La startup prova un nou truc per desenvolupar IA per al descobriment de la ciència
La startup prova un nou truc per desenvolupar IA per al descobriment de la ciència
El desenvolupament de la intel·ligència artificial per al descobriment de la ciència s'ha convertit en un objectiu monumental per als gegants tecnològics. Empreses com OpenAI i Anthropic han aconseguit desenes de milers de milions de finançament amb promeses d'avenços en IA en medicina, biologia i física. No obstant això, el veritable descobriment científic impulsat per la intel·ligència artificial continua essent evasiva, com ho demostren incidents passats com una troballa de matemàtiques generada per ChatGPT desmentida. El repte principal, segons els experts, és que els grans models lingüístics (LLM) actuals no tenen la capacitat intrínseca de generar coneixement científic nou de manera autònoma.
Per què els grans laboratoris d'IA estan lluitant amb el descobriment científic
Markus Buehler, professor d'enginyeria del MIT, identifica una limitació fonamental en l'IA avançada actual. Argumenta que els models que alimenten els sistemes d'OpenAI i Anthropic no estan dissenyats per a un descobriment genuí. La seva arquitectura es basa en el reconeixement de patrons a partir de dades existents, no en la creació de noves teories o hipòtesis.
Això es va il·lustrar clarament la tardor passada quan un suposat descobriment matemàtic de ChatGPT es va desmentir ràpidament. L'episodi va destacar la bretxa entre el poder analític de l'IA i el seu pensament creatiu i orientat al descobriment. És un repte que recorda altres esforços d'IA on la tecnologia lluita amb l'originalitat, com les crítiques que s'enfronta l'"actor" d'IA Tilly Norwood per mancar de creativitat genuïna.
El problema bàsic amb els models actuals d'IA
Els grans models lingüístics excel·lent a l'hora de processar i regurgitar informació. Poden resumir textos, respondre preguntes i fins i tot escriure codi basant-se en les seves dades d'entrenament. Tanmateix, operen dins dels límits del que ja han après.
El descobriment científic, per la seva naturalesa, requereix entrar en el desconegut. Implica formar noves connexions entre camps dispars i proposar idees que no estan presents en cap conjunt de dades de formació. Aquest és un salt que la IA generativa actual, centrada en la creació i automatització de continguts, no està dissenyada per fer. La indústria està evolucionant, tal com es veu amb desenvolupaments com l'actualització de WordPress Gutenberg que estableix les bases per a la publicació d'IA, però el repte principal per al descobriment segueix sent.
Presentació de laboratoris no raonables: un nou enfocament de la IA per a la ciència
Per abordar aquesta bretxa, el professor Buehler va cofundar Unreasonable Labs amb Yuan Cao, un antic científic d'investigació del personal sènior de Google DeepMind. La startup pretén ser pionera en un enfocament fonamentalment diferent per desenvolupar IA per al descobriment científic. En lloc de confiar únicament en la ingestió massiva de dades, estan construint sistemes capaços de raonament interdisciplinari.
Unreasonable Labs va aconseguir recentment 13,5 milions de dòlars en una ronda de finançament liderada per Playground Global. La ronda va comptar amb la participació d'AIX Ventures, E14 Fund i MS&AD Ventures. Aquesta important inversió subratlla la creença del mercat en la seva nova metodologia.
Aprenentatge de "Aha" Moments de la història de la ciència
La hipòtesi de Buehler és que molts grans descobriments sorgeixen de moments "aha". Són casos en què un científic aplica una teoria o concepte d'un camp per resoldre un problema en un domini completament diferent. Aquesta pol·linització creuada d'idees és clau per als avenços.
Un exemple clàssic és el treball de John Hopfield el 1982. Va aplicar conceptes de la física de la matèria condensada al camp naixent de la intel·ligència artificial. Això va portar al desenvolupament de les xarxes Hopfield, un tipus de xarxa neuronal capaç d'aprendre i recordar records. Va ser una idea revolucionària que neix de connectar disciplines no relacionades.
Com es diferencia la intel·ligència artificial d'Irraonable Labs dels models convencionals
La IA que s'està desenvolupant a Unreasonable Labs està dissenyada per imitar aquesta capacitat humana de coneixement interdisciplinari. El seu objectiu no és crear un model de llenguatge més gran, sinó construir un sistema que pugui raonar en els dominis científics.
Gràfics de coneixement interdisciplinaris: en lloc de formar-se només amb text, la seva IA integra coneixements estructurats de múltiples camps científics, des de la biologia fins a la física. Motors de raonament analògic: la tecnologia bàsica se centra a trobar analogies i paral·lelismes entre conceptes aparentment no relacionats, un motor clau de la innovació científica. Generació d'hipòtesis: el sistema s'està dissenyant per proposar hipòtesis científiques comprovables, no només analitzar les dades existents.
Aquest enfocament representa una desviació significativa de les estratègies d'adquisició de més gransempreses tecnològiques, com l'adquisició de Zendesk de la startup d'IA Forethought, que sovint se centren a perfeccionar les aplicacions d'atenció al client existents en lloc de ser pioneres en noves formes de descobriment.
El futur del descobriment impulsat per IA
Si té èxit, la tecnologia d'Unreasonable Labs podria accelerar la investigació en àrees crítiques. Imagineu una IA que pugui suggerir un nou compost de fàrmac combinant principis de la química i la genètica. O un model que proposa un nou material per a l'energia sostenible enllaçant conceptes de la nanotecnologia i la termodinàmica.
Les aplicacions potencials són vastes, des de l'acceleració de la investigació mèdica fins a la resolució de complexos reptes ambientals. Això representa la següent frontera per a la IA, avançant més enllà de l'automatització per convertir-se en un veritable soci de l'enginy humà.
Conclusió: la propera onada d'innovació en IA
La carrera per desenvolupar IA per al descobriment de la ciència s'està escalfant, però el veritable èxit pot estar en empreses emergents especialitzades com Unreasonable Labs. El seu enfocament en el raonament interdisciplinari ofereix un camí prometedor més enllà de les limitacions dels grans models lingüístics actuals. El viatge per crear una IA que realment pugui descobrir tot just comença.
Estigueu al dia de les últimes innovacions en IA i tecnologia. Per obtenir més informació i compartir aquest article fàcilment, creeu la vostra pàgina d'enllaç a la bio gratuïta a Seemless per seleccionar el vostre contingut preferit.
