统及天然产物的合成。让我们欢迎卓金老师。
好，那个非常感谢文斌老师的介绍。呃，我觉得非常荣幸来参加这样的一个呃会。然后这两天听了很多的报告，然后嗯学到了很多东西。呃，上半场有三个非常非常非常有趣的这样的一个呃这个呃内容。呃。
我觉得呃文斌老师安排的非常好。他是从这个呃大分子一直到呃这个呃交替，然后再到这个呃这个呃这个人工细胞。呃，到人工细胞那边的时候，黄老师已经有点往生命，那么他用了这个蓝藻。
那么今天我的整个报告都是围绕着去呃改造一些现有的生命结构。那么试图去呃组装一些呃具有智能型的这样的一些呃体系。呃，这个会是呃这个我们整个sction是呃智能的物质基础。呃。
自然界中充满了大量的所谓呃这个智能的物质。呃，举个例子，蝴蝶的翅膀上面其实布满了呃这种纳米级的级别的鳞片。那么这些鳞片实际上都是由DNA编程的细胞分化而来的。而这些鳞片通过呃排布可以形成结构色。
那么帮助蝴蝶来进行一定的伪装。而蝴蝶可以通过调节鳞片的排布，实现对于光线的散射或者折射，那么从而调节体表的温度。而另外一方面，由于它是本身是这样的一个细胞的结构，它可以进行信号的传导。
而这些呃非常呃我们可以认为是非常呃优秀的性能都是传统的材料合成难以实现的。呃，因为今天我会讲到合成生物学，但是我有点担心呃在座的呃同学以及听众是不是对合生生物学了解不是很多。所以我就画了这样的一张图。
在今天早上有一个是AI和生物学呃，谢晓亮老师主持了这个报告，他在这个报告的开头呃，这个引言的时候，他说近代的生物是从呃达尔文的进化生物学以及呃这个呃遗传以及孟德尔的遗传学开始的。
那么70年今年是呃沃森发现DNA结构整整70周年。那么从70年前开始，生物的发展进入了一个加速期。那么大量的这样的研究通过中心法则。
也就是把基因DNA和RNA再到蛋白质这样的一个转落和翻译的过程进行一一的映射。那么呃可以了解了很多生命为什么具有特定的功能。呃，但是在大概过去三四十年的时候呢，呃生物。学开始进入到了一个新的阶段，呃。
就是因为生命的功能涌现过程中发现呃很多的呃这样的一些功能没有办法从单一的基因映射进行解释。呃生命更像是一个复杂网络。那么在这样的一个情况下呃，数学家和物理学家。
那么就创立了包括很多的生物学家一起联合创立了系统生物学system biology。在这过程中，希望利用数学以及物理的一些工呃工具以及方法，那么来描述生命的过程，包括去构建代谢网络去创立节点。
那么去呃这样的理解呃，整个过程的调控的过程。呃，而伴随着这些理解，在2000年呃，一个新的学科也不是新的学科，一个比较新的方向。合成生物学呃，其实就呃可以说是诞生了。
那么合成生物学可以说是把系统生物学反过来。那么合成生物学呢是希望利用我们已经对于这个系统从基因元件到基因线路到整个生命运行过程中，它是如何进行功能化的这样的一个过程。我们开始设计一些原件。
并且组装成相应的基相应的基因线路。而我们把这个比如说呃我这里面举了一个大肠杆菌。我们把它当成一个运行的系统，那它可能就是一个windows，我们把这样的一个基因线路。
也就是一个software直接放入到了这样的一个系统里面。那么这个时候当我们给他一个input作为指令。那么它就会给我一个output。那么在合成生物学的年代里面，我们更多的呃希望利用呃工程学的方法。
那么改造生命，让生命来实现它原本不具。有，但是我们希望他可以为我们服务的一些特性。但是呢由于系统的复杂性，我们知道啊生命是多维度的。那么从ind style，我刚刚提到的三 dogma中心法则。
那么从呃这个基因到转入层面到呃这个呃翻译层面，我们可以对单细胞的生命进行调控。但是另外一方面呢，这个维度并不是如此的单一，这个维度会继续往上走。例如在一个植物的发育过程中，植物细胞通过分泌。
例如像纤维素或者是木质素等等，会形成支架结构，而我们也知道木头其实是我们生命中就是生活中这么历史发展的整个过程中，使用历史非常悠久的一种材料啊，它实际上就是由这种细胞以及基制间相互作用所形成的。
而另外一方面，我刚刚提到的蝴蝶鳞片以及非常非常多其他的一些呃包括像生物被膜等等这样的一些天然存在的软物质系统里面都是由这种多菌呃多组分的系统，甚至不得。不只是一个物种，非常非常多种物种。
通过相互作用所组成的。那么在这里面的时候，随着它从单细胞到呃细胞群落的这样的一个呃提升，那么这个复杂度就逐步的往上提升。那么在这里面我们呃我们的呃实验室呃这个在过去的几年里面。
我们的一个方向呢是一方面我们会利用合成生物学。刚刚提到的呃中心法则。我们去呃编程我们的微生编成我们的编程我们的这个生命。我们只要我们主要专注的是一些微生物，尤其是像达氧杆菌酿钮酵母等的一些模式生物。
我们可以把一些基因线路植入到这些生物里面，让他们具有原本所不具有的功能。例如一些群体的行为震荡开关等等。而另外一方面呢，我们结合了呃合成的呃高分子以及高分子物理中的一些工具方法以及一些理念。
我们希望利用工程的细菌去呃活的去构建这样的一个材料。而另外一方面，我们希望在这个过程中更好的理解呃很多自然界中的一些呃组装或者是一些呃这个图案的形成等等是如何发生的。那么在这里面呃，我想去讲几个故事。
这几个故事从低纬度到呃复杂维度。那么逐渐提升。那么我首先想分享一个呃从单细菌行为调控的这么的一个呃系统。嗯，这个系统呃在我介绍之前，我想先跟大家介绍一个非常有意思的生物的一个共生现象。
这个并不是因我们并不是因为这个共生现象才做的这些系统。但是当我们回过头来看的时候，我们发现他们有惊人的相似之处。这个共生系统呢是一种由于和一个废树弧菌之间的共生。呃，我不知道大家知不知道肺树弧菌呃。
废树弧菌是合生生物学呃非常重要的一个物种。因为刚刚唐老师讲的这个群体感应是其实就是肺数胡菌啊，就是合生生物学就是从废视胡菌中拿出来的一个非常关键的lear尔的这样的一个群体感应。
就 chromme三的响应体系。这个细菌呢它在低密度的时候呢，呃它会有一个基因调控释放一个小分子。当这个密度变高的时候，小分子扩散到体外再重新进入单个的个体。那么激发下游的某种生物荧光的表达。
它会发生这样的群体行为，这个群体行为就是发光。那么这个由于呢他晚上需要这个光。它有一个叫做light word的这么的一个器官，就是一个光。光光呃叫什么光光光反应器吧，我就这么叫它吧。
这个呃光反应器里面就有这个fish石弧菌。到晚上的时候呢，这个东西对于鱿鱼来讲非常重要，这个可以帮它去保护自己，同时吸引它的猎物就吸引一些东西给他吃，但是到了早上的时候，它就不再需要这个了。
因为它会钻到沙子里面去睡觉，所以它就会挤出来它的let organ里面95%的呃废弧菌，这个fish弧菌的密度就是这条线会降低到原有的5%。那么在这个白天的时候呢，这个鱿鱼就会在沙子里面。
然后这个费胡菌就会逐渐的又开始生长，生长到原有原来可以达到三的密度，也就是到了晚上。那这个呃鱿鱼就又开始有了这个顶着这个亮亮的发光器就出来开始觅食了。
这个就是他们俩之间的这样的一个就是自然界发生的非常奇妙的共程反应在这个反应中，大家可以看到。啊，这个细这个细菌跟这个鱿鱼，尤其是这个发光器，实际上是有一种互相感应的这么这样的一个体系。很巧的是。
201呃在2019年我们发了一篇文章，那这个文章里面哦我们就想做一个sell materials to communication。我们的sell是一个植入了基线入大肠杆菌。
这个大肠杆菌呢它会长到一定的密长到一定的密度，然后就开启一个群体行为。这个群体行为呢就是它会开始自杀。它会自己把自己Q掉，但是这个Q不是全部的，它可能是Q掉大概90%左右的密度。这个伴随这个过程呢。
它会把自己体内表达的一些蛋白啊等等有用的东西都释放出去。而另外一方面呢，这个胶囊它会感知到这个细菌的生长，在这过程中呢，它就会产生一个相变。这个相变的结果就是它会从容胀变成收缩。
所以这是一个相互感应的这么样一个系统。我们也可以把这个系统重新呃还原到一开始的体系。我们当时建立这个系统后面啊想的是它的一个比较好的点是它可以把生物制造过程当中非常重要的两个步骤。
就是你要把细胞工厂破碎开来，以及把产物跟细胞工厂进行一个物理分隔，实现一个有效的集成。嗯，所以我们当时就分别调试了两个模块。第一个模块呢就是这个呃细菌可以自己列解自己的细菌。我们把一个呃毒素。
这个毒素可以阻碍细胞壁的生生成，跟细菌的密度实现了一个偶联。那么就是细菌长着长着，它的毒素越积累越多，它就会开始自己就裂解开来。那你可以看到，当这个基因线路开启的时候，红线代表的是它的密度。
那么就可以看到它的这个密度在不停的震荡。那么把这个基因线路关上的话，它就是一个典型的loggistic就是一个对数生长的这么的一个模式。而另外一方面呢，我们就需要去构建一个呃可以感知到细菌生长。
从而收缩的这么的一个类似于像啊这个light organ一样的这样的一个体一个一个胶囊。呃，我们在这里面选用了一个高分子，这个高分子，它实际上可以感知到环境中的呃一些PH然后还有一些离子强度的变化。
而这些变化正是由于细菌生生长带来的。因为它会产生非常多的一些代谢产物。所以呃我们在后面就把这两件事情couple起来。就你可以看到整个体系它都一直在维持着一个正荡的状态。
就是它会把细菌释放出来的一些pro或者一些小分子全部都挤出到下游。那么在这样的过程中呢，我们就可以在下游实现各种各样的操作。呃，在这里面我就不细讲了。
因为很多涉及到一些生物里面包括大规模的筛选生物制造甚至一些代谢通路的组装等等。我们想用这个故事去讲，我们通过调控一个氮菌的行为，从而实现了一个呃一个。呃。
智能的或者是一个C可呃这个细胞可细菌可以跟材料相互感应的这样的一个系统。那我们把维度往上再调一些，当我们去想要去调控这个细菌和机制的结构的时候，呃，在我之前介绍过。
就是说这里面我们有一个非常好可以学习的例子呃，也就是自然界中的植物植物通过产生植物细胞通过在发育过程中产生纤维素和木质素可以帮助植物实间上的生物学功能。这个植物学功能主要是提供支撑以及保护原有的细胞呃。
在另外一方面呢呃我们当时想要借鉴的一个系统是一个叫做双网络结构的。那么这个双网络结构主要是呃高分子物理中的一个经典体系。呃，那个大学的呃这个知教授2012年在n上发表了一篇文章。
这篇文章呢就是说他当把两个非常脆弱的网络，一个是聚丙烯酰胺和一个是聚海藻酸钠的网络。这两个网络都是一撕就碎。但是呢当把他们互穿，形成了双网络结构了以后，它就具有了很好的韧性。也就是比如你剪开。
的口子你不断的去拉他，你会发现这个口子不会有任何的延展。就是他对于外界的这个呃这样的一个呃良好的机械性能的提升。嗯，那么在这两个的呃基础上呢，我们当时就想说呃我们可以借鉴自然。
我们也可以从已经现有的一些呃合成体系中一些经典的经验中去学习。那么我们就先做了一层离子网络。那么我们把两种合成细菌放在这个离子网络上。
这两个合成细菌呢会各自释放一个蛋白的单体这个蛋白的单体就会进行一个反应，反应会形成第二层网络，这层网络就会跟原有第一层离子网络形成互。我们就借鉴生物以及借鉴合成的体系。
希望去做一个具有这样的一个性能加持的这么的一个l的活的这样的一个系统。呃，这个东西的一个呃关键点在于这个蛋白单体要怎么选。那么其是蛋白单体，它要反应我们需要一个比温和的系统。
我们当时选了可能在做一些老师也会用到，它的一个好处就是它可以在活细菌生存的环境下，那么比如4度到30。度可以呃呃非常有效的形成这样的共价键系统。
那么我们就构建了呃这个CT和CCT的话可以呃生长并且释放出来一个蛋白单体，比如说它带有两个或者3个sp。而另外一方面的CC它可以表生长释放出来。另外呃一种单体就分别带有两个或者三个sp catch。
我们先验证了一下，他们是不是能够在细菌生长的环境下进行反应，我们就把两个细菌放在培养基里面，那么呃在上清里面，我们可以看到呃这个蛋白呃蛋白的这个分子量都有一个明显的提升。
就是说明这些释放到上青中的蛋白单体都开始进行了反应。那下一步呢，我们就把它放到了c放到了这个离子网络上面。我们同时设置了一个对照。
这个对照呢就是这个T three这个T three和这个呃上面的这两个cll呢，这它产生的蛋白单体是没有办法反应的。我同时呃说明一下，我们在其中一个蛋白单体。
就是中间的这个加了一个作为它是一个荧光蛋白作为我们的一个呃指针。么下面的这两个就是我们觉得他们是能够反应的。那么呃在我们的这个系统里面可以看到呃上面的这两个el当他们不能反应的时候。
其实大部分的荧光都会从原有的离子系统中漏到外面去。因为呃这个蛋白的网络没有办法形成呃在下面的这样的一个系统下面嗯。那么呃我们可以看到就是说大部分的呃这个指针的信号都留在了原有的离子网络上。
就呃通过这样的一个手呃方法实现了这样的一个体系的形成。呃，比较好的地方就是呃相比于这个静态的系统由于生命，它刚刚很多人讲非平衡肽，它实际上可以不停的relenish，它可以不停的补补充。
么比如说举个例子，像一个植物，对吧？这个是一棵橘子树，在网上找的图片，当我们把这个今年的橘子摘完了，明年它会再长出新的呃，同样在我们的体系里面，我们可以看到我们在24小时把这个体系拿出来。
我们加一些in，就是一些呃这样的抑制剂。那么呃就比如说这个静态的材料，就下面的这些点，它们完全失去了活性。那么之后我们给它再丢回到生长的环境下，他们也没有办法进行一个复原。
但是呢当l的这样的一些系统里面，他们可以在呃普通。那这样的一个呃培养基的环境下，他们就可以全部的去恢复活性。嗯，那么我们后面就拿它去做了一些呃这个呃这个呃就是保护肠道在抗生素扰能下的这个去做了一些应用。
啊，这块我就不细讲了，有兴趣的呃同学可以看一下。那呃之后呢，我们就尝试去调控啊，想要去调控个体与个体间的这样的一个相互作用。呃，我们做这个工作的出发点，实际上是因为呃刚刚呃有一些老师也提到。
就是说呃很多的东西尤其生命它是可以进行自修复。但是呢自修复通常是跟呃这个细胞分裂直接挂钩的。那么它需要细胞的复制分裂，而这个过程通常是一个呃非常需要时间。那么通常是以天周甚至月为单位的。
但是呢真实的环境里面，比如说我们想要去做一个频繁弯折的器件等等。那么他通常希望的是能够分钟级别实现自愈。呃，我们当时想要借鉴的是呃高分子物理或者高分子化合成化学中的一些系统，呃，主要有这两类。
一个是动态的共价系统，一带是动态非共价。我们选择了下面的这一种，因为这一种通常即使在呃自然界，比如说海底的一些粘合的海底的一些呃一倍生物等等，都是非常呃普遍的，包括像一些氢键啊等等啊，离子间相互作用。
那么一个关键的问题是，我们要如何找到这种相互作用。呃，后面我们就呃意识到，其实抗原和抗体间的相互作用是一种典型的呃非共价相互作用。那么我们就在一个细菌的表面装了一一层抗原在另一个细菌的表面装了一层抗体。
那么简单的把两个细菌混合在一起。那么呃这里面就可以看到，他们就可以组装形成这样的。啊Agregates就他们会沉降下来。而在这过程当中，就是呃他们的黏度也有了呃显著的提升。所以我们可议他拿去。
比如说做一些3D printing，做一些呃3D的这样的一些打印，以及去做一些呃微米级别的这样的一些组装嗯。那在这里面啊，我们后面测试的就是说它是不是能够快速的self healing呃。
那么我们就把它放到了一个不导电的这样的一个弹性体上面。呃，这个弹性体我们给它后面这个材料呢，我们连接了一个可以测电阻的仪器。那么在这过程中我们会不停的去拉伸这个弹性体。那么它拉伸到原有长度的250%。
那么在这个过程当中，我们可以看到呃在没有任何的呃伤口前，那么呃比如说单细菌它实际上是有一点点会往上走的。这个是因为你一旦拉开了呃细胞间距或者这种原因会造成它导电率的下降。但是呢我们的这个系统。
我们给它起个名字叫看好它的导电率是非常的稳定的。呃之后呢，右边呢我们就给中间切开，然后呢我们再让它heal一段时间，就大概愈合一段时间。我们再去做了同样的测试。
那么在这过程中我们就发现啊兰巴的系统始终保持在一个非常稳定的电阻状态。而另外的比如说这种其他的对照，那么它的整个电阻全部都上去了，就是因为它中间产生了这些cracks，产生了一些裂缝等等。那么之后呢。
我们就刚刚提到的这个器件，我们就拿它去做了呃一个几个简单的器件，其中做了一个机电传感器。呃，在这个紫色的通道里面，我们就关的这个是这个我们的由菌做成的这样的一个组装的这么的一个材料。
我们可以看到在呃这个握拳和梳桩之间都会有非常良好的信号传导，就可以明显的看出呃呃这个波形的区别。那么可以算出非常良好的信噪比。后呃我们也做了一个str sensor，一个应变传感器。呃。
我们把它绑在了指关节上面。呃，首先这是我们的一个对照，是一个金电级传感器。金是一个延展性很好的金属。但是随着关节弯曲这种的大规模运动，始终可以看到这个信号就断掉了。呃，但另外一方面呢。
当我们的这个系统下面呃，可以看到呃在这个过程中，我们始终可以拿到非常稳定的信号输出。呃后包括我们可以通过风宽呃，以及这个。波幅等等来判断出来呃，这个关节运动的时长呃，以及它的弯曲的角度。呃。
所以呃通过用一些简单的调控以及组装，我们可以去做一个有用的东西。那么呃最后呃我简短的讲一个群落间。因为刚刚之前我讲的所有都是单一的物种，就是一个呃大肠杆菌。呃。
但是自然界中呃我不知道大家呃知不知道包括像肠道菌群，对吧？这个是非常非常火的topic土壤微生物呃，在自然的系统中没有任何一个系统是只有单一的单一的呃物种的。呃，这是由于进化所带来的。
因为进化过程中多物种它可以更好的适应极端的环境变化，可以更好的分工可以通讯甚至可以切换光代谢的模式，那么实现一些光能的字养等等。而这些都是呃单一物种没有办法实现的。呃，所以所以我们来讲，在实验室。
如果我们可以做到一个多物种的这样的一个呃这个呃集成的系统将是非常有优势的。但是我们为什么没有做呢？是因为很难呃，这篇文献是2021年做菌群的一个非常有名的实验室呃麻类写的一篇综。我标黄了几段。
就是大家可以看这一句。第二行，他说呃这个 challengege at this core challenge is collection of engineering and competitive exclusion principle。
这个competitive exclusion principle实际上它引用的37文献是一篇1962年的scis的经济学文章。这篇文章其实用现在的话讲就很简单的概括，就是隐者通吃。
他讲在一个均呃在一个呃这个呃这个均匀的生态体系里面，当如说有两个物种，他们同时要抢占同样的资源的时候，那么呃稍微呃有一点生存优势的物种，最后就会把就会成为整个呃这个环境中的主导者而把劣势的物种挤出去。
呃，在微生物的环境下，比如说大肠杆菌是20分钟分裂一带，酵母是90分钟分裂一带。呃呃大肠和酵母是站在生同样的生态位，他们会用同样的资源。那么在这种情况下，无论一开始的比例，大肠和酵母是多少。
那么最后大肠一定会成为种群中的优势者。呃，但是自然为什么没有让这种结果发生呢？例如土壤微生物它可以通过呃微生物间形成微密集的。菌落，比如说几百微米的这样一个一个的微菌落，那么实现一个相应的空间分隔。
那相当于不同的物种。我好像有一个自己的房子啊，你也不要来干扰我，我也不要来干扰你。那么在这种情况下呢，我们就借鉴了这样的一个体系。
我们为每一个picious每一个物种用呃这个合成的方法去给它构建了一个呃独立的这么的一个小小的 niche，一个小小的这样的一个呃可以认真小房子吧。这样的话呃当我们把这些物种混合在一起的时候，呃。
每一个物种只能在这样的一个 niche里面独立的生长。那么如果它长得快，它在这个 niche里面达到了它的生长上限，它也没有办法干扰其他物种的生长啊，是一个非常简单的道理。那么在这样的一个情况下下游。
我们可以调控各种各样的生物学过程，包括生物制造啊，这个ion of labor生物分工，生物生物通讯以及其他等等。呃，当我们构建了这个的时候呢，我们就呃这个就是我呃我刚刚提到的。比如说左边这个系统。
就是当我们把物种简单的混合在一个 tubebe里面呃，红色的线代表的密度绿色的线代表就是酿酒酵母酿酒酵母那底下的这个是我的 density就是我这酿酒酵母一开始占的比例我们看到酿酒酿酒酵母在一开始的比例多么有优势。
它在最后一定会成为劣势物种，就这个是这个comp principle所决定的。但是呢在边当我们给每个微生物分一个呃小房子，比说这个红色的就绿色的就以到就它这个这个房子它这个就是会亮起来。
就因为它这个微生物在里面生长。它这个底下的number这个比10%就表示着这个红色的就是这个杆菌在一开始我们选择的 density就我开始加。他的多少呃，我们可以精准的调控两个物种的比例。
无论是低还是高。所以用这样的一个方法，我们可以经实现对于物种间相互关系以及呃这个组分的一个精准的调控。那么包括我们可以引入多样化的物种呃，三物种或者什么的，呃，反正就是呃就像就像随随随随便拼好了。
就是呃就是不同的物种，比如说呃右边那么两个物种按照1比1比1呃，1比1。那么三个物种按照呃1比1比1去去去这样的这个就是相当于是pl and退，我可以得到一系列的菌群。呃。
我们做了一系列的呃这样的生物生物学的这样的一个过程啊，我就提其中的一种，我觉得好像也可以跟黄老师前面ecle一下。我们做了一个可能光能自养的菌群。刚刚呃黄老师讲到这个很多的藻对吧？它可以产清，可以产养。
其实它是作为整个生命的基础，那么它可以进行光合作用。那么在这里面我们知道很多的异氧微生物，它需要靠化能自养，对吧？就需要你给喂一些东西吃。那么在这里面我们就构建了一个光能自养的菌群。呃。
蓝细菌通过光合作用，通过产生蔗糖，这个蔗糖可以被我们给通过改造一些基因，让这个氧杆菌给用起来，那么让这个氧杆菌啊去做一些事情。那么在这个过程当中。
你就可以实现碳就相当于是你直把环境中的碳固定到了下游的产物里面。那这里面这个绿绿的就是这个藻在这个体系里面长起来，我们也改造了藻改造了蓝细菌，让蓝细蓝细菌可以把糖运出去。
让早呃让呃让大肠杆菌可以把糖运进来。那么用这样的一个系统，比如说我们调控不同的比例，比如说photo就是蓝细菌hetro就是大肠杆菌。那么比例是2比1的时候，胆杆菌可以看到其实长得不是很好。
因为糖的量可能不是很多。但是当你把photoshop的比例提高50比1。其实就是整个的呃现在的自然环境也是就光能滋养，必然要占到大量的部分，它才能够support整个的这个lifecycl。
那么你可以看到胆肠杆菌就可以很好的长起来。嗯。嗯，最后呃昨天也跟张老师讨论了一下，我觉得这是一个非常有意思的会。然后呢呃这个生物里面有很多呃这个呃近年的发展。啊。
比如说像我们现在也更好这样的工程工程engineering biology的方向。我们希望可以通过一些呃机器呃那个呃这个自动化呃信息学的一些工具，那么我们可以产生大量的数据。那么在这个过程中。
我们可以呃希望能够更好的去呃了解生命的过程，那么也可以更好的去呃工程改造，然后去组装去构建一些有用的系统。最后呃非常感谢大家如果有什么问题可以呃发邮件到我的邮箱啊，谢谢谢谢谢谢大家。谢谢戴老师精彩报告。
😊。
我们下一位报告人呢是嗯做线上的报告，他是来自呃min大学的over friend。Let me give a brief introduction to Professor Wolfer Perence。
He received the degree in microsystems technology from the University of Freberg in 2004 and a PhD in electrical engineering from the University of Oxford in 2007。
After postal training at Yale University， he joined the Kasro Institute of Technology in 2011 as an Emmy Nola research group leader。
In 2011， from 2015 to 2021， he was a full professor of physics at the University of Minster。 In 2021。
he joined the Heidberg University as a full professor and Ordins at Kirkhov Institute for Physics。
He received an E R C consolidated grant in 2016 and was a member of the Juner aia。
the Berlin Brandon Perian aia。The Vi Shefen。Wheno。Sorry for my awkward pronunciation。
and is a bellow of the masters colleague， as well as a co speaker of the collaborative Research center。
Inlig matter。And iss also a cofounder of the photon computing Start Saience Lab and the quantum technology Start Pixel photonics。
His research interest covers neuromorphic photonics， quantum photonics， single photon detection。
as well as computational electrodynamics and on chip nonlinear optics。
It was the proposed a concept of intelligent matter。 and we very much look forward to your。
to your lecture。
Professor Pers， can you。Can you open your camera。The floor is yours now。Yeah。
thank you so much for the introduction。 and the invitation。 Let me share my screen for you。
Thank you。I hope this all works。Yeah， so warm welcome to everyone and yeah across the globe。
I'm afraid that I cannot be there， but I'm happy to give my talk via Zoom and I would like to speak a little bit about our research work on using materials for smart systems or computing applications and in particular for such devices in the framework of photonic integrated circuits。
so you can sort of see a little bit what we do in my lab here at the bottom we build these chip based devices as shown here in the center。
those are of passive systems and we try to make them smart by adding functional elements such as functional materials and others。
for example， phase change materials as Ske here on the lefthand side and then we try to go beyond simple chipt applications to larger systems that can also be。
😊，The used for， for real applications。当やぱ。Make of your brief motivation since you asked me about intelligent materials。
And I think the concept you can kind of nicely to see in the sketch that one of my students draw for going from elementary building blocks to something smarter or something that is more than just sum of the individual components。
So just these could be molecular systems or other components。But they would be disjoin or separate。
therefore they require some sort of functionalization to add linking elements or a blueprint for assembly。
this could later be carried out either by themselves or with help from someone else to eventually come up with the system that uses the functionality of the individual elements。
And might be smart some some day。 And if thiss made up from small elements or more molecular points。
then this could eventually， if it scale down aggressively be some sort of intelligent method that does programming very much like we do in in our brains for such。
And， of course， this is a process that takes time。 So therefore， it's also this movie cartoon。Yeah。
now as already said， I come from an engineering background so our approach is slightly different。
we don't work so much with molecular building blocks， but rather with other elements。
but you can sort of follow the same kind of timeline So instead of having these functional molecules or such we would have photonic building blocks and you can see some here in the first graph on a chip so they has many different elements like modulators。
cup loss wave guides and so forth， but often they would be disjoint or at least not working together as a full system。
when they can often be passive so they wouldn't be changeable after fabrication therefore we often need something else and in this case。
these would be functional materials in particular face change materials which is why I put here these ice cubes So technically this is a phase change materials but not on the type scales that we would like。
but nevertheless。Fctionional。Then with the right assembly technique。
these elements and materials could be joined together and eventually come up with something that is also a system and ideally。
If this can be trained in a way is similar to how the the brain works also it might be intelligent and what intelligence is。
is， of course a very different question。But in essence。
we think of intelligent is something that sort of receives information from the environment is able to process it。
And also able to adapt its internal state。 So it doesn't always stay the same。
but evolve gradually and therefore also learn from the input it receives。And， of course。
this is also a timeline， probably a very long one。 But nevertheless。
it's the the field of research we're in。 And there's also an application。
And our particular one is computing while solving。Now mathematical problems。 And often。
these can be。Equations also that that met very well to to optics。
One such is matrix x multiplication。 So you can sort of see here on the top right what this would be。
Probably not a simple two by two matrix that you can do in your head， but something much bigger。
And if that is scaled aggressively， there's lots of applications also for using that in the framework。
Yeah， and I guess as you already heard， or as it's also the topic of this conference。
the motivation for us is machine learning or artificial intelligence。
where at the very heart of many algorithms are exactly these matrix vector multiplications。
Much are small ones， but rather very big ones and also some that consume a lot of energy and it will be carried out fast。
which is why it's attractive to do this in the optical domain since there you have a lot of benefits in terms of throughput and also in terms of energy efficiency。
Nevertheless， this started small， which is good because then you're back to a smaller matrices。
And I think a good motivator also。Thinking that comes from game since this was probably one of the first applications where AI was actually used。
so the ideas of building the systems that be used today very successfully was modern on hardware date back to the early 50s and 60s。
but you could still consider this sort of artificial intelligence winter since then the algorithms were。
Not as sophisticated as the ones we use today。 So going back to games。
maybe you were playing against your computer。 if your friend wasn't there also。
And then the program itself needed some sort of smart systems。
and this could just be techman or something in the 80s Yeah。
then with the advent of more sophisticated learning algorithms such as backdrop。In the 80s。
these artificial agents evolved as well became more powerful。
but I would say still more to the degree that they could compete， compete with humans。
but that changed basically in the 90s when the first pos were able to show superhuman performance。
one of them was the blue the chess engine that defeated Gary Kasparov in 96 and then others followed very quickly much later with the training of more more powerful network。
And this has continued onwards towards our days where now a lot of AI is relying of deep networks。
So Alphago is one of those systems。That I think was a breakthrough since the day Go was believed for a long time to be not doable well by AI because of the enormous state space。
But yeah， because has state has passed as well。Also， these days。
there are still new games that are being solved by AI again with superhu performance。
So here are just some recent example， Starcraft。Some of you may still know grant risk with this car game。
which is more of a real time problem and therefore difficult task to solve for AI。
or also last year， the game diplomacy that was played with artificial agents against real humans。
And it's not so clear who is actually who since they communicate via text input。
Or at least there is a human level performance。三や。This。
this became possible because of basically three ingredients， I would say。
So one of them is the availability of， of data， which is needed for training such large scale systems。
And as you can see in many plots， this is just one example because it's exploding very。
very rapidly with creation rates in the satite region and on a very nice exponential。😊，The timeline。
So also not clear what to do with all these bys once they explode even further。 But nevertheless。
theres a very rich training ground for feeding to these T networks。
And if you have to write algorithm。 So that is the second ingredient。
And they have also made enormous progress， starting probably from the early days with image classification。
It had initially substantial error rates。 but by now。
it's also above human level performance and has been so for many， many years。
With error rates were below 5%， which is roughly。humanuman error rate in image classification。
By making use of training from from such large data sets。
But what it really also needs is hardware in business basically where this talk is also centerd on since this massive amount of data and yeah mathematical power requires a lot of computational resources。
which will eventually be the bottleneck for how this all comes about。U here you see the Google TPU。
The engine that is dedicated to AI and problems。 and in particular。
also to these matrix vector multiplications that I mentioned。
The problem comes when you look at the trajectory。 So both in size of the models and also in terms of the energy that is required for training。
So I apologize for the graph being。Quiteful， but nevertheless。
I think it shows the exponential trend in this area。 So the gray bar here is more law yeah。
roughly twice。Inpubling the number of transistors and and such every two years。But actually。
these AI systems require much more aggressive scaling or the speech and English classification models。
This is the blue bar here。 They double with a factor of 15。 roughly every two years。 So much。
much quicker， but even more so are transformer models that are under H GPT and others since they increase in training requirements with the factor of 750 X every two years。
So substantial demands on half that you have to do also with the size of the models。
So this is what you can see at the bottom graph basically the transformer models。
Increase in size 240 times every two years and reach systems that are now in the terabytes of storage space。
And this is a problem because memory goes much， much slower only with 1。
4 x every two years and also the bandwidth that allows communication between these individual course doesn't keep up with that pace。
therefore really needs something new in particular， if you also keep energy consumption。
The third ingredient in mind since that is also growing exponentially。
and eventually we will feel the limitation simply because there is not enough available on the market。
So the growths energy。Production growth by 2%。Every two years or so， but very fast so。
Even in the few years， you're probably going to fear。That limitation， according to the SRC forecast。
And therefore， it makes sense to think about new hardware and in particular some the takes care of the heavy workload。
And this you can see if you look more closely at what such neural networks actually do probably you've seen this many times and that's also not so much the point here。
but in essence， if you do some classification or also learning tasks neural networks are some of the most prominent numbers there。
the idea is that you map your input be it video sensory data or image also to artificial neurons。
That are then arranged in your favorite layout structure and the mathematical mapping between different layers is essentially a matrix multiplication since you need to weight the input with the parameter stored inside these systems or these very。
very big models。And then propagates that modified input through a chain of cascadeds。Pations。
This can， of course， be done on conventional computers， but it's not very efficient。
which is why there is as a drive in developing developing specialized hardware that takes over this particular task。
And it maps in particular quite well to inmeory computing architectures that resemble very much a mathematical matrix。
So one example here is the cascade from IBM and for their memories of in memoryory computing elements。
So the connections between these networks are essentially encoded in hardware。
and and the computation is directly done in such a cost by architecture so you can essentially see that this is a cascade of matrices and if you then look at how much energy is actually spent in such systems and then a vast majority actually does go towards these general matrix multi multiplications or multiply accumulate operations。
Shortfallback operations。 This is a graph that I stole from IBM from the recent MRS meeting here you see in red。
the matrix multiplication。For spent different different models， so be its speech， recognition。
language。Or vision projection。 And in all of these， it's fell over 70%。
So if you really want to improve the performance of any such model。
it makes a lot of sense to look in this particular operation。 And as it turns out， fortunately。
this maps very nicely tool to optics。So in order to do so to go away from digital computing and rather to analog computation。
and of course， this can be done with electronic systems as well。
here are three examples that I think are quite prominent in this field。 you can， for example。
use different classes of memory that are closer or further away from the actual central processing units such as flash systems。
They are available in large quantities or ara as well。Have some pros and cons， some of the cons may。
for example be in flash that you can already switch them so many times and therefore there are some limitations in training。
but nevertheless it's a nice technology to do so。What is also emerging permanently， as I mentioned。
is memory store based devices， these co for architectures that I already showed earlier。
These also fit very nicely into the picture of functional materials。
because the actual weights of such multiplers are stored directly in the analog domain as the resistive values in such a ways。
They don't occupy a lot of space。They are pretty fast and therefore also very energy efficient。
Nevertheless， all of these operates with electrons as also traditional electronic circuits。
obviously with currents and voltages。And therefore， in terms of scaling。
it's mostly limited to spatial scaling。 So basically the size of these elements。
But you don't have that many additional degrees of freedoms。 And this is。
Oics is attractive because there you do， so you can also besides the high standards use other features of light such as the polarization or the wavelength。
therefore still in an entirely entirely different dimension。
which is nice if you keep this fast trajectory in mind with the 7950 x growth rates in training requirements or such。
😊，And therefore， we believe there's also yeah room for a different type of architecture that uses optics。
at least partially， not for everything， but at least for part of of a hybrid architecture。
And what this could be is kind of sketch here in some sort of hybrid circuit between electronics and optics。
So the optical matrix multiplier would be this box here on the right hand side。
So that this contains tuable photonic elements that are then driven。
By converters into the electrical domain。Digital to analog converters and analog to digital converters so that you can basically talk to those with a normal。
Computer， probably in some form of AsIic that would would be sitting on top of that。
It also needs additional elements such as some sort of memory。 This again。
could be a functional smart material， such such as a face change element or something else。
You need some input。And connect your favorite laser source or other light source and so forth。
And then it would be essentially a port that could be integrated with an existing computing architecture。
but it would have。Fast photonic processor at the center that carries out some of these more heavy workloads。
And I think this makes sense if you look at the degrees of freedoms that you have available in such architectures。
some of them you probably know well from telecommunication， for example。
wavelength as a degree of freedom is frequently used for wavelength division multiplexing。
So through one given fiber， you can send many signals at the same time。
because bosons don't interact strongly and therefore the different wavelength channels are more or less isolated from each other and what it only needs is a multiplexa to pick those apart。
but there are others， as I mentioned， polarization or spatial modes being just some of them and they offer additional degree of freedoms once the hardware is already there。
So you cannot only scale by making things smaller。
but also by using these other features that light actually has。
And if you then plot this in a graph of computational speed versus efficiency。
the optics are actually sitting here nicely in the top right corner because there you can make off the very high speed of processing available to light signals and the high bandwidth。
And since losses are the primary sources of energy degradation。
they can also be very efficient and therefore reach high rates in these multiplications。
So to briefly explain how you can then build a processor this turns out to be relatively straightforward in the optical domain since multiplication is essentially a power measurement。
so if you want to multiply two numbers you mostly need to a way of encoding these numbers so one of them could be the input power and the other one could be the attenuation or the splitting ratio and you can do this on the phase of flight so this is an example from MIT to angled scoop where you see such an optical processor that is also fabricated in a chipk system。
And the building blocks that I mentioned initially that this system is made from are basically these Maccina interferometers。
The light is split into two paths。 and then the faces adjusted in each of the arms to basically separate the signals into the upper or the lower arm。
So it yeah attenuates one of the light fields and transfers light to the other one。 Therefore。
it implements a very small2 by two multiplication matrix multiplication。And now。
if you make many of them， you can multiply input vector by your favorite matrix and collect the output here。
Yeah， these systems have to be face coherence。 So sometimes this is an issue。
and therefore you work with a slightly different architecture that， again。
looks more like a mathematical matrix。 It's a photonic crossbar architecture。
where we do not adjust the face， but rather the apt。
since this is often a degree of freedom that you can easily have access to。
It doesn't require coherent sources， but you can also work with cheap LEDs or spontaneous emission sources or such。
if you can make these circuits active。 And this is essentially the materials come from。Normally。
this is just a wave guide so it doesn't do much after it's been fabricated。
but you can change it by adding something onto it and something could be yeah a face change material they're interesting for optics because you can physically change their crystalization。
Between two states， they can either be disordered or more like a glass。 So as shown here。The bottom。
even though this is not such a phase change material， but in this glass like state。
it is transparent and let's slide through。Whereas if you turn it from this ordered state into a crystal。
and then it behaves much more like a metal， it becomes opaque。Or reflective。And therefore。
as you can see here at the bottom。Light cannot propagate any more through and basically isnt is very effective block for such。
For such an element， if it is integrated with a photonic circuit。
So what we basically play with is the amount of absorption that we get by changing the crystal structure。
And you can do this by injecting short laser pulses or short electrical pulses。In such a material。
Now， to combine this with the waveguard architecture that I mentioned。
what we do is basically we take a little bit of this。
Material and put it directly on top of a waveguard。 And this way。Yeah， you。
you directly have a very compact attenuator that is programmable and also learnable。
because the face state can be。Iterately convertverge to to DSI value and such a a matrix element that you actually need。
So the way we use it is is relatively simple。 The injector laser pulses。
These would be the the red ones here。 They propagate through the waveguard。
if this material is crystalline， then it's absorborptive。
and the first pulse here would be heavily attenuated。 We then call this the logical zero state。
If it is switched to the glass like or transmissive state with the yellow white parts here of higher energy。
And then you can turn it into the office or this ordered state。
And then the second di pulse here would come out， not so much attenuated。
And we would call this the logical one state。And and in the you can actually physically see this。
Also， if you take a slice of the wave kits or you're cut with a focused ion beams through the wave kit and look at the crystal structure。
And you see in the crystalline phase， there are these little ordered micro crystalrys lights inside the thin film。
It's not a very thick film，10 nanoms。If you make an office。
it's disordered and there's no crystal structure anymore。
and you can switch this actually many times。Now to build。A system out of this。
we make use of top down fabrication， so not just one element， but many of them。
And then you can build your first matrix vector multiplier that is sketch here。
Amittedly not a very big matrix， so a two by one vector multiplied by yeah，2 by one matrix。
but just to give you the idea。And basically， we would multiply the the blue pulse here with the glass like structure in the left wave guide。
this one here。Therefore， the blue light would propagate all less unattenuated。
And on the right hand side， we would multiply the red pulses with the crystalline structure So the red light would be attenuated。
Therefore， it's small。And then they co propagate along the wave guide together。
And if you now measure the total power at the photo detector。
we get directly the scalealar product of the two。 So the input power times the transmission。
and therefore are the result of this small matrix vector duplication。This， of course。
you can then make bigger by making the matrix more like a real matrix。 So in this case。
it's a four input system that is fed by a light source that gives you different colors。
so called frequency microcom。😊，If you can make one column， you can make many of them。
So you actually have a 4 by4 matrix。 And therefore， in one single shot。
you get basically the result of this input vector multiplied by the vector by the matrix that is encoded in the phase change elements in this particular structure。
And this is interesting because it does this quite fast so。
Even this small 4 by4 system delivers about one terror multiply accumulate operation per second at the power of about 24 tops per wt。
which is okay。 but the are still better。 So there is room for improvement。 But nevertheless， it。
it shows you that this works。Now， if you really want to go to low energy consumption。
then there's a very nice trick that you can borrow， which was also developed at MI I T。
So the idea is that。If you really want to do this fast and efficient then and you need to get rid of the losses and this can be done by not only storing the weights in the material。
but also multiplying them directly on an optical signal。
So essentially that would give you two modulators。
one for the input and one for the matrix this way。
the actual weights of the matrix are stored somewhere else。
and you would transmit them to your smart transceiver。
But the losses essentially would just be what you miss at the at the link and therefore accumulation is carried out at the photo detector。
This is very attractive if you want to use this， for example。
for edge applications since this can all be done with a photo detector。
but it's also attractive if you look at scaling down to very。
very low light levels and even down to the single photon level。
So on this trajectory here of the yeah。Number of photorons injected for multiply accumulate operation versus receiver capacitance。
Then you can see if you really go down to the noise level， you might even be able to。
People learn out a little bit of information processing。And all your needs。
Are basically two multis and a very efficient detector。
And this you can also build on a nice platform， a different material system again。
that offers more smartness in this particular letium Nbas on insulator films。
they can be processed with more or less the same methods as what we do for our other circuits。
you here you can see an example of such a。Particular circuits。
this is one of the 50 by 15 millmeter dies that we built that has a lot of these circuits integrated。
but if you zoom in a little more into the measurement setup can actually see the circuit that contains now these electro optical modulator for ening the weights。
but also to superconducting single photon encounters that are able to collect these receiving signals at the other end。
This is just one of the modulators so the second one is externally， but in principle， this is again。
a building block that you can use for implementing now also this very energy energy efficient matrix vector multipplly us。
Yeah it's a small one so again you have to do scaling this can also be done so he has an next version that is now implementing a 4 by4 a unitary operation that works on a single photon level。
it's not super fast but reasonably fast with 6。5 gigHtz bandwidth but it does work at the single photon level and is a universal intervalmeter。
O。I mentioned neural networks in the beginning。 So in the last few minutes。
I'll show you actually a few ones of those that you can build with photoronnics。 And one of them is。
is earlier earlier work。That we used to basically build artificial neurons very much using the same concepts as before。
So multiplication is carried out by using phase change materials for weighting the input signals on different wavelengths。
addition is carried out with a multiplea that is going on to a common wave guide and then the missing element is basically a nonlinear elements this in our case。
that was realized with a ring resonator that basically provides nonlinear activation functions and therefore gives you spiking output more or less。
The issue with that architecture was also that this particular device is hard codeed。
So basically once it's made， you can change the face change material。
but you cannot really change the wiring anymore。 therefore， it's not really plastic。
Which you also would need for rural networks。 Therefore。
we are now working on a different approach where actually， the synapses。
Connections are not hard codeed， but soft codeed， and you can connect those。With a software system。
I have to apologize for the poor picture quality。 But the idea is that you have a set of artificial neurons that are based on phase change materials。
and then they' are connected together with optical pulses on on different wavelengths。
Because they can be encoded on the fly， you can basically choose which neuron is talking to。
which neurons somewhere else， and also these connections can be learned over time by using a eventqueing mechanism so that you can go beyond these small neural networks to actually very。
very big ones。So the new one itself uses the same elements as I already showed you。
so there are wave tags here and ring resonators for doing waveles。
multipletiplexing on these rings are sitting our face change elements to encode artificial synapses。
And activation functions， in this case， we use these devices in reflection modes。
So basically light is going into the ring out here and then is spec reflected so that input and output are separated。
which is what we need basically for interconnecting this network altogether。
And this can be done in such an architecture。 So here's just a very small example that be used for training a network to learn differentiation between different languages。
In this case， a very simple one， English and German。 So it's also not a very big network。
since you only need to encode the vows， but they have some random connection initially。
And then we encode the light pulses。On different wavelengths。
change the amplitudept of them and using a geometric algorithm that is evolutionary。
AndThe network loads by itself， which connections are good。 And you can see here that in principle。
all it needs to do is look at the network A in a text。 So therefore。
it's a very simple classification problem。But it's just a start because you can scale this up very nicely to a much bigger system。
So this is the second chip that we built。 This one has now。
And32 by 23。Of these neurons one， each were 16 individual elements， or total you have over 11000。
Elements that can all talk to each other。AndThey have a very nice contrast of about 60 D B。
So therefore， you can use it very well for analog computing。
and it turns out that after fabrication， a lot of them actually work。
It's never a perfect in a university university facility。
But about 8000 of these individual neurons are usable。
and you can freely choose which one to to talk to which。
And by playing with the pulse shape and the wavelengths， as I mentioned。Rather you may ask， is。
is this at all useful， I don't know either。 But if you ask someone else。
maybe they give you an answer So this one was one from the automobile。Company。
they are interested in using new methods for information processing in autonomous driving since their energy efficiency and speed is actually an issue。
If you' going to recognize what is happening on the road very quickly。
you need to do this in real time and short。 And also， if it's an electrical car。
you want it to be energy efficiency。 So he says at least that。
So energy consumption is critical and optical。 Who networks may some of the。Yeah。
at least may hold some benefits for， for doing this processing。For this， of course。
all of that needs to be upscaled and made robust and not just an optical chip。
but it requires also a lot of electronics around it。
And I think this is a key challenge for for bringing this forward。I'll think my time is over。
so I'll leave you with just a quick note if you're interested in that。
there's also a book coming out in September on phase change based computing。
So if you like these concepts， have a look。And I would also like to thank my sponsors and in particular。
my group who is doing this work together with many collaborators in Oxford， Oxford， etcet。
and also at IBM。😊，And I thank you for your attention。Thank you。Thank you， Profe Fers。
for a great lecture。 And now we are moving to the panel discussion section。 and please stay online。
and as they set up the panel discussion and。嗯，会议组织方呢？可以帮忙安置一下那个penal discussion的吗？Professor Pers。
Yeah thank here。呵。嗯。The official the， the language for the panel discussion will be in Chinese。
So we will divide this into two parts in the first part。
we will use English to communicate with you。 And let me start with a few questions。
And the first question is。What's the typical size of your。有 computing material and。
I may have missed it， but is it easy to do linear transition to integrate more neurons。
And what do you anticipate is is a limit of the， of the capacity。🎼Yeah。
so the phase change element itself is relatively small， So the smallest size can be on the order of。
yeah， say hundreds of nanometers， which is still big compared to electronics。
but is small compared to optics。The larger elements， of course。
are the photonic components required to do this Theyre more on the micron scale。
So this may seem big initially。But you have to remember that these optical signals propagate at very high speeds and also at very high modulation rates。
So if you don't just look at the size， but rather the computational density。
So the number of compute operations you get for chip area than you win by quite a large margin in。
in optics。 Nevertheless， and yeah， as I mentioned， the the size scale is in in the micro range。
I guess。And making them much smaller is probably not the way to go because optical wavelengths are。
yeah on on that order。Thank you。 And it looks to me that the intelligent material now is， is。
is more like hard material。 right， Do you think it can be implemented into a soft material。
soft matter。Yeah， this is also a very good question。as you， as you said， you're perfectly right。
that the face change elements that we use， they are， yeah， they are hard hard codeed。
So it's also probably everyone knows them。 It's the stuff that is on reable Ds。
So they have been heavily used and therefore are very well optimized。But you have to。
yeah keep them in in the form they are。 So what's attractive is to move beyond these to some organic materials that are flexible or such since then。
you can also think of very different applications。Not just these chip systems。
but rather other devices such as smart skins or variables or such。
where you also want some processing capability and and， and those hard materials are。
of course a looseisance。 You rather need something that can actually end with motion and such。
There are that give， give you this functionality， but it's also。A focus of current research。To， to。
to build more of these functional elements。Thank you。
maybe are there any questions from the audience， Let me take a few questions。To pronies。Yeah。Yeah。
Of from the speakers。Yeah。Hello， yeah。 So I would like ask one simple question。
So like you have a like the switch in speed right now is a 6。5 gigHz， something like that。
So what is the limitation factor there， And another question is like。
I think so like the memory is still electric。 So like is there way， like I think it if it's optical。
obviously， that's optimum。Right， and is there a way to do that。Yeah， that both。
but press the the pitching speed that I showed that was mostly limited by the electronic design， so。
There were very simple mod latest electro opticalical ones where no optimization has been done on the RFF structure。
The impedance mismatch is the。Invitation there。 and if you do this properly， you can go much。
much faster。 So there are。Well designed lethal nanoate EMs that go beyond 100 gigahertz if you go to different types of modulators graphene based also you can go much much faster then there are more integration challenges。
but yeah the limit is really not in the optical domain it's more in the RF design。And。
And your second question again， was。Can you， can you put it again it I talked about。Yeah。
so like the the memory。 So like right now， the memory of the， Yeah， so optical results。
those kind of。😊，Optical memory is， of course， difficult。 Yeah。
since they the sort of contradict the the way of photons they are sort of flying memory bits。
And therefore， the typical way is just to use a very long fiber， which is not practical。
AndThere are some ways of storing light， for example。
in special times of excited states in solid state systems。
you can also use atomic memories like paper cells or such。😊。
We use these face elements also as a memory cell， but I mean。
it's not a true memory since you can only read it out and not really get light back out。嗯。Yeah。
and therefore， I think it makes more sense to do this in a hybrid fashion。
So electrical memories are are greater。 They're very contact， and they're fast。
They may be not optimal in terms of energy consumption。
but they still have many benefits over optical ones in terms of performance。数。
If someone comes up with a smart， all optical memory。 Yeah， then this is great。
But integrating that and interfacing that with。😊，The systems is is a very hard problem to solve true。
Yes， thank you very much。If no more question， let's thank Professor Pers again for your great lecture。
Thank you very much。 Thank you。 What's a pleasure。嗯。
nNow we will switch to the Chinese panel discussion and各位嘉宾请入座。嗯，各位老师好，今天的这个panel discussion呢，我们就采取呃。
问问题的形式，一开始我会呃问从就从第一个speaker开始，我们问一些问题，然后做一个引子，然后其他的报告人也也嗯等回答完了之后，也可以问那个报告人问题。然后之后呢。
我们再把这个嗯再请这现场的这个各位观众呢一起来嗯参加讨论。那么嗯刘老师那个你在你的第一个报告当中呢，讨论到生命智能的这个呃分子基础。其中高分子起到了特别重要的作用。
我们注意到在生命体系里头有很多的高分子DNRNA呃蛋白质，还有多糖，还有其他的一些。那么嗯在您看来，为什么是高分子的什么特性，让它成为了支撑生命的这样子一个不二选择呢？是高分子的什么样的一些特性。
使得它可以支撑生命智能这么一个复杂的一个个功能。嗯嗯。喂啊，是这样子的那个我个人的看法呢，其实是非常简单的。因为其实我们主要还是看到它的信息，其实一个分子能够带给你的信息呢是跟分子的大小是有关系的。
因为它的排列组合的不同。那么的话呢呃我们可以通过合成一个非常复杂的，就是所谓的这个小分子来去定义这样的一个事情。那么其实高分子和小分子。在有机合成的时候，在最开始的时候。
我们比如说定义大于比如说几千分子量的分子就为高分子。那么它既可以是一个线性的链，也可以是一团的这样的一个物质。所以呢其实这个界限的话呢，现在的话呢，当然就逐渐的模糊化了。那么我认为呢在生命体系里头。
它采用高分子这个形式是我们碳基生命所比较容易呃，就是在能量和这个演化上比较简单的一种模式，也就是它用了一个串联的模式。那么就跟我们现在的这个信息的编码有一定的异曲同工之妙。
也就是他用就是简单的主链和这个有序列化的测链。然后呢呃把信息引入到了用一个共价键把它连接起来，形成了我们所谓的就是呃从表现出来它的性质，然后体现了它的智能化呃。
所以呢我们就是说它是信息和物质结合的一个最好的切入点。所以说我认为生命采用了高分子，是因为高分子，它有了共价和非共价的这个两种的特性，可以在这个上面进行编程。呃。
可以观察一下生命体系里头用到的高分子和我们现在经常讲到的就是我们合成的聚乙烯聚丙烯，还是有区别的。也就是说他这个我们现在的能够体会到的高分子还是最简单的呃高分子，但是它已经具有了一定的特性。
我希望将来我们能够真正的在合。上有更有突破，能够向生命学习，能够去操控这个事情，谢谢，谢谢。😊，其他老师也可以提问，对刘老提问。对老师报告那个刘老师，我的我的问题啊是稍微那个具体点一个问题。
因为刘老师他用那个高分子，然后呢去支撑那个磷子囊泡的一个膜，导致这个膜的一个超级的一个稳定性和可变形的一个一个一个性质。所以当时是那个我非常感兴趣的。我在想那个刘老师，那您做这个高分子。
那你看细胞内的骨架，它是可以进行不同的一些响应的。比如那个钙离子响应啊，或者其他响应。我就我想那个刘老师，那您尝试过没有？就是把高分子也是一个动态的。然后里边支架的一个改变一个收缩了，或者一个形变了。
导致了外部整个囊泡的一个变形运动，特别像您展示的那个白细胞吞东西那样一个过程。你可不可以就是也是把高分子的一个支架，然后呢进行光响应了，或者是离子响应进行变形，也导致了囊泡的一个可控的这样一个变形。😊。
这个很有挑战性啊。那个因为我们我们说其实我们在了解生命体系的时候，还处在非常初级的阶段。可能我们验证了这个原理的正确性。但是呢就是您讲到的这个细胞的变形，其实我们也尝试着去做过，可以做解组装。
但是呢在这个变形的过程中，其实细胞变形是个非常复杂的过程，包括它的这个就是长大或者是缩小。它其实是一个能量就是有大量的能量和物质的这个就是转化的过程。那么呃特别是在它的就是缩小或者是长大的时候。
它涉及到磷脂就是构成这个膜的表面积，它改变了。其实这是一个非常困难的。因为呢在它越小的组装的范围之内，它其实解离的就是说它中间有一个呃。磷脂分子到溶液中，它产生一个交换的这个能量的这个bar。
就我们叫能量的这个噬垒就会越来越高。它其实呢是整个体系呢，就是大的这个囊泡为什么容易破，而小的不容易破，它其实是有一定的原因呢，因为它跟界面中间的这个相互作用就会越来越多。
所以呢呃你想把一个稳定的体系挤出去一部分的磷脂，让它缩小。这个能量付出的是太大的。然后呢，我们内部的这些高分子的相互作用，或者是一般的相互作用呢，很难能达到这个能量的量级。所以现在还没有做到。
如果你有好想法，我们可以合作，谢谢。没有，只是向那刘老师请那个刘老师请教，确实是它一个变形，对吧哈？我们也尝试确实变形，但是可能需要高分子，就是您的内部的支架和那个细胞膜和磷脂，需要这样作用力。
还是需要一个强的一个作用力，可能拉他一些变形。😊，都问对不要不要不要不要都问这个。😊，吧不过那个我真的是有一个问题，就是说因为我之前知道他们这个就大家做那个细胞骨架。
就是说这个细胞骨架它本身来说也是 dynamic运动过程，然后是是是在前面生长，后面后面溶解，然后它就可以产生这个作为叫做细胞什么叫做细胞polarize就是细胞胞的运动细胞。
本身来说细胞就有一个有一个有一个计化了，就是就他这个问西是一个在细胞内部相当于粘性是非常大的对吧？因为就是说细胞年性非常大，就是说因为我们一前做的话呢。
就是现在可能就是特别是我我做的是从这个合成体系来说做的那么这个东西就一开始我们的粘性就非常的低。我就发现就是说这种情况就就很难做到这个情况。
但是就我觉得可能细胞就会在在生物体面它可能会找到这么一个很好的点，不是一个问题。我很同意你的说法，因为其实细胞内呢我们看到的现象其实只是个皮毛。😊，呢它还涉及到很多的生化反应。另外一个呢。
它是一个就是叫县域的环境，它是个分子拥挤的环县域环境。它里面的那个物质的输运和能量的传递，其实和我们一般的在自由溶液中观察到的其实是两码事。这一点呢，其实我也对你的那个就是这个耗散体系。
其实也是非常感兴趣的。因为我们现在研究的很多耗散是在呃一个自由的，就是在扩散比较充分的情况下的。那么的话呢，如果在就是特别是在高分子的，他们要通过分子的拥挤，是可以调控它的这个物质的输运的方向的。
它其实可以有一定的方向性。那么在细胞里头其实非常明显。对对对对对，这一点呢，我就想可能也是未来会不会成为一个新的方向。有可能就是说因为我们也是在想，就是说如果说是在活应体系里面的时候。
你不管是自然的活应体系还是这个人造的活应体系。最后产生的结果，有可能就是它的这个呃细不管是分子，它的这个这个这个扩散的时候的扩散速度就已经发生变化了。在这种扩散速度发生变化的情况下。
它就可以违反这个热力学第二定律，它就直接往回退，对吧？就是往高商的些这个这个这个程度上走过去。😊，然后才能够形成这些，不管是自主装也好，还是说这个涌现行为也好，才能够出来，对吧？
就是说这个是可能就是如果说我们我我们我们我们follow他们这个这个这个做做做做computer science，他们这边要做这个chGPT这种想法，我们大理出奇迹的这个这个办法我我我们也是这样做。
我们就我们就相信他会有然后我们就大理出奇迹。我对那个好散体系也特别感兴趣，就化学震荡现象是一个典型的一个耗散体系，可以创造一个嗯主分或者这个事件的在时空上的一个周期性的一个行为。
那么在active matter里头，你们也没有观察到他会自发的形成一些图案化的或者周期性的一些行为呢。嗯，就从你你展示一些video，好像他们的是一些比较无规律的一些运动。看起来呃，对。
现在就在我们的那个体系里面是一个无规律运动。就是说因为他这个里面不存在正当的化学反应。假如说就如果你加入正荡方化学反应的话，它就会震荡起来。就是这个东西也有报道很多的这个已经已经看见了。
比如说的那个体系就会照就会震荡起来。然后有这个。除了银体系是外，好像我记得好像反正这个这个二氧化碳的体系也可以加它也会震荡起来。
就是你会发现它就像这个这个心脏一样开始开始震荡单的作用是不够一个的网络这个了好几个，就震荡起来。我们就说说你这种震荡起来之后，那么就是说震荡实际上来就是一个实嘛，就是时钟频率震荡震荡的话本是一个规则。
你有规则的震荡之后你你你你你理论上说你就可以用来做计算，这个事情实际上是说震荡震荡化学反应做计算，这个是19反正就90年代就做过了，就是当时拿那个BZ化学反应震荡。
然后就就一开始它在溶液里面这个这个这个布局好，然后就让它去演化演化之出来结果就直接读他就可以做一个计算，但就是化学计算了。但就是说这个东西你你有多么。😊，多么普性的计算这个东西就可能不好说。
就是说这个这个就是它的规则已经在那儿了。就是说但是我说这个东西能不能形成智能，这个就是另一回事多的知道最多的非常著名的震荡那个震荡这个是个是美国苏联可发现一个对吧？
但实际上来说后面还有非常多的震荡常多就是就说只不过他那个震荡到颜色变化那那就是最简单。但是我们没有如果不需要颜色变化，很多西都在震。😊，就是你只要有一个非线性的这个过程在里面。
然后你这个follow他的这个这个这个叫什么什么什么什么什么么图灵图之类的，他在他的相目就以设计出来这个图图话就我们看到我们那个东西你感觉很乱吧？乱就对了就乱就对了。
你要是看到这个它非常规则规则就不对规则就不会出现这个智能的规则是不可能的。就说你你你这个东西他他有一定统计学意义。谓叫做那个图你感觉乱。
但是说我刚刚说就说你从小看的东西大东西感觉上然乱但是乱不多所以说这叫做分型图，就分型的分型图的话表这个东西是一个混沌的一体系里面混沌体系里者说你在混沌的体系里面个震荡是不混沌的体系正荡和不正当之边界的位置。
就说这个位置是你出现这个智能的呃情况，就是在这个位置就叫做智能的边界，就在一定在这里。你不能够说太太规则了，太规则不行，对吧？太混沌了也不行，所以说一定是在这里。啊，区域是在这里。我我唐老师。
我听完你的报告，我觉得很有意思啊。我问几个问题，就是您的那个很多的包括模拟，像生物种群中的这种，其实应该都是在用这个clo在溶液的环境里面做的对吧？那你在这个过程中，包括你的模拟需不需要考虑尺寸效应呢？
尺寸效应嗯。我我们暂时他真真的没有考虑。因为我们如果说模拟的时候，我们就用最简单的分子动力学模拟就完了。
因为就是说它实际上来说只需要考虑那个叫什么那个那个叫什么 number了反正基规则完就考个特定的个个分子体系里面。
它不存在这种那那比说你说这个蚂蚁对吧喜欢钻就遵就讲样一个行为就是就是但是从比说虽然但为说他这个行为定可能有一义的但你面这里面。会会会就就你们考虑过这个问题吗？嗯，现在真的没有考虑那么多。
就是说就是说涌现行为涌现出来之后，对于生物有没有意义，我觉得这个东西是一个呃就相当于是这个可能是进化的来管的这件事情，对吧？就是你你你你进化说这个因为实际上就是它由这个规则吧？
来决定就相当于是最最简单的我们原子之间有一个相互作用力，对吧？然后呢原子就形成了一个物质，这个物质呢就有一个性质，对吧？就是这性质就是客观的，它没有好和坏之分，那么这个东西我们那个微观的这个粒子。
或者说是我们这活性物质之间它也有相互作用力，它有某一个规则，这个规则的话呢代表了某一个涌现的行为，这个行为它好和坏，那那那如果不好，那肯定生物自然界就自动把它淘汰了。你就规则就不要要了。
你的规则就要需要调参数，因为实际上来说就是说很简单就是它这个里面就说我说的特别简单了。比如它那个对吧？我们就说它它有一个这个这个进程排是。吸引的这个作用力。但实际上来说。
还有做进程吸引吸引多少远程系的完成排斥排是多少？对吧？他它有一个这个这个尺度，然后在所有的这个。😊，这个非线性体系就是说这种这种这个这个这个这个复杂性体系，它都它都特别非线性。
所说涌线就是因为肺炎性的呃产生的，就是说所以说你可以有我们就同样的这个呃这个行为或者同样的规则。但是由于它的这个规则的数量不一样，就是数值，比如说成了2，然后最后产生结果就完全不一样了。
吧用涌线出来东西就完全千百怪了，就是完全不同了。那么就是说可能生物来说我就调一个这个参数。哎，那那我就可以去适应后面的这个这个这个环境的变化了。实际上来说，蚂蚁就是这样做的。
因为比如说他不是说蚂蚁到到了那个什么清晨的时候，冷的时候他就会自己团，然后呢天气热了，就会散开了就这样这通过它调试自己的参数来实现的。😊，哎我还有个问题啊，因为你是在这个非平衡态的这样的一个体系嘛。
所以你们有没有去调过就是外界的噪音对它最终结果的影响呢？嗯，模拟的时候肯定是稍微尝试一下，但是就是说能没有那么做那么好，但你这个问题就是说我们都是说一个特特特特别深刻的思考吧。
我觉得就是这个问题就是说像这个如果说你做电脑来做I那么它不出错你个电脑它不出错。那你所有的这个这个它都不出错，实际上来说我们真实的我们是出错的。们那个脑个有一定的几率，就是说你你你输入多少个信号。
它它放出多少个信号，它这个是有一个几率在在控制的。那么你这个电脑它不是这样子的那个 artificial neural network可能那个固定就就放那么多那么就是说实际他有一个需要有一个容错机制就需要容错。
那你你。进来这个东西我出错了多少之后就还是得以用显，基本上说差不多的行为。就是他这个稳定性问题嘛，就是这个稳定性，但是。对哦这个这个说实话我我我我物理不行。😊，😀Yeah。😊，我物理不行。
对我我一般来就是在在在在做化学在这里面，我就我就我就冲一下物理的。😊，我其实物理那边，我就冲一下，我做化学了，就这样子。😊，很有很有意思的工作。嗯，我我我想就是就是这个话题，就是说补充一句啊。
就是说其实我们在研究就是用这个高分子的共价和非共价协同的时候，其实你会发现有一个非常有意思的现象。就是所有的弱的相互作用，就是非共价相互作用。它的这个热扰动的水平，就是我们自然界的热扰动的水平。
我们叫一个KPT其实就是它是正好在我们这个温度下，就是我们的体温和或者是室温，是我们生存环境下呢，它处在一个就是接近转变的这个温度就是稍微升高一点温度。这个氢键呀或者是这些相互作用的话呢。
它就被消除掉了。那么所以呢你可以发现呢，我觉得是它也就是就是预设了一个热扰动的水平，就是这跟噪音应该是相关的。那么它的噪音的水准，就决定了你的相互作用的强度。也许在另外一个。不一样子的这个环境的条件下。
它产生的智能或者是这个相互之间作用的这个关系。那跟外界的温度，比如说它可能非常非常高，那么它就会采用另外一种相互作用，而不是现在的碳氢为基础的这样子的一个相互作用。
这个是呃我们发现比如说到了80度70多度。这些所谓的我们看到的这些动力学的行为都不见了。因为呢他们中间呢就变成了两个就是像我们现在合成的聚乙烯一样子的，它就是两条光滑的链，没有相互作用。然后呢。
它就会变得就是溶液行为一样的。😊，这是我的一点自己的个人的体会啊。嗯。黄老师。嗯，您从这个非人工就是说没有生命的那些化学组分要组装出一个人工效，我觉得这是啊一个一个巨大的一个目标。
你觉得你实现一个就这个细胞可能目前我们只实现了部分的类生命的功能。但最终我们希望他其实能够做很多的功能，能够计算，能够自我繁殖，能够自我性应，你觉得你这天还有多元其中最主要的障碍是什么？
像这有一个量变到自变的一个过程。对，这个问题太大了是吧？我其实我我本人呢其实也是个哲学问题，其实是这个问题也只敢今天包括这次的报告，也只敢今天讲否的话在其他的一些场合很容易就被拍死。
其实是得承认可能是在我有生之年，我觉得很可能也看不见，真的看不见一个那个人工细胞，所以说是啊也尝试把人工细胞加上一个类质，可能好一点，但是我觉得这件事还是真的。需要去做的一件事，真的需要去做。
其实我们需要理解的理解生命这一件事。可能是我们真的没法去理解。可能牛顿因为这个事也疯了，不知道是真是假的是吧？但是我们真的需要，我觉得因为来这个之前，我们主席的一个命题，我也在想。
可能是我真的是想为咱们智能的一定的一个程度。咱们智能的一个程度，肯定也是在学习着生命，真的是在学习的生命的一些信号的传输，比如学习的蚂蚁之间的一些东西。
可能是咱们再深层次的也是真的也是要在学习生命的一个搭建的一个基础。那个张老师问我不没有张老师命题是智能材料的物质基础，好像您是不是跟我微信说，我在想那生命的物质基础是吧？其实他们真的可能是吧？
可能回答不清楚，我也不敢特别的去回答一些什么东西。但是我就想其实是也需要真的是探究这件事，真的是生命的一个物质基础是什么？所以说是啊我自己想来想。😊，去别弄了半天，然后弄了一个活力。
我想唉这活力这个事大家也整不清楚。然后呢我们前辈科学家也整不清楚，我们化学人呢也整不清楚，但是呢就是弄不清楚，也是我们存在的一个意义，我们就是要真的去弄清楚，可能是连前辈科学家100年没弄清楚。
可但是我们也要把这个棒接好，也是尝试着去思考这个真的弄清楚了，可能智能也就清楚了，我智能搭建物质也清楚了，是吧？所以说是呃邓老师不知道回没回答你这个问题，我回答的可能有点乱是吧？
不敢特别的直接去面对这个问题是吧？所以说是也是我就是可能是做人工细胞的一个最初的一个出出发点，可能真的是想哎从底层上哎慢慢慢慢去发现他们之间有一些什么样的力，就像我们刘老师对吧？
那因为我听到刘老师报告之后，我就发现我这个东西就讲不下去了，对吧？他很很很很直接的是吧？高分之间的一个相互作用力。其实事实上确实。😊，之间的一个相互作用力，对吧哈？
到底这样例真的是某种形式怎么去影响整个的一个规则的变化。那他们物质论的话，他们还原论的话，为什么他们好多人支持确实是物质本质上咱们我是好像我们都是学化学的，他们元素组成一模一样啊。
那怎么就不能破镜重圆呢？对吧那怎么就不行呢？是吧那我们什么都可以得到，那怎么就不行，在可以在组装成一个细胞。为什么根源是什么。
可能还是是更深层次上可能需要一个整体的一个看到或者是可能我们真的是我们现在的知识能区，我们看到那些力可能是奋斗啊相互作用力，可能概括的真的就不全，或者是我们理解的可能是需要一点。
可能是把我们要推进探索一点所谓的一些边界，敢于尝试一些边界，可能我们会错，但是呢我们可能是往积攒一些。😊，一些东西，他在美国有个课题者，好像有个工作是把这个细胞的细胞和的DNA拿掉。
然后注入一个新的DNA就可以把这个细胞重启。而且重启之后，它的功能也还是挺好的，是他们这他们这些做的啊，其实是可能是好像我跟那个戴老师也聊，可能戴老师说我们是属于从从无到有的这吧重新搭建的一个东西。
可能生命科学里边，他们就是最小基因组的一个提取，他们就提取了这样一个生命所构建一个最小的基因，把这个基因其实是这样可能以治疗的。但是啊他们其实生命科学，他们是做了很多，但做了很多。
我就想对于咱们智能材料没有帮助。我们只知道这个基因弄进去之后，它是个生命了，它可以繁殖了，它可以成羊，它可以成牛，但是我们还是没法去搭建这个事儿。😊，那我们可以知道一个牛的基因啊。
可能是克隆羊的一个基因，我们可以照个羊出来。可能是。但是其实从物质上的一个角度，我们再重新搭建，我没法去搭建这个事，可能还他还是借助于可能是一个宿主，还是怎样，再重新去改造一个东西。
但是我们从化学看一点点像一个修修一个汽车或者搭积木一样，给它搭起来，还是不一样的一个。😊，怎么说呢？还是可能是不一样的一个方法，可能需要一些不一样的一些去理解吧。要把这个物资要预先组织好。对。
物质的方式我们其实都完全真的是我就觉得是包括你看神经信号的一个传输方式是吧？包括我们为什么可以思考，其实人工智能其实是也是阿法购他们是吧？哈？他们是这，但是其实真的是怎么思考。他为什么不能像我们人一样。
真的去这样一个思考去操纵一些东西，可能我们还是。可能是有一些一些一一些活力或者一些神奇的一些东西，我们没有去知道。命临的这挑战跟卓军面临的挑战刚好是反过来的。
卓金的挑战是里面的是一个很大的一个已经很成熟的一个networkwork的很好。然后你要把它重新去改造它，但是又不影响他原来的这个生存的这种繁殖的这种能力。所以说一个是从生命科学看。
其实一个从化学的一个科学看然后他他跟我说，我他说是从对吧？中无到有的看可能他呢是对吧？从上到下去看真的是两个不同的一个路。但是我就想其实这样的路一定是殊途同归的，两个互相对吧真的是属于最终的一个目的。
你可能真的去理解一些生命啦，去理解一些大一点说可能真的是改造一个生命或者是对吧理解这样一个过程。这肯定是双向奔赴那是两个双向的。😊，我想问一下那个。犯错的这个就是咱们这个这个观众听众们。
大概大概大家是把自己是怎么样定定位的，就是这个问题，就是大家都跑到这个session里面。你看我们这个session不是特别多人啊，对吧？
你看我们这里下面是这个这个我们可能把自己定位为这个chemist，对吧？chemist，对吧？有多少人把自己定位成chemist。呃，那个举个手帮我看一下。一个都没有啊。
只有一个呀哦有多少把自己定位成biologist。😊，OK啊，还两个OK有多少把自己定位定义成physicist。😊，O。那我就是那那那那那那我是不是就这样认为其他大家都是curious。
计算机的应该是还是大家computer scientist computer science可以举一下手吗？多是computer scientist的。就是你应该问一下有多少人是跟有研究会性的。
有多少人是因为只是大家就是 curious的嘛。商业就是说就是说我觉得就说大家如果说是我们大家说所说这个东西比较多的话，对吧？我们就说这个东西从大一点为什么要做智能材料对吧？
就是科学家来说O大家都是研究的人来说，大家不太的实际来说我们ca的对吧？我们就觉得这个东西好玩O这个东西就是一个吧那个兴趣那个驱动的就是说这个东西但实际上说息驱动还是不行的对吧？
他就是说你你看现在所有的科学突破吧？都是到了某一个阶段到了O到了这个阶段了，O商业模式到了。😊，可以盈利了产生这个这个这个这个这个所谓的这个这个工业化的这个突破点了，新的经济增长点了。
这个时候OK大家所有的资本也好，大家的关注也好，都涌进来，涌进来之后，然后这个进一步再推动一个科学的发展。所以就是科技它发展本来就他有他有自己的他的规律嘛，那本身都可不是说你对吧？
你穿越到那个400年前，对吧？然后你你就开始造什么的那是不行的，那造不了，肯定你就你你你你你只能死。😊，就是这个意思，就是说所以说就是说我所以说我觉得就是说研究这个智能材料，我们也不要跳跳的太高。
所以说为什么我说OK我们就说就就我来说，我我觉得应该做OK就是说在现有的。这个这个功能材料的基础上。往上跳一点，我们跳到一个活性材料的基础，然后让它产生新的功能，我比原来的功能要好一些，哎。
我能够赚钱了，对吧？我能够产生经济增长点了。OK然后我们就然后这这个时候大家都看到啊，这个可以就跟这个GPT一样。你像这个东西以前没有人投钱啊，根本就没有人啊，一直都不不管的呀。谁都都不投钱。
大家都不看好现在大家都看好巴不得自己都生怕自己落后了，就是这个样子的，就是突然一下到了那个时候了，他可以，他的应用价值到了，马上就上来了。就说我们这个做研究也也实际上来说也有这个这个问题。
你不能够虽然说我我们自己觉得挺开心的。😊，同时创新他也需要也是一个时机，就是这个知识积累到了一定阶段，由适当专长的人把这个不同的这个搂在一起，变成一个全新的东西。我觉得他也需要一个时机。对。
就是说现现在就是下一步从智能材料来说，就是它的实际到底是在哪里？你这你你这个东西拉上来之后，我们哪一些东西啊。
是可以这个就可以把它那个应用在实际的东西上面解决实际问题的这可能也需要我们去找一个很好的一个切入点。对，就是一个示范性的应用。比如说对于AI来讲，以居语言的大模型就是一个很好的切入点。
可以破了之后就可以打开很多很多可能的那显空间很大吧。它那个他那个东西的显示空间当然是很大。不知道你认为在我们这个材料领域里头，在智能物质领域头，你觉得一个合适的切入点大概会是什么样的呢？
是一个很难的问题啊。呃，其实文明你你那个就是说呃我并没有以智能材料作为一个我其实演讲的主要方向，而是说我觉得你那个对我们这个会议的这个主题就叫呃智能的材料基础。对，我认为呢这个是。
那非常契合我对近最近的对研究的思考。其实呢所谓的智能可能就是说生命才有智能。那么我们经常在说，一个是从这个数据的方法，就是AI也来说，我们是希望找到智能的产生的根源。其实呢我对此不太抱希望。就像你说的。
就是说你那个叫呃如果网络复杂度够了以后，它就会产生智能。呃，我不是完全同意啊，就是说智能的产生，不是因为有了呃网络和这个各种随机性就会产生智能。呃，它不是我们现在所说的，它是一个一定的这个过程。
也许它还有某种其他的这个推动力在里头。那么但是呢我们在理解这个自然界的基础上，其实自然界是有智能的。我们因为有人类的智慧在这个里头。那么我们从自身看，或者从整个呃自然界来去看。
其实呢我们是尝试从不同的侧面呢1。1点去解析，我是相信就是说我们的科学的方法是用来解析这个世界的。那么其实基本的原理的挑战。当然还还存在。但是呢。呃，我认为我们大部分的框架应该已经在了。
那么如何在这个框架里头去解释我们现在能够看到的一些现象，或者是我们能够看得到，但是做不到的一些现象。所以说这才是就是一个做化学或者是做材料的人，应该去追求的目标，就是我们如何能够在向着智能的这个路上。
或者是我们在看一个侧面的时候，我们怎么去从这个角度去理解这个智能。从而从还原出来它的某一部分的。这个程序让我们实现在材料或者是应用上的进一步的突破。这就是其实真正能够变现的。那么比如说以前做到的材料。
高强高韧，那不太行。现在呢我们能做到很多高强高韧又轻脂的材料，比如说新型的防弹衣，对不对？我们现在做到的很多的就是符合材料上面，其实已经是比以前有了很多很多的进展。那么其实是我们对生命的理解。
有了新的认知，比如说我们对贝壳的认知，对骨头的认知。其实呢都是促进了我们整个材料的进展。我觉得所以说这个主题是一个永恒的主题。就是智能的材料基础是什么？其实包括刚刚呃咱们请的这个就是外宾讲的这一部分。
其实呢就是呃包括人工智能，它也有它的这个就是包括光计算也好，包括我们现在的硅计算也好，其实我们设计的这些呢，其实包括它中间的逻辑，都是它的一个对智能的一种新的思考。不见的路都是对的啊。
我认为就是说我们还是要慢慢积累。就是每个人从自己的侧面看一点，其实呢。😊，都有可能在这个社会上产生很大的这个影响。那么之后的话呢，其实水到渠成。过了这一段时间的时候，那么多的积累。
那么还需要一个更高层次的这个综合，所以说一代人会比一代人更强。我觉得是这样子的对，毕竟在大自然里头进化这个智能物资已经花了那么那么长的时间。我们才开始有这个想法，肯定这个是注定的是一条很艰难的一个路啊。
其实也很好对做研究的人来说，因为刚刚开始，所以呢大家的积都很大，你提出来什么都是新的，而不是说发现这个东西别人做过了，那个东西别人已经做过了。那现在剩像物理学就剩下几个大的问题。
大家就是说觉得其实很郁闷，要是就是明知道。😊，呃，这个东西很难，但是也得上。因为呢你会发现那些简单的问题都已经被别人干过了。😊，所以呢我觉得呢就是我们要向生命智能去学习，然后呢找到自己的。这个方向。
然后每个人都会有自己的特色。你觉得将来是更可能是发展一个跟现在的生命智能平行的一套智能物资体系呢，还是。杂话结合改造出来的这个哪一个更可能变成现实，更早变成现实。
我认为可能是我们可能还是达不到现在自然界产生生命的层次。但是呢我们通过对他的过程的理解可以撬动一点，这就是戴老师做的那一部分。我我是觉得就是其实现在生命体系我们依然了解的很少。
但是呢就是说你已经能撬动了有某一部分。那么现在的话呢，你觉得什么时候我们比如说能够在一个细胞体系下，我不是用多个细胞体系。哎，然后呢，能够实现一个我们现在的比如化工厂的过程。对。
那个对我还有当然我底下还有一个。😊，师也可以发表一些意见。对呃，谢谢刘老师的问题。对呃，其实其实现在拿呃那个改造过的细菌去生产材料已经是呃从实验室已经走向这些starup了，国内有几个做的很好的公司。
像南京微生物，像清华大学那个陈国强老师做的vi购工厂vi购的嘛？对，所以他们生产那个PHA所以这个已经是呃，但是呃整体来讲就是说呃因为这部分包括在以前的生物工程生物发酵里面是有很长时间积累的。呃。
通过去改改造这个生物里面本身的代液通路结合生物工程反应器，然后去生产类似于大宗化学品。然后现在也在往这种精细化工品，还有像一些药物，像最近的一些明星分子大麻黄碱。然后像这个长春碱，然后一些抗癌的药物。
然后还有一些还没有做出来。但是很多人在做的紫山醇。对，很多人去做。呃，对，就是呃本质上就是把它当成生物工厂，然后把植物啊什么呃一些各种各样的基因都导进去。对。
这是我们现在还处在一个就是说其实是一些偶然的这个个例里头。然后呢什么时候我们能实现一个比较自由的。比如说那我有一个就像这个数据库一样子的。然后呢，我有一个目标，然后呢输进去以后呢。
自会自动的就是就像我们现在做有机合成，已经有很多的时候就是呃当然那很多的博士教授，然后呢做有机合成是属于水平很高。但是呢现在AR已经开始逐渐介入了，它基本上可以预测出来的成功率已经非常非常高了。
就是说你只要有个目标，那就能做。我是说大概比如说是5年呢是1年呢还是50年呢，我们能达到一个这样子的一个比较自由相对比较。😊，啊自由的世界。呃，我觉得这是个很好的问题。
就是说现在生物呃也越来越在往信息科学结合的方向去。像今天早上有一个专门的AI生命科学场。然后其实我一直在听，其实我们现在的一个瓶颈在于我们很难拿到标准化的数据，呃，包括化学实验生物实验。
大家天天讲生化环对吧？这个我就不讲了，就是他的一个很大的问题在于他的前期是以lab为规模的进行这种实验室的范围的操作。呃，有很多，因为它没有办法像运行代码一样，我可以直接分享在平台上。
大家的windows系统或者系统是一样的对吧？各个实验室有各个实验室的ck很难完全能够做到的互通，生物是一样的，就比如说可能在陈老师实验室里面。
他们的PH可以做到200200克美生我们实验室可能只能做到2两2或。的1对吧？我们用的方法可能就是一样的，但是号他们有一些方法。那所以呃我们同样的数据，就这些数据你拿到了。
然后你去所谓的去training，然后你去得到OK这个基因在这个过程当中呃工作是很重要的。但实际上你很难嗯那拿到很好的模型。因为你的数据质量不好啊，因为大家的这个数据并不都标并不是标准化的。
所以嗯生物面临的一个瓶颈，其实是标准化。嗯，我不太我我不太敢讲化学。因为我现在呃跟很多合成生物学的老师我们一直都是觉得那呃一个解决的点包括很多的那个合成生物学的平台公司。
他们是去做一些呃这个呃platform，他们就会去做一些自动化。嗯，就类似于我实验就不要人做了，全部都是机器去做。呃，机器产生统一标准化的数据。
那我这些数据可以拿来去呃training一些这种呃这个network。那之后可能就会带来一些更好的一些，就是不要rubish in，rubish out。
就带来一些更有 quality的这样的一些呃prediction。就所以可能这个是我觉得整个可能呃合成生物学下一步的呃其中的一个方向吧。但可能也是大家想的很美好。但是具体做的时候可能又会有很多的问题。
对，所以呃只是我自己的呃一点一点看法吧嗯。谢我这后面还有一个问题，就是说呃其实呢我们现在往往是改造一个细胞。但是呢其实你刚刚讲到的呢有比如说多个细胞的联动。
那么其实在我们的整个就是生物学或者生态学的这个层次上来看的时候，它是往往不能是只有一种优势的。如果一个完全优势的时候，它很容易崩溃。当然这个我是只是了解了一点点啊。
就是说呃为什么就是说你觉得什么时候就是合生生物学，然后呢真正的能够打通，就是呃能够产生一个稳定的这个多元的生态系统嗯能够更好的去维持下去。对对对，我觉得刘老师问题非常的专业。其实我包括微购工厂的人也在。
对吧？就现在所有的发酵体系，其实都是单菌体系。因为一旦引入生态就是这种多多菌的或者是多种微生物，它非常容易，在这个调控过程中失衡。嗯，呃，我们在想一些方法，大家都。😊，做了一些工作。
就是说我觉得呃这个的瓶颈其实在于当我们在lab的时候，这些东西特别容易实现。当我们一旦上了发酵罐，就是可能几几几几千升的发酵罐，这个就是就这个故事就不一样了，就是对。
就是你你会发现就是对我记得有一些我看一篇文章他说做一锅酸奶似乎很容易。但是你想做上10千升的酸奶这东西就是菌种发酵就很很大的问题啊，所以我觉得放大是一个最大的问题。我们在这个实验室上面做很多的系统。
我们bu up很多的基因线路，他都问的很好，真的很好。然后但是嗯包括刚才也有投资人他跟我聊天。他说哎你这个放大了没有？我说没有。😊，对我觉得还是有很多我们不知道的东西在那边。然后在放大过程当中呃。
相互之间的呃这种这个呃这个生长过程就会出现偏差。有一些呃基因丢失或者什么造成某一些物种变成优势物种，它就会迅速把你原来的那些就给取代掉，就是各种各样的现实问题。嗯。
所以我感觉这个可能也是呃这个呃生物的这个就是产业化过程当中一个很很很很现实的瓶颈问题嗯。对，谢谢。这是我好奇的一些问题，我觉得很专业。😊，我留点时间给现场的观众嗯，看有没有什么问题问我们的报告人。
感谢几位老师的这个讲解。嗯。我是东北林业大学高分子专业的韩帅元嗯。虽虽然我现在是老师，但是我也是张老师学生，所以我我看各位的话都应该叫老师。然后那个所以我问的问题的话就没有那么宏观。
问的都是一些细节的小东西。然后就是首先问那个刘老师咱这个呃支架的话，如果要是控制他的这个密度和他的这个取向，就是空间位置那个方向的话，会不会有别的更加的效果。因为就是像您用的那个金纳米颗粒。
然后直接我没猜错，应该是用的是留醇接上去的。然后这样的话，他的那个空间取向呃，应该不是完全可控的。然后他接的那个个数也不是完全可控的。如果他要是完全可控的，他会不会有一些更好的。
或者说我们不知道的一些呃现象。呃，我现在就回答还是那个你这是一个很专业的问题。我们呢其实在有几篇文章里头都专门探讨过。其中在那个AM那篇文章上是专门仔细的去讨论过这个问题。确实是它的分布以及它的取向。
会对它最后的这个就是膜的结构会有影响的。那么它呢其实是一个不能叫简单的线性加和的一个，那么它有一个最低的表面的密度。如果就是低于这样的一个就是碘的密度的时候呢，它就不会产生协同效应。
也就是它只是膜的附着。但是呢，它不会对膜有个增强的效应。那么同时的话在溶液中这个自由的两性分子的浓度呢，也不能过低过低了以后呢，它其实就要依赖于表面的这个这个浓度的提高。但是低到一定程度以后。
它就没有了。所以呢这两者呢是一个相辅相成的关系。它俩呢呃至于是说这个呃就是你说的控制的角度。😊，以及他们的这个均匀性。这个是基本上来说，我们都是要做得到的。因为如果你做不到的话，呃。
它其实是在它是我们在物理化学里头都学过的。就是说它是有一个临界点的，就是说成交数的临界点。为什么会这样子呢？是因为它的分散是受到了严格的控制，它是在离那个核心的距离是完全等长的时候，它形成了一个薄层。
在这个薄层里头，它的输水分子的这个浓度超过了它的CMC就是它的成交数浓度，所以它才能去诱导，这是一个我们其实经过了长期的摸索。然后最后总结出来的。为什么就是我们做的很多实验，其实不是拿来发表的。
是我们要想知道它的最后的原理是什么。你问的这个问题很核心很关键，但是就要在组装的里头要非常精确的去控制的情况才可以谢谢谢刘老师我问题比较多，不好意思啊。那个唐老师，就是呃咱这个如果就是您那个颗粒呃。
两边不一样，也就是jana斯那种颗粒的话，它组装的过过程当中会不会有不同的倾向性。然后还有就是呃就是你那个溶剂，就是你组装的，它那个里头是在溶液里边的，它这个溶液对它这个影响大不大？呃，第一个问题是。
如果是ja particle的话，它那个组装之后有没有影响。但当当然了它对它有取向性组装了。就是说因为它是ja，它这个因为它这个相互作用，就是我们说它这个相互作用是是什么作用。
实际上来说是一个化学厂相互作用。化学厂相互作用。如果你这个本身来说化学厂不呃不均一的话，那当然就是一个取向性相互作用。
对吧那就是说所以说你 particleicle和你那个普通的 particleicle，那肯定有差别。然后的话呢当然说它就是进程进程差别。因为你这个东西dffuse就可以出去了之后。
那么到原厂里面看那都是一样不出远个西正你很远也看不清楚你到底是还是第二个的是溶剂溶这件影响很非常大ment因为就是它这个相互作用虽然我说了简单化学场相作用实际来当然就说我们要去研究它的chan有多我研究过们就是一个 particleicle和另一个 particleicle之 particle到底在溶剂里面发生了什么样的化学反应怎产生个流这个力是怎么样推动个这个推动的力个外界的个个这个化学反应的速度有。
什么关系，然后这这些东西都是要ca在一起，都有一个先要有一个model。但就是这个东西就是说就是可能是退后个5年的时间。大家就是说大家很关心这个事情，OK一个particle它大是怎么样做。
现在也还还还有很多人在做，但就是说嗯这个就是一个方向，就是说你你你先研究一个单粒子它是怎么回事。但是我今天就没有讲这个问题，就是单粒子是怎么回事。但然就是说。😊，现在就说我我我我现在主要是说就我们来说。
我觉得现在是两个方面要做吧。第一个事情，我们要研究单粒子，把这个单粒子的话呢研究的更透彻。现在也有很多的就是理论上有互相的矛盾的地方实际上来说有人说是这样，有人说是那样两个东西都不都不匹配。
然后的话呢就是说可以把它做的更。你说这个我们现在做的这个比说几百纳米也好的尺寸。那么你们可以做我们可以做分子啊，或者说是就是说我不知道能不能做原子，但是说应该是可以做分子的这个这个相相互相互作用的。
然后呢第二个的话呢，就是说再往上对吧？就是这去找宏观的。因为因为就是说我的观点就是O这个光光做research发发文章个这个没有办法做很大的这个影响力，没有很多很大的act，就是说且就是之前我记得是谁。
哪个哪个院士好像是姜雷吧，江雷院士跟我说，OK你这东西别做啊，你这东西不不契合这个国家的这个这个对吧？这个这个国际民生重大问题啊，对吧？我说OK好的，我我们来做这个国际民生重大问题。
就说要要要去做一些这些事情。😊，嗯，谢谢唐老师。然后那个黄老师，那个就是呃咱做这个人工细胞的这个。因为我以前也在欧洲待过一段时间，我知道那个欧洲那边那ERC然后还有地平线，他都得资助这个东西。
就是但是这个东西像您说的，可能有生之年都未必能看到结果得做的得做一定看看不到结果我怕误着你我打断那您觉得如果咱那个拿一部分是合成的，一部分是天然的组合到一起去，那是不是更容易看到结果呢？对。
就是我是这么想的，其实事实上你要我第二部分工作也这么做的这么做的一个目的其实也就想其实是一部分是两部分结合在一起，两部分结合一起，其实目的我们就想啊好吧，我做不来你那我就改造你对吧？我想换一方法。
我就改造你可能改造更强或者是按照我需要的改造某一个功能。只要我讲的那个绿细胞。那么我没法合成绿藻细胞。但是我可以改造你我让你逛河产。😊，从光合产养给你改造成光合产青，可能通过化学的方法进行一个改造是吧？
我觉得也可以的。毕竟属于就是像刘老师也说，我们整其实整个这样一个领域其实是应该是属于一个最初的一个一个应该是属于一个探索阶段，一个发展阶段，因为毕竟我们也不认不了解生命，应该还是这么说，对吧？
可能就一个探索的一个阶段。😊，我喜欢一句话叫什么？万紫千红总是春，对吧？还是要不同的方法，我们可以尽管去尝试。但最后你一定是属于是吧？还是要春天还是要来到的。最终你还是要朝鲜这终一个目标。
其实我们要解决一个这样一个最后的一个问题去理解一些这样一个核心的一个本质上的一个问题，对吧？不同的方法，我觉得可能不同的目的，我还更喜欢你后总说的呢。
因为这样可以带来功能可以带来一些其他的一些可以看得见的一些功能化的一些东西。啊，谢谢谢谢黄老师。呃戴老师那个呃我对您做那东西不是非常了解。但是您里头有一个东西我是比较感兴趣的。就是您把那个菌。
然后通过抗体和抗原，然后接起来，然后做成一个传感器。然后呃以我的理了解的话，那个抗体抗原之间的相互作用，是通过一些非共价键相互作用的。然后但是对非共价键大多数还不是离子键，然后呃。😊。
它在传感的过程当中，它是如何将这个离子呃导同的。嗯，我仔细观察了一下，您那个数据上面大概是十的7次方欧姆。然后在这个数量级的话，脱离了原表应该就已经没办法测试了。呃。
就是它在实际应用的过程当中会不会受限。嗯，这是个很好的问题啊。幸好reviewer没有问我们这个问题啊。呃对我们是这样的，就是呃首先我们并不是靠那个呃这个抗原抗体间通过离子传导来导电的。嗯。
就是实际上当你把菌本身呃做一些处理，然后它本身确实就是可以导通的。虽然电阻确实很大嗯，就是生物体本身它其实是有一些这种呃电子之间传递啊，这些的，就像人它也能导电，对吧？虽然对。
就所以它这个我们并不靠这个我们抗原抗体只是让它快速的把它连起来。嗯，就是说因为它的基底是不导电的，就即使十的7次方欧姆，但是它始终还是导电的，就它只虽然电阻比较高而已。
但是如果是它的呃因为你放在那个这个呃这个呃器件上的，它的基底是完全不导电的，电阻是就对无限大的，所以嗯在这种情况下，它就可以让它快速的导通。😊，那呃至于你说这个呃就是现实，对吧？就是我到底能不能用。
我觉得这是个很好的问题啊。因为确实但呃在这里面举个例子啊，我们这些呃可穿戴的器件或者什么的嗯，他也不是说平常他其实也是包括医疗检测的这一类。你也确实就是需要躺在那边，然后让仪器去看的。
对它不是那种类似于像wach啊或者什么你跑步的时候可以看到他就是那样子的。但是我觉得你提了一个很好的问题，就是如果呃我们希望把它做成产品，那必然这些东西不能连在仪表上，对吧？
你需要一个更好的方式让他把读书读出来，对，所以我觉得可能这个是下一步可以去考虑的嗯，行，谢谢各位老师，谢谢谢谢。😊，嗯，所以你把那个给那个。嗯，对嗯，大家好，我是那个目前就读于南开大学医学院的一名学生。
就很荣幸能够有这个机会跟各位就是呃领域的这些呃就是学术上很有造诣的老师来谈话。那个呃就是我因为是生物学背景，就现在是基础医学研究的。呃，然后我看到那个刘老师您的那个lab那个招聘网页上说，呃。
就需要一些呃基因组学相关研究背景的那个人士。然后咱们刚才聊到说这个呃我们对细胞它的这个功能啊是很未知的，就生命科学，它是一个很复杂的过程。嗯，但是我们目前基础医学研究领域呢，就会对于这个呃基因组学。
对于单细胞测试结果进行分析。因为我们可以从他基因表达层面去进行一些更详细更细化的去呃挖掘它各种功能。就比如说嗯我目前就是癌症相关的研究，你一个癌细胞，它需要发生这个免疫逃逸转移。😊。
所以就需要它细胞膜上一些功能蛋白，就它不只是那个磷脂双分子层那个交互呀，或者说运动，它还需要一些功能蛋白的这个呃糖基化酰激化、唾液酸化这些修饰，改变了这个蛋白的结构之后，它的功能会发生改变。
所以我想知道说就是刘老师嗯您实验室对于从生物学层面上去研究这些大分子功能是呃有做了哪些工作，或者说是否需要一些生物学研究的这个背景的这个学生。呃，谢谢啊，你对我们这个那么感兴趣，你还真是看过我的网站。
呃，我今天讲的这个工作，特别是细胞膜的这部分工作呢，其实跟我们要的这个基因组学分析是不太相关的。我们其实呢除了这个讲的之外，我其实对所有的就是就是生物大分子，就是特别是高分子的链效应。
在生命体系里头是如何去调控生命过程比较感兴趣。那么我们其中有一个呢是对这个就基因的合成以及它的转录出来的这个MRA它的这个长程相互作用，我们是非常感兴趣的。
也就是说你可能改变了少数的几个碱基或者是他们之间的排列，其实对它的表达的效率，会有非常大的这个影响。我们呢其实有很多合成的手段。那么我们也有很多的猜想。
那么我本人呢因为我觉得是已经是慢慢的就是我们还是在自己读博士期间养成。😊，的一些真正的你对最熟悉的领域，可能是你读博士期间最熟悉。那么一些新的的呢我可以听得懂，但是让我自己再去教学生或者我自己去做。
就会变得比较有有挑战性。一个是时间不允许。第二个呢是人的脑容量，我认为是有限的。然后呢，你不可能在每个方面的成为专家。所以我们就希望找招招一个人来呢，跟我们前端的合成，以及能够看到的结果。
中间就缺了一块，就是对这个大数据进行分析。当然也对他的基因组学，他的表达的组学。然后呢，有一个反馈给我们前端的设计，有一个这样子的信息。所以这就是我要招一个这样的人的目的。
我希望他已经熟练掌握了这种方法。然后又对我们的研究感兴趣，是找一个合作者的这种性质。但是呢，纯学生的话呢，当然我也能找到教他的合作的老师。然后呢，当然在我们组里头呢呃做。然后呢，我们现在也。😊。
是不断的在跟这个matics的人再去合作。所以说我总是在学习新的知识，来学习新的技能，希望能够这也是保持心态年轻的一个方面。所以我是持一个非常非常开放的态度。
我们欢迎特别是生命学科的以及信息学科的人后来跟我们合作，或者加入到我们这样一个团队里头来。谢谢，那个好，谢谢刘老师的解答。嗯，然后我想对那个刘老师的解答进行一些呃，就我再多说几句哈，耽误大家时间了。
嗯嗯咱们刚才聊到说呃你们这个咱们从化学层面是去改变它可能某几个碱基，然后就会导致它合成的这个呃蛋白质啊，或者说它从转录层面上MI层面上就会有改变，以至于他后续的功能发生了改变。那我觉得其实这个过程呢。
就是嗯确实是加入生物学一定的研究的那个辅助的话会更加清晰明了。因为从生物学层面上，你对它机制的研究，一个基因它的转。😊，入可能他从转入调控阶段，又有什么啊顺势作用元件、反数作用因子这些。呃。
然后你去从呃这个生物学的机制层面上去验证它如何改变哪个这个那个分子对接的位点发生问题发生改变，所以影响了我们后续的这个大分子的活性啊以及相关的东西。
我觉得嗯是可以嗯更加的就是对我们这个化学层面的研究是有所注意的。😊，呃，说的很对，谢谢谢谢谢啊啊，谢谢刘老师。好，请先问我们现场最后一位问题是那位。😊，那边有个。
就呃我想请问现场几位嘉宾一个问题是有关这个未来的这个材料，还有包括生物材料的这个通用技术和呃是否存在一些通用材料的的一个问题。就是我为什么问这个问题呢？
就是整个从呃材料科学的研究到现在的这个交叉学科像合成生物还有材料科学生物材料，就是过去的一个问题就是每一个呃专业领域都有很多的信息和知识的这个检放和壁垒。然后呢。
每一个学科也需要非常多年的这个经验和开发。然后呢，现在可能通用性的人工智能未来也会有这个呃基础大模型的机会，把很多的学科信息检防打破。然后这也是呃最近一些这个研究人员可能会比较期待的。
就是自己学科一直比较难解决的复杂性体系的问题，未来可能通过呃生成式的通用的基础模型会来解决。但是目前还在呃学科融合当中。然后我的这个问题是就是呃有关于通用的材料，就是我相信未来。来可能在新材料。
还有生物材料领域，会有很多针对具体的像医学医疗问题的一些精细化的这种整合型的材料的应用。但是呢这个每一个时代就像历史上这个从钢铁到到上一个时代这个合成聚合物。
就它有一些定义时代的非常通用型的这个基础材料。所以这是一个广义的问题，就是想听下几位这个老师呃，你们觉得除了这种更精细化的整合型的呃根据应用的这个呃材料的技术之外。
就是下一个时代有没有一些可能会成为这个通用型材料的技术。比如说通用型的生物材料，比如说蛋白质，这是我特别关注的，像从从头设计蛋白质，是不是呃蛋白质就有可能成为一个下一个时代应用在医疗。
包括其他工业领域的一个通用型材料，谢谢。呃，非常感谢你的问题，我觉得这个是个特别特别好的问题。那么在那个呃如果我们去呃看这个大自然怎么用材料的，就会发现说它其实它有一个底层的机制在那里。
然后它的表现形式却可以是多种多样的。就像你刚刚提到蛋白质就是一个典型的例子。它的底层机制，就是用特定的系列排查的一个高分子。那么因为序列的变化带来了它的性质的各种各样不同的一种变化。
但它的底底层的这个合成的机制组装的机制，反而都没有发生变化。我觉得这可能是将来这种通用材料的一种趋势。那么这是一种呃分从分子层面来看的。在我看来可能还有一种呢是呃细胞层面的。
就类似于细胞这样的一个组装体。那么这个组装体呢呃它的底层的机制，比如说从DNA到RNA到蛋白质到以及蛋白质衍生出来的多糖以及跟它一堆的复合物的这样子一些这。个机制它也是没有变的。
但是不同的细胞根据你对于基因的调节，它会产生不同的产物，不它会它会主动的去运用不同的分子，然后呈现一个功能的这个多样化。我觉得这也是有一个一个可能的一个通用的一个机制嗯。
我觉得这是一个非常值得深思的一个，而且将来是而且还有可能是我们这个智能物质的一个很好的一个切入点。非常感谢你的问题。我不知道其他在座的各位老师有没有什么补充的。呃，我我说那个其实是我我我是这样想的啊。
就是你说的就是之前钢铁，然后是是聚合物，其实聚合物就是高分子的一类。呃，那我其实就是一句话，就是可能高分子。😊，就是我们材料的终点。因为呢生命用到的就是高分子的效应。因为呢他在自然界。
我们之前发现了无机材料，然后呢等等等等的，其实更加智能以及更加复杂的体系，可能就是我们将来可以用蛋白，也可以用生命体系里头，我们可以对它进行有目的性的改造，但是它整个的基础就摆在这里了。呃。
我觉得在我们现有的物质世界的这个范围之内，很难能突破这样的一个基本原理。因为基本原理我们已经看到了。呃，所以我认为呢就是材料可以千变万化。但是我同意文斌的说法就是原理已经是在这里了。😊。
谢谢。好，那么由于时间的关系呢，我们今天论坛就到这里。我说几句这个最后的这个conc的这个因为智能领智能呃智能的物质基础呢，这是一个非常宽泛的一个一个一个话题。他涉及的领域也非常的广。
大家可以看到从我们理解生命当中自然的来智能的起源，到我们去模拟这个智能怎么样产生智能，怎么样涌现智能。那我们用这这又体现为我们用不同的体系去做用active matter去做用这种呃已经有了细胞去做。
甚至做一些ific的等等。那么这样一个非常交叉的这样一个领域呢蕴含着无穷无穷的机会。我觉得呃我们将来这个论坛我希望能够继续的开下去，能够有更多的人来关注更多的人参与进来。
那么这个领域一定能够持续的壮大下去。最后我再次感谢今天参与的四位嘉宾，也感谢。在座的各位呃观众啊，还有线上的观众们，然后我们下次再会，谢谢大家。😊。
![P3045 [USACO12FEB] Cow Coupons G （用堆实现反悔贪心）](https://img2024.cnblogs.com/blog/3517565/202410/3517565-20241020022622621-1616028434.png)
