AI ለሳይንስ ግኝትን ለማዳበር አዲስ ዘዴን በመሞከር ላይ
AI ለሳይንስ ግኝትን ለማዳበር አዲስ ዘዴን በመሞከር ላይ
ለሳይንስ ግኝት አርቴፊሻል ኢንተለጀንስ ማዳበር ለቴክኖሎጂ ግዙፍ ሰዎች ትልቅ ግብ ሆኗል። እንደ OpenAI እና Anthropic ያሉ ኩባንያዎች AI በህክምና፣ በባዮሎጂ እና በፊዚክስ እመርታዎች እንደሚገኙ ቃል በመግባት በአስር ቢሊዮን የሚቆጠር የገንዘብ ድጋፍ አግኝተዋል። ነገር ግን፣ በ ChatGPT የመነጨ የሂሳብ ግኝቶች ባሉ ያለፉ ክስተቶች እንደሚታየው እውነተኛ በ AI የሚመራ ሳይንሳዊ ግኝቶች ቀላል አይደሉም። ዋናው ፈተና፣ እንደ ባለሙያዎች ገለጻ፣ አሁን ያሉ ትልልቅ የቋንቋ ሞዴሎች (LLMs) አዳዲስ ሳይንሳዊ እውቀቶችን በራስ ገዝ ለማፍለቅ የሚያስችል ውስጣዊ አቅም ስለሌላቸው ነው።
ለምን ቢግ AI Labs ከሳይንሳዊ ግኝት ጋር እየታገሉ ነው።
የ MIT ምህንድስና ፕሮፌሰር የሆኑት ማርከስ ቡህለር በዛሬው የላቀ AI ውስጥ መሠረታዊ ውስንነትን ለይተው ያውቃሉ። ከOpenAI እና Anthropic የሚመጡት ሞዴሎች ለእውነተኛ ግኝት የተነደፉ እንዳልሆኑ ይከራከራሉ። የእነሱ አርክቴክቸር የተመሰረተው ከነባር መረጃዎች በስርዓተ-ጥለት ማወቂያ ላይ እንጂ አዲስ ንድፈ ሃሳቦችን ወይም መላምቶችን በመፍጠር አይደለም።
ይህ ባለፈው የበልግ ወቅት በቻትጂፒቲ የተገመተ የሂሳብ ግኝት በፍጥነት ሲሰረቅ በደንብ ተብራርቷል። ትዕይንቱ በ AI የትንታኔ ሃይል እና በፈጠራ፣ በግኝት ተኮር አስተሳሰቡ መካከል ያለውን ክፍተት አጉልቶ አሳይቷል። በ AI 'ተዋናይ' ቲሊ ኖርዉድ እውነተኛ ፈጠራ በማጣቱ የተከሰሰውን ትችት ልክ ቴክኖሎጂው ከኦሪጅናልነት ጋር የሚታገልባቸውን ሌሎች AI ጥረቶች የሚያስታውስ ፈተና ነው።
ከአሁኑ AI ሞዴሎች ጋር ያለው ዋነኛው ችግር
ትላልቅ የቋንቋ ሞዴሎች መረጃን በማቀናበር እና በማደስ የላቀ ችሎታ አላቸው። በስልጠና ውሂባቸው መሰረት ጽሑፎችን ማጠቃለል፣ጥያቄዎችን መመለስ እና እንዲያውም ኮድ መጻፍ ይችላሉ። ሆኖም፣ በተማሩት ገደብ ውስጥ ይሰራሉ።
ሳይንሳዊ ግኝት በባህሪው ወደማይታወቅ መግባትን ይጠይቃል። በተለያዩ መስኮች መካከል አዳዲስ ግንኙነቶችን መፍጠር እና በማንኛውም የሥልጠና መረጃ ስብስብ ውስጥ የሌሉ ሀሳቦችን ማቅረብን ያካትታል። ይህ በይዘት ፈጠራ እና አውቶሜሽን ላይ ያተኮረ የአሁኑ አመንጪ AI ለመስራት ያልተገነባ ዝላይ ነው። እንደ ዎርድፕረስ ጉተንበርግ ማሻሻያ ለ AI ህትመት መሰረት ሲጥል እንደታየው ኢንዱስትሪው እየተሻሻለ ነው፣ ነገር ግን የግኝቱ ዋና ፈተና አለ።
ምክንያታዊ ያልሆኑ ቤተ ሙከራዎችን ማስተዋወቅ፡ ለሳይንስ ለ AI አዲስ አቀራረብ
ይህንን ክፍተት ለመቅረፍ ፕሮፌሰር ቡህለር በጎግል DeepMind የቀድሞ ከፍተኛ የሰራተኛ ተመራማሪ ሳይንቲስት ከዩዋን ካኦ ጋር ምክንያታዊ ያልሆኑ ቤተ ሙከራዎችን መሰረቱ። ጅምር አላማው ለሳይንሳዊ ግኝቶች AIን ለማዳበር በመሠረታዊ መልኩ የተለየ አቀራረብ ነው። በትላልቅ መረጃዎችን ወደ ውስጥ በማስገባት ላይ ብቻ ከመተማመን ይልቅ በይነ-ዲሲፕሊን ማመዛዘን የሚችሉ ስርዓቶችን እየገነቡ ነው።
ምክንያታዊ ያልሆኑ ቤተ-ሙከራዎች በቅርቡ በፕሌይግራድ ግሎባል በሚመራ የገንዘብ ድጋፍ 13.5 ሚሊዮን ዶላር አግኝተዋል። ዙሩ ከAIX Ventures፣ E14 Fund እና MS&AD Ventures ተሳትፎ አሳይቷል። ይህ ጉልህ ኢንቨስትመንት ገበያው በልቦለድ ዘዴያቸው ያለውን እምነት አጉልቶ ያሳያል።
በሳይንስ ታሪክ ውስጥ ከ"አሃ" አፍታዎች መማር
የቡህለር መላምት ብዙ ታላላቅ ግኝቶች የሚመነጩት ከ"አሃ" ጊዜያት ነው። እነዚህ ሁኔታዎች አንድ ሳይንቲስት ሙሉ ለሙሉ በተለየ ጎራ ውስጥ ያለውን ችግር ለመፍታት ከአንድ መስክ ንድፈ ሃሳብ ወይም ፅንሰ-ሀሳብን የሚተገበርባቸው አጋጣሚዎች ናቸው። ይህ የሃሳቦች የአበባ ዘር ስርጭት ለግኝቶች ቁልፍ ነው።
የጥንታዊ ምሳሌ የጆን ሆፕፊልድ በ1982 የሠራው ሥራ ነው። ከኮንደንሴድ ቁስ ፊዚክስ ጽንሰ-ሀሳቦችን በወቅቱ ወደ መጀመሪያው ሰው ሰራሽ የማሰብ ችሎታ መስክ ተግባራዊ አድርጓል። ይህ የሆፕፊልድ ኔትወርኮች እንዲፈጠሩ ምክንያት ሆኗል, ይህ የነርቭ አውታር አይነት መማር እና ትውስታዎችን ማስታወስ ይችላል. የማይዛመዱ የትምህርት ዓይነቶችን በማገናኘት የተወለደ አብዮታዊ ሀሳብ ነበር።
ምክንያታዊ ያልሆኑ የላብራቶሪዎች AI ከዋና ሞዴሎች እንዴት እንደሚለይ
በ Unreasonable Labs እየተገነባ ያለው AI ይህንን የሰው ልጅ ለኢንተር ዲሲፕሊን ግንዛቤ ለማስመሰል የተነደፈ ነው። ግባቸው ትልቅ የቋንቋ ሞዴል መፍጠር ሳይሆን በሳይንሳዊ ጎራዎች ላይ ምክንያታዊነት ያለው ስርዓት መገንባት ነው።
ሁለገብ የእውቀት ግራፎች፡- በፅሁፍ ላይ ብቻ ከማሰልጠን ይልቅ፣ AIቸው ከበርካታ የሳይንስ ዘርፎች የተዋቀረ እውቀትን ከባዮሎጂ እስከ ፊዚክስ ያዋህዳል። የአናሎግ ማመራመር ሞተሮች፡- ዋናው ቴክኖሎጂ የሚያተኩረው ተዛማጅነት የሌላቸው በሚመስሉ ፅንሰ-ሀሳቦች መካከል ምስያዎችን እና ትይዩዎችን በማግኘት ላይ ነው፣ የሳይንሳዊ ፈጠራ ቁልፍ ነጂ። መላምት ማመንጨት፡ ሥርዓቱ እየተነደፈ ያለው ሊመረመሩ የሚችሉ ሳይንሳዊ መላምቶችን ለማቅረብ ነው እንጂ ያሉትን መረጃዎች ለመተንተን ብቻ አይደለም።
ይህ አካሄድ ከትላልቅ የግዛት ስልቶች ጉልህ የሆነ መውጣትን ይወክላልየቴክኖሎጂ ኩባንያዎች፣ እንደ የZendesk የ AI ጅምር ቅድመ-ግምት ግዢ፣ ብዙ ጊዜ አዳዲስ የግኝት ዓይነቶችን ፈር ቀዳጅ ከመሆን ይልቅ ያሉትን የደንበኞች አገልግሎት አፕሊኬሽኖች በማጥራት ላይ ያተኩራሉ።
በ AI የሚነዳ ግኝት የወደፊት
ከተሳካ፣ ምክንያታዊ ያልሆነ የላብራቶሪ ቴክኖሎጂ ወሳኝ በሆኑ አካባቢዎች ምርምርን ሊያፋጥን ይችላል። ከኬሚስትሪ እና ከጄኔቲክስ መርሆችን በማጣመር አዲስ መድሃኒት ውህድ ሊጠቁም የሚችል AI አስቡት። ወይም ከናኖቴክኖሎጂ እና ከቴርሞዳይናሚክስ ጽንሰ-ሀሳቦችን በማገናኘት ለዘላቂ ኃይል አዲስ ቁሳቁስ የሚያቀርብ ሞዴል።
የሕክምና ምርምርን ከማፋጠን አንስቶ ውስብስብ የአካባቢ ተግዳሮቶችን መፍታት የሚችሉ አፕሊኬሽኖች በጣም ሰፊ ናቸው። ይህ ለ AI የሚቀጥለውን ድንበር ይወክላል ፣ ከአውቶሜትሽን አልፈው በሰው ልጅ ብልሃት ውስጥ እውነተኛ አጋር ለመሆን።
ማጠቃለያ፡ የሚቀጥለው የ AI ፈጠራ ሞገድ
ለሳይንስ ግኝት AIን ለማዳበር የሚደረገው ሩጫ እየሞቀ ነው፣ ነገር ግን እውነተኛ ስኬት እንደ ምክንያታዊ ያልሆኑ ቤተ ሙከራዎች ካሉ ልዩ ጀማሪዎች ጋር ሊሆን ይችላል። በይነ-ዲሲፕሊናዊ አስተሳሰብ ላይ ያላቸው ትኩረት አሁን ካሉት ትላልቅ የቋንቋ ሞዴሎች ውሱንነት በላይ ተስፋ ሰጪ መንገድን ይሰጣል። በእውነት ሊያገኝ የሚችል AI የመፍጠር ጉዞ ገና እየተጀመረ ነው።
በ AI እና ቴክኖሎጂ ውስጥ ባሉ አዳዲስ ፈጠራዎች ላይ እንደተዘመኑ ይቆዩ። ለበለጠ ግንዛቤዎች እና ይህን ጽሁፍ በቀላሉ ለማጋራት፣ የሚወዱትን ይዘት ለመገመት ነፃ የቢዮ አገናኝ ገጽዎን በ Semless ላይ ይፍጠሩ።
