現在人難以想像400年後的科技發展
但以目前的研究狀況來看
我大膽推測
只有資訊科技會在未來400年內有顯著提升
畢竟資訊系統的發展可以迭代，從其本框架建立起，不推翻它依然能研發出新的東西，像是
AI
然而
其他領域目前的研究現況
不是炒冷飯，就是在極度前期的狀況
醫學和生科領域是個例子
台灣大部分是探討underlying mechanisms
要解決癌症之類的病
探討到細胞、探討到基因、探討分子傳遞造成細胞和組織的自我修復或調節
但生物細胞之間的微小差異，會放大實驗結果的不確定性
更重要的是，實驗設備就算能補捉微米級時間的反應，也會喪失解析度
這要有所突破是非常難的事情
理工類也一樣
機械、化工、材料的發展已達到現階段的巔峰
教授要快速升等，目前顯學就是搞半導體研究
其實很多東西的底層機制也可以玩
像是預測某些特殊材料的公式，可以開展到非線性項，作更為準確的預測
但那也是少數學者在玩的
而關鍵可以提升科技的技術或應用
像是核融合、常溫超導體、飛天車
都牽扯到「能源問題」
取代大量能量和壓力，這還要把物理系加進來，全部菁英其實都有在持續研究中
這東西
除非外星人給個提示，或是哪個高智商妖怪誕生
不然也難以在400年內有所突破
回過頭來說
諾貝爾物理獎都已經是搞AI的學者在得
物理、數學研究學者
應該也卡想盡力摸到山頂聖杯的懸崖峭壁上

你真的很大膽

AI都能速解蛋白質了怎會沒突破

我又想縮回去了，拜託哪個非資訊領域的大神在十年內打臉我AI應用於醫學算是應用面，可以加速分析，但要解決癌症，還是要有關鍵的技術發明？

你要不要回想一下400年前是什麼時代 現在就講400年後沒進步？

醫學、生物那邊瓶頸卡在實驗端

因為400年前，我們連表層機制都搞不懂。現在，表層機制基本上都已解決實際上的底層機制，一個組織的調節，涉及20、30個分子傳遞的pathway，釐清哪段重要，基本上目前難以突破機械領域，流體問題看似已解決，但超高速段的流速模型依然是用模擬搞定

其實打臉機率可能很大,因為量子計算進展蠻快的,最近D-WAVE的磁性材料模擬就比較接近實用端了,目前逐漸加快的AI輔助研究(OPENAI跟谷歌都有初階的實用化),到數位孿生,這些綜合效應可以讓科學家有相當程度的進展速度再加上科學家在取得文獻跟數據在AI系統發展輔助下可以更有效跨學科,以前要靠點運氣,現在都靠AI,畢竟數據跟資訊就是AI最厲害

反正也沒人能證實，是原地踏步還是超進化都隨便掰

20世紀初期物理學家也認為物理學剩修修補補,然後相對論跟量子力學表示:嗨

像感應器的應用先有光電效應的理論出來才有材料能實現，不過現在理論物理也停滯好長一段時間了

400年前的醫療是不是還在吃瀉藥跟放血...

我拿我perplexity的一個操作為例https://bit.ly/3RfXXrx像當前初階一般人應用可以這樣,那不用說如果再一年迭代以及研究用的可以到什麼程度了XD(之所以說初階是因為現在幻覺以及細節查核真的還差很大一段,要自己進一步判斷的地方很多,不過至少要先有框架再慢慢補充跟修正)(如果縮網址不喜以下是原址)https://www.perplexity.ai/search/guan-yu-zhong-guo-de-suan-li-w-P6a6Z05pSiiNYFFdiGlw7g

AI? 400年後可以證明p=np之類的嗎？

k大說的不錯

你看看現在ai進步的速度...說不定有生之年真的看的到移民火星

AI會是突破點沒錯。現在跨領域資訊給AI蒐集整理的效率比起自己找或者花錢請人找還有效率跟系統化尤其是Deep research的出現代表傳統論文的Introduction可以廢了 90%可以給他完成蛋白質那個alphafold深入摸一下後就知道還是有它的侷限性在。PDB上面沒有的區域就只會給你一坨飛天麵條的結構，當然 AF3 的預測相較以前已經可以節省猜互動區域的時間，但還有一段路要走。回到你說的深層互動問題，我覺得學術界要先面對一個很重要的問題，就是那些高分發表也有可能是錯的不然深層的多層次互動反而是AI擅長但人腦無法處理只是它們推導出來的結果如果跟以往發表相衝的話該如何去解決? 雖然AI推導會有錯，但真實環境也是當初那個浩浩蕩蕩要重現100篇歷史突破論文的計畫最後真的重現的有多少?過往瞎子摸象的歸納在AI出現後大概會先變成模擬後限縮可能變因在現實中重現驗證吧

我覺得我的年代智慧型手機的發展應該是最有感的，從國高中要出門還要先查地圖，到現在可以智慧導航，真的已經忘記那段出門找路的日子了

達克效應