Startup proovib uut trikki AI arendamiseks teaduse avastamise jaoks
Startup proovib uut trikki AI arendamiseks teaduse avastamise jaoks
Tehisintellekti arendamine teaduse avastamiseks on muutunud tehnikahiiglaste jaoks monumentaalseks eesmärgiks. Sellised ettevõtted nagu OpenAI ja Anthropic on taganud kümneid miljardeid rahalisi vahendeid, lubades teha tehisintellekti läbimurdeid meditsiinis, bioloogias ja füüsikas. Tõeline AI-põhine teaduslik avastus on aga endiselt tabamatu, nagu näitavad mineviku juhtumid, nagu ChatGPT-ga loodud matemaatiline leid. Ekspertide sõnul on peamine väljakutse see, et praegustel suurkeelemudelitel (LLM-idel) puudub sisemine võime luua iseseisvalt uusi teaduslikke teadmisi.
Miks on suured tehisintellekti laborid hädas teadusliku avastusega?
MIT-i inseneriprofessor Markus Buehler tuvastab tänapäeva arenenud tehisintellekti põhimõttelise piirangu. Ta väidab, et OpenAI ja Anthropicu süsteeme toidavad mudelid ei ole mõeldud tõeliseks avastamiseks. Nende arhitektuur põhineb olemasolevate andmete mustrite tuvastamisel, mitte uute teooriate või hüpoteeside loomisel.
Seda illustreeris teravalt eelmisel sügisel, kui ChatGPT väidetav matemaatiline avastus kiiresti ümber lükati. Episood tõi esile lõhe AI analüütilise võimsuse ja selle loova, avastustele orienteeritud mõtlemise vahel. See on väljakutse, mis meenutab teisi tehisintellekti ettevõtmisi, kus tehnoloogial on probleeme originaalsusega, sarnaselt AI-näitleja Tilly Norwoodi kriitikaga tõelise loovuse puudumise pärast.
Põhiprobleem praeguste AI mudelitega
Suured keelemudelid on suurepärased teabe töötlemise ja tagasivooluga. Nad saavad oma treeningandmete põhjal tekste kokku võtta, küsimustele vastata ja isegi koodi kirjutada. Kuid nad tegutsevad juba õpitu piires.
Teaduslik avastus nõuab oma olemuselt astumist tundmatusse. See hõlmab uute ühenduste loomist erinevate valdkondade vahel ja ideede väljapakkumist, mida üheski koolitusandmestikus pole. See on hüpe, mida praegune generatiivne AI, mis keskendub sisu loomisele ja automatiseerimisele, ei ole loodud tegema. Tööstus areneb, nagu on näha sellistest arengutest nagu WordPressi Gutenbergi värskendus, mis paneb aluse tehisintellekti avaldamisele, kuid avastamise peamine väljakutse on endiselt alles.
Tutvustame ebamõistlikke laboreid: uus lähenemine tehisintellektile teaduse jaoks
Selle lünga kõrvaldamiseks asutas professor Buehler koos Google DeepMindi endise vanemteaduri Yuan Caoga Unreasonable Labsi. Startupi eesmärk on luua teaduslike avastuste tarbeks tehisintellekti arendamisel põhimõtteliselt erinev lähenemisviis. Selle asemel, et toetuda üksnes massilisele andmetarbimisele, ehitavad nad süsteeme, mis on võimelised interdistsiplinaarseks arutlemiseks.
Unreasonable Labs kindlustas hiljuti Playground Globali juhitud rahastamisvoorus 13,5 miljonit dollarit. Ringis osalesid AIX Ventures, E14 Fund ja MS&AD Ventures. See märkimisväärne investeering rõhutab turu usku nende uudsesse metoodikasse.
Teadusajaloo "Aha" hetkedest õppimine
Buehleri hüpotees on, et "ahaa" hetkedest sünnivad paljud suured avastused. Need on juhtumid, kus teadlane rakendab ühe valdkonna teooriat või kontseptsiooni probleemi lahendamiseks täiesti erinevas valdkonnas. See ideede risttolmlemine on läbimurde võti.
Klassikaline näide on John Hopfieldi töö 1982. aastal. Ta rakendas kontseptsioone kondenseerunud aine füüsikast tol ajal tekkiva tehisintellekti valdkonnani. See tõi kaasa Hopfieldi võrkude väljatöötamise, teatud tüüpi närvivõrgu, mis on võimeline mälestusi õppima ja meelde tuletama. See oli revolutsiooniline idee, mis sündis mitteseotud teadusharude ühendamisest.
Mille poolest Unreasonable Labsi tehisintellekt erineb tavamudelitest
Ettevõttes Unreasonable Labs väljatöötatav tehisintellekt on loodud selleks, et jäljendada seda inimvõimet interdistsiplinaarse ülevaate saamiseks. Nende eesmärk ei ole luua suuremat keelemudelit, vaid luua süsteem, mis suudab arutleda erinevates teadusvaldkondades.
Interdistsiplinaarsed teadmiste graafikud: ainult tekstipõhise koolituse asemel integreerib nende tehisintellekt struktureeritud teadmised mitmest teadusvaldkonnast bioloogiast füüsikani. Analoogilised arutlusmootorid: põhitehnoloogia keskendub analoogide ja paralleelide leidmisele näiliselt mitteseotud mõistete vahel, mis on teadusliku innovatsiooni peamine tõukejõud. Hüpoteeside loomine: süsteem on loodud selleks, et pakkuda välja kontrollitavaid teaduslikke hüpoteese, mitte ainult analüüsida olemasolevaid andmeid.
See lähenemine kujutab endast olulist kõrvalekallet suuremate omandamisstrateegiatesttehnoloogiaettevõtted, nagu Zendesk omandas tehisintellekti idufirma Forethought, mis sageli keskenduvad olemasolevate klienditeenindusrakenduste täiustamisele, mitte uute avastamisvormide loomisele.
AI-põhise avastuse tulevik
Edu korral võib Unreasonable Labsi tehnoloogia kiirendada uurimistööd kriitilistes valdkondades. Kujutage ette tehisintellekti, mis võib soovitada uut ravimiühendit, kombineerides keemia ja geneetika põhimõtteid. Või mudel, mis pakub välja uue materjali säästva energia jaoks, ühendades nanotehnoloogia ja termodünaamika kontseptsioonid.
Võimalikud rakendused on tohutud, alates meditsiiniuuringute kiirendamisest kuni keerukate keskkonnaprobleemide lahendamiseni. See kujutab endast AI järgmist piiri, ületades automatiseerimise, et saada tõeliseks partneriks inimeste leidlikkuses.
Järeldus: AI innovatsiooni järgmine laine
Võidujooks teaduse avastamiseks tehisintellekti arendamiseks on kuumenenud, kuid tõeline edu võib peituda spetsialiseeritud idufirmades, nagu Unreasonable Labs. Nende keskendumine interdistsiplinaarsetele arutlustele pakub paljutõotavat teed, mis ületab praeguste suurte keelemudelite piirangud. Teekond tõeliselt avastava tehisintellekti loomiseni on alles algamas.
Olge kursis tehisintellekti ja tehnoloogia uusimate uuendustega. Lisateabe saamiseks ja selle artikli hõlpsaks jagamiseks looge oma lemmiksisu kureerimiseks saidil Seemless tasuta link-in-bi-leht.
