氨基酸
同时讲讲自己的想法。灵感是由DeepMind刚发布的Alphafold3在预测和探索生命本质问题时引发的，并且结合之前写的技术文章融合RL与LLM思想，探寻世界模型以迈向AGI中的部分观点做些延伸。不管是自然语言的符号表示、
氨基酸序列或者分子结构的符号表征，还是
计算机编程语言甚至数学形式化证明所包含的这种tokenize媒介，如果它能成为一种内涵完整且优雅平滑的数据分布表征或者知识语义承载空间，那么除了像大型语言模型（LLM）那样体现人工智能生成内容（
AIGC）在多任务和通用性方面的泛化能力之外，是否还有其他可能？也许在与强化学习（RL）的思想和机制充分、完整地融合之后，能够为探索复杂模式也就是抽象概念（那些
人类尚未发现的复杂科学问题）提供某种丰富的tokenize元结构。在这个过程中，或许正是因为这种多样化、开放性、灵活且有弹性并且可以向量化的多结构或者分布语义表征形式，为探寻复杂的科学规律、抽象的数学概念、宏大而完整的理论统一、微观而深奥的作用机理等提供了可行的认知流形探寻路径。结合自己近期对群论思想内涵的温习，未来能不能针对这种人工智能助力科学（
AI4S）范式背后隐藏的抽象数学结构定义为特定的群来深入探索和研究？也就是说，在tokenize的世界里，通过某种机制（比如某种形式的强化学习自我博弈（RL - self play）或者强化学习与人工智能框架（RL -
AIF）），在对tokenize世界里多样化的token流形分布或者结构构象进行重整式探寻时，挖掘或者探索到未知的概念洞察甚至是新发现？相关内容可以参考融合RL与LLM思想，探寻世界模型以迈向AGI·合集这篇文章。链接：链接提取码：lm51融合RL与LLM思想，探寻世界模型以迈向AGI/ASI的第一性原理反思和探索「RL×LLM×WM>
AI4S>AGI>ASI」 - 网络 (http://zhihu.com)融合RL与LLM思想，探寻世界模型以迈向AGI「中·下篇」 - 网络 (http://zhihu.com)
