Стартъпът опитва нов трик за разработване на AI за научни открития
Стартъпът опитва нов трик за разработване на AI за научни открития
Разработването на изкуствен интелект за научни открития се превърна в монументална цел за технологичните гиганти. Компании като OpenAI и Anthropic са осигурили десетки милиарди финансиране с обещания за открития на ИИ в медицината, биологията и физиката. Въпреки това, истинското научно откритие, управлявано от AI, остава неуловимо, както се вижда от минали инциденти като развенчано математическо откритие, генерирано от ChatGPT. Основното предизвикателство, според експерти, е, че настоящите големи езикови модели (LLM) нямат присъщата способност да генерират нови научни знания автономно.
Защо големите AI лаборатории се борят с научните открития
Маркус Бюлер, професор по инженерство в Масачузетския технологичен институт, идентифицира фундаментално ограничение в съвременния усъвършенстван ИИ. Той твърди, че моделите, захранващи системите от OpenAI и Anthropic, не са предназначени за истинско откритие. Тяхната архитектура се основава на разпознаване на модели от съществуващи данни, а не на създаване на нови теории или хипотези.
Това беше ясно илюстрирано миналата есен, когато предполагаемото математическо откритие на ChatGPT беше бързо развенчано. Епизодът подчерта пропастта между аналитичната мощ на AI и неговото творческо, ориентирано към открития мислене. Това е предизвикателство, напомнящо за други начинания на ИИ, където технологията се бори с оригиналността, подобно на критиките, с които се сблъсква „актьорът“ на ИИ Тили Норууд за липсата на истинска креативност.
Основният проблем с настоящите AI модели
Големите езикови модели се справят отлично с обработката и регургитирането на информация. Те могат да обобщават текстове, да отговарят на въпроси и дори да пишат код въз основа на своите данни за обучение. Те обаче действат в рамките на това, което вече са научили.
Научното откритие по своята природа изисква навлизане в неизвестното. Това включва формиране на нови връзки между различни области и предлагане на идеи, които не присъстват в нито един набор от данни за обучение. Това е скок, който сегашният генеративен AI, фокусиран върху създаването на съдържание и автоматизацията, не е създаден да направи. Индустрията се развива, както се вижда от разработки като актуализацията на WordPress Gutenberg, която полага основите за публикуване на AI, но основното предизвикателство за откриването остава.
Представяме Ви неразумни лаборатории: Нов подход към AI за науката
За да се справи с тази празнина, професор Бюлер съосновава Unreasonable Labs с Юан Као, бивш старши научен сътрудник в Google DeepMind. Стартъпът има за цел да въведе фундаментално различен подход към разработването на AI за научни открития. Вместо да разчитат единствено на масивно поглъщане на данни, те изграждат системи, способни на интердисциплинарни разсъждения.
Unreasonable Labs наскоро осигури 13,5 милиона долара в кръг на финансиране, ръководен от Playground Global. В кръга участваха AIX Ventures, E14 Fund и MS&AD Ventures. Тази значителна инвестиция подчертава вярата на пазара в тяхната нова методология.
Учене от „Аха“ моменти в историята на науката
Хипотезата на Бюлер е, че много велики открития възникват от „аха“ моменти. Това са случаи, в които учен прилага теория или концепция от една област, за да реши проблем в напълно различна област. Това кръстосано опрашване на идеи е ключът към пробивите.
Класически пример е работата на Джон Хопфийлд през 1982 г. Той прилага концепции от физиката на кондензираната материя към зараждащата се тогава област на изкуствения интелект. Това доведе до разработването на мрежи на Хопфийлд, вид невронна мрежа, способна да учи и извиква спомени. Това беше революционна идея, родена от свързването на несвързани дисциплини.
Как AI на Unreasonable Labs се различава от основните модели
AI, който се разработва в Unreasonable Labs, е проектиран да имитира този човешки капацитет за интердисциплинарно прозрение. Тяхната цел не е да създадат по-голям езиков модел, а да изградят система, която може да разсъждава в различни научни области.
Интердисциплинарни графики на знания: Вместо обучение само върху текст, техният AI интегрира структурирани знания от множество научни области, от биология до физика. Механизми за аналогово разсъждение: Основната технология се фокусира върху намирането на аналогии и паралели между привидно несвързани концепции, ключов двигател на научните иновации. Генериране на хипотези: Системата е проектирана да предлага тествани научни хипотези, а не просто да анализира съществуващи данни.
Този подход представлява значително отклонение от стратегиите за придобиване на по-големитетехнологични фирми, като например придобиването от Zendesk на стартиращата компания за изкуствен интелект Forethought, които често се фокусират върху усъвършенстване на съществуващи приложения за обслужване на клиенти, вместо да създават нови форми на откриване.
Бъдещето на откритията, управлявани от AI
Ако успее, технологията на Unreasonable Labs може да ускори изследванията в критични области. Представете си AI, който може да предложи ново лекарствено съединение чрез комбиниране на принципи от химията и генетиката. Или модел, който предлага нов материал за устойчива енергия чрез свързване на концепции от нанотехнологиите и термодинамиката.
Потенциалните приложения са огромни, от ускоряване на медицински изследвания до решаване на сложни екологични предизвикателства. Това представлява следващата граница за AI, преминавайки отвъд автоматизацията, за да стане истински партньор в човешката изобретателност.
Заключение: Следващата вълна от иновации в ИИ
Състезанието за разработване на AI за научни открития се разгаря, но истинският успех може да се дължи на специализирани стартиращи компании като Unreasonable Labs. Техният фокус върху интердисциплинарното разсъждение предлага обещаващ път отвъд ограниченията на настоящите големи езикови модели. Пътуването към създаването на AI, който наистина може да открива, едва започва.
Бъдете в течение за най-новите иновации в AI и технологиите. За повече прозрения и за лесно споделяне на тази статия, създайте своя безплатна страница с връзка в биографията на Seemless, за да подредите любимото си съдържание.
