大模型跑的時候，會模擬幾千甚至幾萬種不同的技術路線，然后找到可能實現的若干技術路線。
由此節省大量的時間和成本。
在諸多材料研發里，其實最耗時耗力的研發就是前期的這種挨個測試的研發階段……這個研發階段往往要實驗幾百幾千次，最后才能找到那么其中一種成功的……
這還是運氣好的情況下，運氣不好的話，花費十年實驗幾萬次，也找不到堪用的材料。
以前研發某種材料，可能需要用幾百個研發人員進行十年以上的各種前期實驗，但是現在用了這個人工智能科研系統里的材料研發大數據模型，把數據做好交給大模型跑的話，基本十天半個月就能出結果。
當然了……這其實也是有代價的，那就是人工智能它只會按照設定好的各項參數進行各種技術路線的嘗試……它不會失誤，但是也不會靈機一動！
而失誤和靈機一動，則是材料研發領域里很重要的環節……無數重要材料都是因為失誤或靈機一動而研發成功的。
這個人工智能科研系統，其實起到的作用并不是‘開創性的研發’，實際上就是用來減小基礎、重復、大多情況下都是沒什么意義的計算、實驗和測試而已。
這種人工智能科研系統，不說取代于泰和這種材料學頂級科學家了，就算是于泰和手底下的普通研發牛馬也取代不了。
人工智能科研系統只能完成前期的低技術含量的重復計算和實驗、數據統計而已，后續的各種實驗和測試還是需要這些高學歷研發牛馬來親自搞，人工智能可做不了這種事。
內容未完，下一頁繼續閱讀