能，错误分析，适应特定领域，并处理用户反馈。
例如，react方法使agent能结合推理与行动，通过与环境交互来解决问题。
而现在大模型agent成为关键点，旨在通过增强的ai能力解决实际问题，如数据科学任务、规划推理等，推动ai技术向更高级的应用场景发展。
比如，在这个时代一个很火的生物科学家，叫做颜宁的，就是从事相关的领域工作。
不过她主要是依靠冷冻电镜，就是冷冻电镜那么一照，然后α螺旋+β折叠预测模型。
然后《nature和《science的顶刊论文就嘎嘎到手。
现在有了算法程序alpha old之后，ai能做的就太多了，输入氨基酸链就能预测模型，准确率都接近最顶级的学者了。
如此强大的工具就需要现在的科研工作者、科学家费更大的精力去研究最后一公里，也就是ai预测不准确的地方。
容易预测的就没法继续高质量发论文了。
不过现在的空白还是很大的。
一些数据积累已经很好的蛋白结构容易解决，比如带有明显功能结构域的螺旋，折叠等。
但是，一些数据积累不够的蛋白结构，比如不稳定区域，跨膜蛋白还是搞不定。
需要alpha old进行更深入地迭代。
这就是高怀钧口中所说的：人工智能将具有划时代的意义，很快将治愈人类所有的疾病的底层技术基础。
(本章完)