Η Startup που δοκιμάζει ένα νέο τέχνασμα για την ανάπτυξη της τεχνητής νοημοσύνης για το Science Discovery
Η Startup που δοκιμάζει ένα νέο τέχνασμα για την ανάπτυξη της τεχνητής νοημοσύνης για το Science Discovery
Η ανάπτυξη τεχνητής νοημοσύνης για την ανακάλυψη της επιστήμης έχει γίνει μνημειώδης στόχος για τους τεχνολογικούς γίγαντες. Εταιρείες όπως η OpenAI και η Anthropic έχουν εξασφαλίσει δεκάδες δισεκατομμύρια χρηματοδότηση με υποσχέσεις για καινοτομίες της τεχνητής νοημοσύνης στην ιατρική, τη βιολογία και τη φυσική. Ωστόσο, η αληθινή επιστημονική ανακάλυψη με γνώμονα την τεχνητή νοημοσύνη παραμένει άπιαστη, όπως αποδεικνύεται από προηγούμενα περιστατικά όπως ένα απομυθοποιημένο μαθηματικό εύρημα που δημιουργήθηκε από το ChatGPT. Η βασική πρόκληση, σύμφωνα με τους ειδικούς, είναι ότι τα τρέχοντα μεγάλα γλωσσικά μοντέλα (LLMs) δεν διαθέτουν την εγγενή ικανότητα να παράγουν αυτόνομα νέα επιστημονική γνώση.
Γιατί τα μεγάλα εργαστήρια τεχνητής νοημοσύνης παλεύουν με την επιστημονική ανακάλυψη
Ο Markus Buehler, καθηγητής μηχανικής του MIT, εντοπίζει έναν θεμελιώδη περιορισμό στη σημερινή προηγμένη τεχνητή νοημοσύνη. Υποστηρίζει ότι τα μοντέλα που τροφοδοτούν τα συστήματα OpenAI και Anthropic δεν έχουν σχεδιαστεί για γνήσια ανακάλυψη. Η αρχιτεκτονική τους βασίζεται στην αναγνώριση προτύπων από υπάρχοντα δεδομένα, όχι στη δημιουργία νέων θεωριών ή υποθέσεων.
Αυτό φάνηκε έντονα το περασμένο φθινόπωρο, όταν μια υποτιθέμενη μαθηματική ανακάλυψη από το ChatGPT απομυθοποιήθηκε γρήγορα. Το επεισόδιο ανέδειξε το χάσμα μεταξύ της αναλυτικής δύναμης της τεχνητής νοημοσύνης και της δημιουργικής, προσανατολισμένης στην ανακάλυψη σκέψης της. Είναι μια πρόκληση που θυμίζει άλλες προσπάθειες τεχνητής νοημοσύνης όπου η τεχνολογία παλεύει με την πρωτοτυπία, όπως και η κριτική που αντιμετωπίζει ο «ηθοποιός» της τεχνητής νοημοσύνης Tilly Norwood για έλλειψη γνήσιας δημιουργικότητας.
Το βασικό πρόβλημα με τα τρέχοντα μοντέλα AI
Τα μεγάλα γλωσσικά μοντέλα υπερέχουν στην επεξεργασία και την ανάκτηση πληροφοριών. Μπορούν να συνοψίσουν κείμενα, να απαντήσουν σε ερωτήσεις, ακόμη και να γράψουν κώδικα με βάση τα δεδομένα εκπαίδευσής τους. Ωστόσο, λειτουργούν εντός των ορίων αυτών που έχουν ήδη μάθει.
Η επιστημονική ανακάλυψη, από τη φύση της, απαιτεί βήμα στο άγνωστο. Περιλαμβάνει τη δημιουργία νέων συνδέσεων μεταξύ διαφορετικών πεδίων και την πρόταση ιδεών που δεν υπάρχουν σε κανένα σύνολο δεδομένων εκπαίδευσης. Αυτό είναι ένα άλμα για το οποίο η τρέχουσα γενετική τεχνητή νοημοσύνη, που επικεντρώνεται στη δημιουργία περιεχομένου και την αυτοματοποίηση, δεν έχει κατασκευαστεί για να κάνει. Ο κλάδος εξελίσσεται, όπως φαίνεται με εξελίξεις όπως η ενημέρωση του WordPress Gutenberg που θέτει τις βάσεις για τη δημοσίευση τεχνητής νοημοσύνης, αλλά η βασική πρόκληση για την ανακάλυψη παραμένει.
Παρουσιάζοντας τα Unreasonable Labs: A New Approach to AI for Science
Για να αντιμετωπίσει αυτό το κενό, ο καθηγητής Buehler συνίδρυσε τα Unreasonable Labs με τον Yuan Cao, έναν πρώην ανώτατο ερευνητικό επιστήμονα στο Google DeepMind. Η startup στοχεύει να πρωτοστατήσει σε μια θεμελιωδώς διαφορετική προσέγγιση για την ανάπτυξη AI για επιστημονική ανακάλυψη. Αντί να βασίζονται αποκλειστικά στη μαζική απορρόφηση δεδομένων, δημιουργούν συστήματα ικανά για διεπιστημονική συλλογιστική.
Η Unreasonable Labs εξασφάλισε πρόσφατα 13,5 εκατομμύρια δολάρια σε έναν γύρο χρηματοδότησης με επικεφαλής την Playground Global. Στον γύρο συμμετείχαν οι AIX Ventures, E14 Fund και MS&AD Ventures. Αυτή η σημαντική επένδυση υπογραμμίζει την πίστη της αγοράς στη νέα τους μεθοδολογία.
Μαθαίνοντας από το "Aha" Στιγμές στην Ιστορία της Επιστήμης
Η υπόθεση του Buehler είναι ότι πολλές μεγάλες ανακαλύψεις προκύπτουν από «αχα» στιγμές. Αυτές είναι περιπτώσεις όπου ένας επιστήμονας εφαρμόζει μια θεωρία ή μια έννοια από ένα πεδίο για να λύσει ένα πρόβλημα σε έναν εντελώς διαφορετικό τομέα. Αυτή η διασταυρούμενη επικονίαση ιδεών είναι το κλειδί για ανακαλύψεις.
Κλασικό παράδειγμα είναι το έργο του John Hopfield το 1982. Εφάρμοσε έννοιες από τη φυσική της συμπυκνωμένης ύλης στο εκκολαπτόμενο τότε πεδίο της τεχνητής νοημοσύνης. Αυτό οδήγησε στην ανάπτυξη των δικτύων Hopfield, ενός τύπου νευρωνικού δικτύου ικανού να μαθαίνει και να ανακαλεί μνήμες. Ήταν μια επαναστατική ιδέα που γεννήθηκε από τη σύνδεση άσχετων κλάδων.
Πώς διαφέρει το AI των Unreasonable Labs από τα κύρια μοντέλα
Το AI που αναπτύσσεται στα Unreasonable Labs έχει σχεδιαστεί για να μιμείται αυτή την ανθρώπινη ικανότητα για διεπιστημονική διορατικότητα. Ο στόχος τους δεν είναι να δημιουργήσουν ένα μεγαλύτερο γλωσσικό μοντέλο, αλλά να δημιουργήσουν ένα σύστημα που να μπορεί να συλλογιστεί σε επιστημονικούς τομείς.
Διαθεματικά Γραφήματα Γνώσης: Αντί για εκπαίδευση μόνο σε κείμενο, η τεχνητή νοημοσύνη τους ενσωματώνει δομημένη γνώση από πολλαπλά επιστημονικά πεδία, από τη βιολογία έως τη φυσική. Μηχανές αναλογικής συλλογιστικής: Η βασική τεχνολογία εστιάζει στην εύρεση αναλογιών και παραλληλισμών μεταξύ φαινομενικά άσχετων εννοιών, βασική κινητήρια δύναμη της επιστημονικής καινοτομίας. Δημιουργία Υποθέσεων: Το σύστημα σχεδιάζεται για να προτείνει ελεγχόμενες επιστημονικές υποθέσεις, όχι απλώς να αναλύει υπάρχοντα δεδομένα.
Αυτή η προσέγγιση αντιπροσωπεύει μια σημαντική απόκλιση από τις στρατηγικές απόκτησης των μεγαλύτερωνεταιρείες τεχνολογίας, όπως η εξαγορά της Zendesk της startup τεχνητής νοημοσύνης Forethought, οι οποίες συχνά επικεντρώνονται στη βελτίωση των υπαρχουσών εφαρμογών εξυπηρέτησης πελατών παρά στην πρωτοπορία νέων μορφών ανακάλυψης.
Το μέλλον της ανακάλυψης που βασίζεται στην τεχνητή νοημοσύνη
Εάν είναι επιτυχής, η τεχνολογία των Unreasonable Labs θα μπορούσε να επιταχύνει την έρευνα σε κρίσιμους τομείς. Φανταστείτε μια τεχνητή νοημοσύνη που μπορεί να προτείνει μια νέα φαρμακευτική ένωση συνδυάζοντας αρχές από τη χημεία και τη γενετική. Ή ένα μοντέλο που προτείνει ένα νέο υλικό για βιώσιμη ενέργεια συνδέοντας έννοιες από τη νανοτεχνολογία και τη θερμοδυναμική.
Οι πιθανές εφαρμογές είναι τεράστιες, από την επιτάχυνση της ιατρικής έρευνας έως την επίλυση πολύπλοκων περιβαλλοντικών προκλήσεων. Αυτό αντιπροσωπεύει το επόμενο σύνορο για την τεχνητή νοημοσύνη, που ξεπερνά την αυτοματοποίηση για να γίνει ένας πραγματικός συνεργάτης στην ανθρώπινη εφευρετικότητα.
Συμπέρασμα: Το επόμενο κύμα καινοτομίας AI
Ο αγώνας για την ανάπτυξη της τεχνητής νοημοσύνης για την ανακάλυψη της επιστήμης θερμαίνεται, αλλά η πραγματική επιτυχία μπορεί να βρίσκεται σε εξειδικευμένες νεοφυείς επιχειρήσεις όπως η Unreasonable Labs. Η εστίασή τους στη διεπιστημονική συλλογιστική προσφέρει μια πολλά υποσχόμενη διαδρομή πέρα από τους περιορισμούς των σημερινών μεγάλων γλωσσικών μοντέλων. Το ταξίδι για τη δημιουργία ενός AI που μπορεί πραγματικά να ανακαλύψει μόλις ξεκινά.
Μείνετε ενημερωμένοι για τις τελευταίες καινοτομίες στην τεχνητή νοημοσύνη και την τεχνολογία. Για περισσότερες πληροφορίες και για να μοιραστείτε εύκολα αυτό το άρθρο, δημιουργήστε τη δωρεάν σελίδα link-in-bio στο Seemless για να επιμεληθείτε το αγαπημένο σας περιεχόμενο.
