Claude Science รุ่นเบตาสาธารณะ
(claude.com)- Claude Science เป็นแอปเบตาสาธารณะที่สร้างขึ้นเพื่อให้นักวิจัยด้านชีววิทยาศาสตร์ทำงานต่อเนื่องในเวิร์กเบนช์เดียว ตั้งแต่รันการวิเคราะห์ ค้นฐานข้อมูล เตรียมข้อมูลล่วงหน้า ไปจนถึงเขียนผลลัพธ์
- รูป ตาราง และโน้ตบุ๊กจะบันทึก โค้ดที่ใช้สร้าง, สภาพแวดล้อมการรัน และประวัติการสนทนาไว้ด้วยกัน เพื่อให้สามารถทำซ้ำ แก้ไข และตรวจสอบได้ในภายหลัง
- ทำงานได้บนโน้ตบุ๊กในเครื่อง, อุปกรณ์ Linux, HPC login node และคลาวด์ VM พร้อมรองรับการส่งและจัดการงานผ่าน SSH, Slurm และ Modal
- รองรับงานด้านจีโนมิกส์, single-cell, โปรตีโอมิกส์, ชีววิทยาเชิงโครงสร้าง และเคมีสารสนเทศ พร้อมเชื่อมต่อได้กับ ฐานข้อมูลวิทยาศาสตร์มากกว่า 60 รายการ และเครื่องมือ NVIDIA BioNeMo
- ใช้งานได้บน macOS และ Linux ในแพ็กเกจ Pro, Max, Team และ Enterprise แต่เนื่องจากเป็นแอปเบตา จึงต้องตรวจสอบเอกสารและตั้งค่าสำหรับผู้ดูแลก่อนนำไปใช้ในระดับองค์กร
เวิร์กเบนช์ Claude สำหรับงานวิจัยวิทยาศาสตร์
- Claude Science ไม่ใช่โมเดลใหม่ แต่เป็นแอปเบตาสาธารณะ และใช้โมเดล Claude เดิมที่รวมอยู่ในแพ็กเกจของผู้ใช้
- สิ่งที่เพิ่มเข้ามาคือเครื่องมือวิทยาศาสตร์รอบตัว Claude, การเชื่อมต่อฐานข้อมูล และการผสานคอมพิวต์ เพื่อให้สามารถรันการวิเคราะห์ทั้งหมดบนโครงสร้างพื้นฐานของผู้ใช้ได้
- ให้ใช้งานบน macOS และ Linux โดยในหน้าเว็บมีลิงก์ดาวน์โหลดสำหรับแต่ละระบบปฏิบัติการ
- เป้าหมายคือรวมฐานข้อมูลวิทยาศาสตร์, เครื่องมือวิจัย, ELN, โมเดลโปรตีนและโครงสร้าง, และ HPC ไว้เป็น เวิร์กเบนช์วิจัย เดียว
ผลลัพธ์ที่ทำซ้ำได้และโฟลว์การตรวจทาน
- Claude Science สามารถแสดงโปรตีน, โครงสร้าง, โมเลกุล และอื่น ๆ ได้แบบเนทีฟ พร้อมติดตามผลลัพธ์ย้อนกลับไปถึง โค้ดที่ใช้สร้าง
- รูป ตาราง และโน้ตบุ๊กจะบันทึกข้อมูลต่อไปนี้ไว้ด้วยกัน
- โค้ดที่แน่นอนซึ่งใช้สร้างผลลัพธ์
- สภาพแวดล้อมการรัน
- บทสนทนาที่สร้างผลลัพธ์นั้น
- ผลลัพธ์ที่บันทึกไว้สามารถนำมาทำซ้ำ แก้ไข และปกป้องข้อสรุปได้แม้ผ่านไปหลายเดือน
- สามารถดูโปรตีน, alignment, genomic track, โครงสร้างทางเคมี และ PDF ได้ในรูปแบบเนทีฟโดยไม่ต้องติดตั้งเพิ่ม
- background reviewer จะทำเครื่องหมายการอ้างอิงที่ผิด ตัวเลขที่ตรวจสอบย้อนกลับไม่ได้ และรูปที่ไม่สอดคล้องกับโค้ดต้นทาง
- ผู้ใช้สามารถใส่คำอธิบายกำกับรูปเพื่อขอแก้ไขหรือถามคำถามได้ และเอเจนต์จะอ่านโค้ดที่สร้างรูปนั้นแล้วแก้ไขโดยตรง
- การเขียนผลการวิเคราะห์ทำได้พร้อมดูพรีวิว Markdown และ LaTeX ที่เรนเดอร์แล้ว
คอมพิวต์และสภาพแวดล้อมการรัน
- จัดการ สภาพแวดล้อมการรัน ที่จำเป็นสำหรับแต่ละการวิเคราะห์ โดยตำแหน่งที่รันอาจเป็นโน้ตบุ๊ก, อุปกรณ์ Linux หรือ HPC login node
- หลังเขียน batch script แล้ว สามารถส่งและจัดการงานผ่าน SSH ไปยังเครื่องของผู้ใช้หรือ HPC cluster หรือรันงานผ่านบัญชี Modal ได้
- ตำแหน่งติดตั้งสามารถเลือกให้สอดคล้องกับที่เก็บข้อมูล
- โน้ตบุ๊ก
- อุปกรณ์ Linux ในแล็บ
- HPC login node
- คลาวด์ VM
- สามารถเชื่อมต่อและใช้งานผ่านเบราว์เซอร์ได้
- งานจะรันบน local kernel, Slurm cluster ผ่าน SSH หรือบัญชี Modal
- ตัวแปร, data frame และโมเดลที่โหลดไว้จะคงอยู่ในหน่วยความจำตลอดการวิเคราะห์ ทำให้งานวนซ้ำทำได้รวดเร็ว
งานตามโดเมนของชีววิทยาศาสตร์
- Claude Science รองรับงานด้านจีโนมิกส์, single-cell, โปรตีโอมิกส์, ชีววิทยาเชิงโครงสร้าง, เคมีสารสนเทศ และอื่น ๆ พร้อมอ่านวรรณกรรมและ query ฐานข้อมูลวิทยาศาสตร์มากกว่า 60 รายการ ได้
- ตัวอย่างการใช้งานหลักมีดังนี้
- การวิเคราะห์ Single-cell RNA-seq: จัดคลัสเตอร์และใส่คำอธิบายประกอบให้เซลล์นับล้านจากทั้งเนื้อเยื่อ ค้นหายีน surface marker และติดตามแต่ละรูปย้อนกลับไปถึงโค้ดที่ใช้สร้าง
- การวิเคราะห์สายวิวัฒนาการและวิวัฒนาการ: ทำ ortholog alignment, อนุมานต้นไม้วิวัฒนาการแบบ maximum likelihood และทำ phylogenetic mapping ของ functional residue ได้ในเซสชันเดียวที่ทำซ้ำได้
- งานโครงสร้างโปรตีนและ language model: ดึงโครงสร้างที่ทำนายไว้มาใช้ ซ้อนข้อมูลโดเมนและ clinical variant แล้วสำรวจแบบโต้ตอบได้ในมุมมอง 3D
- เคมีสารสนเทศและการออกแบบโมเลกุล: ค้นหาข้อมูล bioactivity, คำนวณคุณสมบัติและความคล้ายคลึง และวาดหรือปรับแต่งโครงสร้างใน 2D sketcher
- ไปป์ไลน์สามารถบันทึกเป็น skill ที่นำกลับมาใช้ซ้ำได้ และเครื่องมือที่แล็บใช้อยู่สามารถเชื่อมต่อเป็น connector เพื่อให้ใช้อัตโนมัติในเซสชันถัดไป
- ให้ indication dossier ที่มีการอ้างอิงแหล่งที่มาครบถ้วน และกำลังขยายชุด skill ที่เป็นหลักฐานรองรับของแต่ละโปรแกรม
การเชื่อมต่อกับสแตกของแล็บที่มีอยู่เดิม
- Connector สามารถดึง internal API, ELN และไปป์ไลน์แบบกำหนดเองเข้ามาในเวิร์กโฟลว์ เพื่อให้ Claude Science ทำงานร่วมกับเครื่องมือเดิมของแล็บได้
- เวิร์กโฟลว์ Python, R และ shell ที่มีอยู่แล้วไม่จำเป็นต้องสร้างใหม่ตั้งแต่ต้น แต่สามารถอ่าน รัน และขยายต่อได้
- เครื่องมือวิทยาศาสตร์, แพลตฟอร์ม และโอเพนโมเดลเฉพาะโดเมนสามารถปลั๊กอินได้ในรูปแบบ skill หรือ connector
- Claude Science ไม่ได้มุ่งแทนที่เครื่องมือเฉพาะทาง แต่ทำหน้าที่เป็น เวิร์กเบนช์แบบรวมศูนย์ ที่ให้เครื่องมือผู้เชี่ยวชาญทำงานร่วมกันได้
การเชื่อมต่อโมเดล เครื่องมือ และข้อมูล
- นอกเหนือจากระดับที่ผู้ช่วย AI ทั่วไปใช้พูดคุยเรื่องชีววิทยา Claude Science ยังรองรับการรันไปป์ไลน์ การสำรวจฐานข้อมูลวิทยาศาสตร์ การ orchestrate งานบนคลัสเตอร์ และการติดตามประวัติเซสชันก่อนหน้า
- ในแอปมี specialist สำหรับการวิเคราะห์ด้านจีโนมิกส์, single-cell, โปรตีโอมิกส์, ชีววิทยาเชิงโครงสร้าง, เคมีสารสนเทศ และอื่น ๆ
- สามารถเชื่อมต่อแบบเนทีฟกับโอเพนโมเดลเฉพาะโดเมนและฐานข้อมูลวิทยาศาสตร์มากกว่า 60 รายการ
- ใช้ skill ของ NVIDIA BioNeMo Agent Toolkit เพื่อเชื่อมต่อกับโมเดลและไลบรารีด้านชีววิทยาศาสตร์ของ BioNeMo
- ตัวอย่างที่รวมอยู่คือ Evo 2, Boltz-2 และ OpenFold3
ตำแหน่งข้อมูลและการตรวจสอบ
- แอป Claude Science รันอยู่บนโครงสร้างพื้นฐานของผู้ใช้ และ ชุดข้อมูลดิบกับคอมพิวต์จะคงอยู่ในเครื่องของผู้ใช้
- เนื้อหาที่รวมอยู่ในพรอมป์และคำตอบของโมเดลจะถูกจัดการตามนโยบายการเก็บรักษามาตรฐานของ Anthropic
- ข้อกำหนดเฉพาะของแต่ละทีมสามารถหารือได้ผ่านการติดต่อฝ่ายขาย
- เอาต์พุตทั้งหมดจะมีข้อมูลต่อไปนี้
- โค้ดที่แน่นอนที่ใช้สร้าง
- สภาพแวดล้อมการรัน
- คำอธิบายงานที่ทำในรูปแบบข้อความธรรมดา
- บทสนทนาที่นำไปสู่ผลลัพธ์
- background reviewer จะทำเครื่องหมายคำกล่าวอ้างที่ไม่สามารถติดตามกลับไปยังหลักฐานได้ก่อนแสดงผลลัพธ์
แพ็กเกจ ส่วนลดสำหรับแล็บวิจัย และการติดตั้งใช้งานระดับองค์กร
- Claude Science เป็น แอปเบตา ที่ให้ใช้บน macOS และ Linux ในแพ็กเกจ Pro, Max, Team และ Enterprise
- ผู้ใช้ Team และ Enterprise ต้องให้ผู้ดูแลเปิดใช้งานก่อน
- ส่วนลดสำหรับห้องปฏิบัติการวิจัย Claude Team plan for research labs รวมสิทธิ์เข้าถึงแอป Claude Science
- กลุ่มเป้าหมายคือห้องปฏิบัติการวิจัยวิทยาศาสตร์ที่ยังดำเนินงานอยู่ในสถาบันการศึกษาและองค์กรวิจัยไม่แสวงหากำไร
- ห้องปฏิบัติการด้านชีวการแพทย์ วิทยาศาสตร์พื้นฐาน และสาขา hard sciences เช่น เคมี คณิตศาสตร์ วิทยาการคอมพิวเตอร์ และฟิสิกส์ จะได้รับการพิจารณาเป็นลำดับต้น
- คุณสมบัติจะได้รับการยืนยันผ่านหัวหน้าห้องปฏิบัติการ
- บริษัทเชิงพาณิชย์, องค์กรวิจัยตามสัญญา และทีม R&D ภาคอุตสาหกรรม ควรดู Team and Enterprise plans
- แพ็กเกจ Enterprise มี SSO, การ provision ผ่าน SCIM, บทบาทแบบกำหนดเอง และการวิเคราะห์การใช้งาน
- เนื่องจากยังอยู่ในสถานะเบตา ผู้ดูแลควรตรวจสอบเอกสารก่อนนำไปใช้งาน
- เอกสารครอบคลุมการติดตั้ง การเชื่อมต่อเครื่องมือและคอมพิวต์ รวมถึงการตั้งค่าสำหรับผู้ดูแล Team และ Enterprise
1 ความคิดเห็น
ความคิดเห็นบน Hacker News
ผมเป็นคนสร้าง Biomni HPC ซึ่งเป็นหนึ่งในเครื่องมือเชื่อมต่อที่รวมอยู่ในการเปิดตัวครั้งนี้ และทำปัญหานี้มาค่อนข้างนาน เคยทำงานที่ Anthropic ด้วย แต่ไม่ได้รับผิดชอบผลิตภัณฑ์นี้
เหมือนที่คอมเมนต์อื่น ๆ บอก มันใช้กับงาน data science แต่ทำได้มากกว่าแค่สร้างกราฟและเขียนงานวิจัย มันเชื่อมรวมกับฐานข้อมูลและเครื่องมือคำนวณหลายตัว รวมถึงคลัสเตอร์ของสถาบันของนักวิจัย
แค่นี้ก็มีคุณค่ามากแล้ว ผมเคยลำบากกับปัญหานี้ในไบโอสตาร์ตอัปจนสุดท้ายไปตั้งบริษัทเอง เพราะการเชื่อมเครื่องมือและฐานข้อมูลแบบนี้ทำได้ยากและกินเวลามาก ต่อให้ผลลัพธ์ของผลิตภัณฑ์นี้มีแค่การสร้าง API ชั้นยอดสำหรับ LLM ก็ยังส่งผลเชิงบวกอย่างมาก ฐานข้อมูลจำนวนมากที่ใช้ใน computational genomics ยังเข้าถึงได้ผ่าน FTP เท่านั้น
LLM เหมาะมากกับการสำรวจเครื่องมือและฐานข้อมูลแบบนี้ งานพวกนี้มีความเฉพาะทางสูง แต่ก็มีงานง่าย ๆ จำนวนมากที่จัดการได้ดีด้วยทักษะที่เรียนรู้ในบริบท ผมได้เห็นภาพเริ่มต้นที่ลูกค้าเก่าซึ่งเป็นนักชีวสารสนเทศใช้ LLM แก้ปัญหานี้ และนั่นทำให้ผมเข้าร่วม Anthropic ในปี 2024
อีกอย่างคือรูปแบบนี้ไม่ได้ผูกติดกับ data science โดยแก่นแท้ ในบางสาขาวิทยาศาสตร์ มันเชื่อมรวมกับ wet lab หรือ CRO ได้ด้วย และตอนนี้ผมกำลังใช้เวลากับเรื่องนี้อยู่
วิทยาศาสตร์แบบนี้ไม่ได้แก้ได้ทุกอย่าง แต่มีประโยชน์ในบางด้าน ตัวอย่างเช่น งานวิจัยโรคหายากจำนวนมากคืบหน้าช้าเพราะ คอขวดจากความสนใจของนักวิจัย มากกว่าการขาดการค้นพบพื้นฐาน
https://x.com/phylo_bio/article/2029233694775624096
ถ้าเทียบกันแล้ว ผลิตภัณฑ์สายวิทยาศาสตร์ของ OpenAI อย่าง Prism แทบจะเป็นเพียง LaTeX editor ที่ได้มาจากการซื้อกิจการ Crixet
คุณต้องให้สอดคล้องกับนโยบายสถาบัน กฎหมายที่เกี่ยวข้อง และข้อกำหนดด้านการเข้าถึง/การเก็บข้อมูล เช่น data repository ของ NIH และอาจต้องมีสัญญาทางกฎหมายระหว่างสถาบันกับผู้ให้บริการ AI อย่างน้อยตอนนี้ก็ยังแตะยากอยู่
ถ้าสนใจก็คุยกันได้
จุดที่น่าสนใจที่สุดตรงนี้คือ Claude Science รันทั้ง local server และเว็บ UI ที่เชื่อมต่อกับเซิร์ฟเวอร์นั้นจากในเบราว์เซอร์
มันต่างพอสมควรจากโครงสร้างแบบ Claude Code หรือ Cowork ที่ UI ผูกกับเครื่องโฮสต์แน่นกว่าและจึงทำความสามารถอย่างการใช้งานคอมพิวเตอร์ได้
พอมองกลยุทธ์ก็พอเข้าใจได้ สภาพแวดล้อมที่มีข้อจำกัดจำนวนมากซึ่งเชื่อมกับข้อมูลสำคัญมักถูกล็อกแน่นมาก จนไม่สามารถเอา MacBook ไปเชื่อมกับข้อมูลต้นทางได้ตรง ๆ
เช่นเดียวกัน การเข้าถึงชุดข้อมูล biobank จีโนมขนาดใหญ่อย่าง UK Biobank หรือ NIH All of Us จะอนุญาตได้ผ่านแพลตฟอร์มวิเคราะห์ข้อมูลระยะไกลที่เรียกว่า Trusted Research Environment (TRE) เท่านั้น และมักจำกัดการเข้าถึงอินเทอร์เน็ตด้วย การรันเดสก์ท็อปแอปไม่ใช่เรื่องง่าย แต่สภาพแวดล้อมแบบนี้มักรองรับการรัน JupyterLab หรือ VS Code และ tunnel UI ไปยังผู้ใช้ปลายทาง ผมเคยเป็นหัวหน้าทีมที่สร้าง All of Us TRE
ถ้ามอง Claude Science ไม่ใช่แอป Claude แบบเมกะที่ทำทุกอย่าง แต่เป็นสิ่งที่รันเซิร์ฟเวอร์ภายใน สภาพแวดล้อมข้อมูลที่มีข้อจำกัด แบบนี้ แล้ว proxy เฉพาะ UI ไปยังเบราว์เซอร์ของผู้ใช้ ก็จะจินตนาการได้ง่ายกว่า จุดนี้น่าจะสำคัญหากต้องการให้มีการนำไปใช้ในสภาพแวดล้อม R&D ที่มีข้อจำกัด
แต่สำหรับนักวิทยาศาสตร์เชิงคำนวณระดับกลางที่ใช้ RStudio, JupyterLab และ VS Code ทุกวัน Claude Science อาจเป็นผลิตภัณฑ์ที่รูปแบบค่อนข้างแปลกใหม่ ผมสงสัยว่ามันจะมาแทนเครื่องมือโต๊ะทำงาน data science เดิม ใช้ร่วมกัน หรือสุดท้ายจะเป็นชั้นที่ครอบไว้
ผมเป็นนักวิเคราะห์ข้อมูลในบริษัทธรณีวิทยาและทำงานกับข้อมูลเซ็นเซอร์ที่น่าสนใจ เวลาอยากได้การวิเคราะห์หรือการทำภาพข้อมูลอย่างรวดเร็ว Claude สามารถเขียนโค้ดที่ปกติผมต้องใช้เวลาราวหนึ่งชั่วโมงเพื่อจัดระเบียบให้เสร็จได้ภายในไม่กี่นาที จุดต่างสำคัญจากการใช้ AI แบบกล่องดำอย่างมืดบอดคือผมรู้จักไลบรารีที่เกี่ยวข้องดีพอจะอ่านและตรวจสอบโค้ดได้
แต่ตอนนี้ Claude Code กับ Jupyter ใน VS Code ยังเข้ากันได้ไม่ดี ทุกครั้งที่ Claude แก้ไข มันทำให้ทั้งโน้ตบุ๊กต้องรันใหม่ตั้งแต่ต้น ดังนั้นผมเลยถอยออกมาจากการใช้โน้ตบุ๊กบ้าง ให้ Claude เขียนสคริปต์แยกอิสระ แล้วค่อยใช้เวลาเอามันกลับมารวมเป็นโน้ตบุ๊กที่สวยงามภายหลัง
ถ้า Mac เชื่อมต่อไม่ได้ ก็มีโอกาสสูงว่าการให้เอเจนต์ส่งคำขอออกจากเซิร์ฟเวอร์ก็จะไม่ถูกอนุญาตเช่นกัน
ฉันลองทดสอบดูในสาขาของตัวเองคือ การออกแบบเชิงคำนวณของสารกำจัดศัตรูพืชชีวภาพแบบอาศัย RNAi
ฉันให้มันสร้างการออกแบบที่มุ่งเป้าไปที่ทรานสคริปต์ DvSnf7 ของหนอนรากข้าวโพดตะวันตกในครั้งเดียว และแนวทางก็ค่อนข้างไร้เดียงสา
มันเป็นวิธีแบบที่นักศึกษาปริญญาเอกปี 1 น่าจะทำ แต่ก็ทำงานนั้นสำเร็จ
มันยังชี้ข้อจำกัดไว้ด้วย เช่น ใช้กฎการออกแบบสำหรับสัตว์เลี้ยงลูกด้วยนม หรือการตรวจสอบ off-target ที่มีข้อจำกัด ไม่ได้แย่มาก แต่ก็ไม่ได้ยอดเยี่ยม ฉันคิดว่าเมื่อชี้ให้เห็นข้อบกพร่องแล้ว AI ก็น่าจะเข้าใจและเข้าหาเรื่องนี้ได้ดีขึ้น จากนั้น ระบบความปลอดภัย Opus 4.8 ก็ปักธงเซสชันนี้
แนะนำให้รวบรวมบทความหลัก 10 ชิ้นของหัวข้อนี้กับตำราเบื้องต้นของสาขาทั่วไปอีก 10 เล่ม แล้วแปลงเป็นข้อความธรรมดาด้วย OCR หรือ text extraction จากนั้นลองให้งานเดียวกันกับ agent harness ที่ดีกว่าอย่าง omp.sh
/goal set create biopesticide targeting the DvSnf7 transcript of western corn rootwormอย่าทำพลาด
ตอนที่พูดว่า “Science” ฉันไม่ได้คิดว่าจะหมายถึง data science แต่ UI ที่เต็มไปด้วยโค้ด pandas และกราฟกลับดูเป็นแบบนั้น
ต่อให้โฟกัสที่สายวิทยาศาสตร์ พอพิจารณาว่ามันดูเหมือน Jupyter Notebook 2.0 ด้วย ก็อาจเป็นส่วนที่มีคุณค่าน้อยกว่าในการเปิดตัวครั้งนี้
use case ที่เข้าใจ data visualization ในรูปภาพถูกมองข้ามมานาน และ LLM รุ่นใหม่ ๆ ก็ทำ exploratory data analysis ที่ดีจริง ๆ ได้เก่งขึ้นเรื่อย ๆ ถึงอย่างนั้นฉันอาจต้องอัปเดตเรซูเม่ก็ได้
จากที่ฉันเห็นมา ถ้าให้เลือก ฉันจะเอาโค้ดที่ Claude สร้างแทนโค้ดของคนสายคณิต ฟิสิกส์ ชีววิทยา หรือภาษาศาสตร์ที่ฉันเคยเห็นได้ทุกเมื่อ ฉันก็เคยเห็น Claude ทำพลาดครั้งใหญ่ระหว่างวิเคราะห์ข้อมูลเหมือนกัน แต่ก็น่าจะยังเชื่อถือได้มากกว่านักวิชาการส่วนใหญ่ที่เขียนโค้ดอยู่แล้ว
ความเป็นวิทยาศาสตร์แบบไหนถูกกำหนดโดยสิ่งที่กำลังศึกษา ไม่ใช่โดย toolchain
ก่อนยุค LLM กลุ่มเทคนิคที่ฉันติดตามจะถกเถียงกันอย่างคึกคักว่าหัวข้อไหนควรใช้เมื่อไรและใช้ทำอะไร และฉันคิดว่าการถกเถียงแบบนั้นก็ทำให้เกิดเฟรมเวิร์กและเครื่องมือต่าง ๆ มากมายในแนว “ฟังดูเป็นความคิดที่โอเค ถ้าลงมือทำก็คงไม่เสียหาย”
น่าเสียดายที่ทุกวันนี้ทุกอย่างหมุนรอบ LLM และพูดกันแค่ว่าจะทำให้ LLM ใช้งานได้อย่างไรในทางใดทางหนึ่ง แทบไม่ได้พูดถึงหัวข้อที่เดิมทีคนกลุ่มนั้นตั้งขึ้นมาเพื่อถกเถียงกันเลย
ฉันกลัวว่าวิทยาศาสตร์ก็คงจะเจอแบบเดียวกันในไม่ช้า คือ เรื่อง LLM จะเข้ามากินพื้นที่แทนหัวข้อที่ควรถูกพูดถึงจริง ๆ
ถ้าไม่สามารถหาทางใช้ทรัพย์สินที่มีอยู่ให้เกิดประโยชน์ได้ไม่ว่าทางไหนก็ตาม ผลตอบแทนจากเงินลงทุน ก็คงไม่มีทางดูดี
ไม่ได้หมายความว่าฉันเห็นด้วยนะ แค่หมายถึงสุดท้ายผู้บริหารก็ต้องตอบผู้ถือหุ้นที่ดูตัวชี้วัดผลตอบแทนพวกนี้
ดูเหมือนว่าการเปิดตัวครั้งนี้ทำให้ Claude Desktop สำหรับ Linux เปิดให้ใช้แล้ว: https://code.claude.com/docs/en/desktop-linux
ฉันเคยลองเครื่องมือคล้าย ๆ กันมาแล้ว แม้จะน่าประทับใจ แต่ LLM ก็มักสร้าง ข้อมูลปลอมที่ดูน่าเชื่อถือ แล้วทำเหมือนเป็นข้อมูลจริงบ่อยเกินไป
มันถึงขั้นตั้งค่าตัวเชื่อมต่อฐานข้อมูลปลอมให้ดูเหมือนกำลังดึงข้อมูลจากแหล่งที่ถูกต้อง ทั้งที่จริง ๆ ใช้ข้อมูลสังเคราะห์อยู่ ซึ่งเป็นการหลอกในระดับที่ลึกพอสมควร
ฉันสงสัยว่าผลิตภัณฑ์นี้ป้องกันเรื่องนั้นอย่างไร
ถ้าไปทางชีววิทยา บริษัทนี้ไม่ใช่บริษัทที่เคยทำให้ LLM ดูเหมือน โมเดลที่เสื่อมทราม หรอกหรือ?
มันเหมือน Claude Cowork สำหรับงานวิทยาศาสตร์หรือเปล่า คือเป็นผลิตภัณฑ์สำหรับผู้ใช้ที่ไม่ค่อยชำนาญเทคนิค?
ถ้าเป็นนักวิทยาศาสตร์ที่มีพื้นฐานการเขียนโค้ด ก็น่าจะชอบใช้ Claude Code แบบทั่วไปแล้วเอาไปผสานกับสแตกที่ตัวเองเลือกมากกว่า แต่ความสะดวกและ usability ของ Claude Science อาจชนะก็ได้
ฉันพอนึกภาพได้เลยว่าทีมจากห้องแล็บวิจัยแห่งชาติที่เคยมีอยู่ก่อนจะเอาสิ่งนี้ไปผนวกรวมกับระบบและเลิกใช้ Claude Code ไปเลย
รู้สึกว่าควรตั้งชื่อมันว่า Claude-bio-big-bucks มากกว่า
แล้ววิทยาศาสตร์โลก ฟิสิกส์ วิศวกรรมล่ะ? ตัวเชื่อมต่อและเทคโนโลยีทั้งหมดมีแต่ฝั่งชีววิทยากับเภสัชกรรม
ก่อนยุคทรัมป์ งบประมาณต่อปีของ NSF อยู่ราว 6–8 พันล้านดอลลาร์ และงบประมาณต่อปีของ NIH อยู่ราว 5 หมื่นล้านดอลลาร์ ความต่างมันอยู่ตรงนั้นแหละ