石破茂现年67岁，曾担任日本防卫大臣、自民党干事长等职务。这是石破第五次对自民党总裁宝座发起挑战，他将其称为政治生涯的最后一战。

据日本《东京新闻》报道，政治记者野上忠兴表示，日本国会议员没有致力于恢复国民信赖，不论谁成为自民党总裁，都只会让民众“加速远离”自民党。

研究人员坚信，目前的迭代只是个开始。“AI科学家”就像AI科研自动化领域的GPT-1。随着不断迭代，它将如目前的GPT-4一样，引发新的科研革命。日媒称，此次选举是自民党曝出“黑金”丑闻后，举行的首次总裁选举。15天竞选期也是历史上最长的一次，旨在通过延长竞选期恢复民众支持。

在本次选举中，她与小林鹰之的支持群体有所重合，双方支持者均是重视保守政策的选民，如何扩大支持面成为高市面临的棘手问题。

那么，能否利用基础模型将整个科研过程自动化呢？包括加拿大不列颠哥伦比亚大学机器学习专家在内的团队，成功创建出首位“AI科学家”。

例如，解决数学问题需要逻辑推理，而目前大多数AI模型都不擅长逻辑推理。鉴于此，谷歌深度思维公司开发出AlphaGeometr，将语言模型与符号引擎(使用符号和逻辑规则进行推理)相结合，构建出一种神经—符号混合系统。在今年的奥林匹克数学竞赛中，升级后的AlphaGeometry2在19秒内就解答出一道题，令人类选手望尘莫及。

研究人员表示，为扩大该“AI科学家”的能力，让其能够研究更抽象的领域，如纯数学领域，可能需要调遣语言模型之外的其他技术。

日本中央大学政治理论教授山崎望则对自民党的体制产生疑问。他表示，“自民党总裁选候选人在努力成为总裁的过程中，必须依赖自民党，其个人主张将受限，最终走向自民党化。无论谁成为党总裁，都很难创新。这是党内缺乏自我净化能力的表现。”

6731顶级游戏官网据《自然》网站近日报道，日本Sakana AI公司和加拿大、英国科学家携手，创建了一种基于大语言模型的“人工智能(AI)科学家”。从阅读文献到提出新假设，再到尝试各种解决方案并撰写论文，整个研究周期，“AI科学家”能一气呵成。

《朝日新闻》认为，虽然多人参选可能展现自民党求新求变的姿态。但问题的关键似乎还是在于，自民党能否与“黑金”事件划清界限，切实改善滋生此类顽疾的体制性问题。

AI技术不断进步，让科学家能借助一些模型来集思广益或编写代码。然而，这些模型仍然需要大量人工监督，或仅囿于执行特定任务。

失信于民的党派政治、令人棘手的经济隐忧、复杂变幻的时局形势……无论谁夺得自民党总裁宝座，继而可能成为下一任日本首相，其执政之路都将面临重重挑战。(完)

日本广播协会(NHK)近日发布的民调结果显示，在“谁最适合担任下一任自民党总裁”一问中，石破茂、小泉进次郎、高市早苗的支持率分列前三位。

日本前首相菅义伟日前发表街头演讲，为小泉进次郎背书。日本共同社称，由于小泉进次郎缺乏担任要职的经历，背后又有着支持他的菅义伟的身影，外界担忧新政府可能陷入“垂帘听政”的局面。

在想法生成阶段，该“AI科学家”基于一个起始模板，先进行“头脑风暴”，提出多个不同研究方向，并进行广泛搜索，以确保某些想法是新颖且有趣的；在实验迭代阶段，对于第一阶段提出的某个想法，“AI科学家”会先开展实验，然后生成图表可视化结果，并给每个图表添加注释；在论文写作阶段，它会模仿标准机器学习会议的风格，撰写出一份文字简练、内容丰富的论文，并自主查找相关论文进行引用；在自动化同行评审阶段，研究团队开发出一个自动化的“AI审稿人”，其评估生成论文的准确性堪与人类相媲美。评估结果和建议可用于改进该项目，实现持续的反馈循环，使“AI科学家”能够迭代改进其研究成果。

根据选举投票规则，第一轮投票中，日本各地自民党党员票和自民党籍国会议员票各占一半，得票超过半数的候选人胜出。如果没有人得票超过半数，则得票最多的两位候选人进入第二轮投票，由自民党籍国会议员和各都道府县支部投票决定。

艾伦人工智能研究所计算机科学家汤姆·霍普表示，目前该大语言模型“仍无法提出并制定新颖有用的科学方向”。劳伦斯伯克利国家实验室材料科学家赫布兰德·希德则认为，即使该系统在短期内无法完成更具创造性的工作，仍可将科研过程中一些重复性内容自动化。

在最初的演示中，该“AI科学家”针对扩散模型、Transformer模型(一种用于处理语言数据的神经网络模型)，以及AI“领悟”(grokking)等机器学习子领域进行了深入研究，总共生成了10篇论文，每篇论文的成本约15美元。

美国华盛顿大学计算社会科学家杰文·韦斯特表示，该“AI科学家”行云流水般完成了整个科研流程，令人印象深刻，有望加速科学发现的步伐。

目前，已有包括日本内阁官房长官林芳正、数字大臣河野太郎、经济安全保障担当大臣高市早苗、前环境大臣小泉进次郎、前经济安保大臣小林鹰之、自民党前干事长石破茂等多人，正式宣布角逐此次选举。

Sakana AI公司指出，“AI科学家”目前还不具备视觉功能，因此无法修复论文中出现的图表问题。例如，它生成的图表有时无法读取，表格有时会超出页面范围，页面布局也并不美观。

Sakana AI也强调，此类系统能否提出真正的变革型想法仍未有定论。未来的“AI科学家”能否发明出像人工神经网络或信息论一样的概念也还是个未知数。

此外，该“AI科学家”有时会出现想法正确但执行错误的情况，也会因比较不当而生成误导性的结果。在撰写论文和评估结论时，它还可能会犯严重错误。例如，它很难比较两个数字的大小，这是大语言模型的“通病”。为了部分解决这个问题，研究团队确保所有实验结果都可以重复，并存储了所有执行文件。