Startup pokušava s novim trikom za razvoj umjetne inteligencije za znanstvena otkrića
Startup pokušava s novim trikom za razvoj umjetne inteligencije za znanstvena otkrića
Razvoj umjetne inteligencije za znanstvena otkrića postao je monumentalni cilj tehnoloških divova. Tvrtke kao što su OpenAI i Anthropic osigurale su desetke milijardi u financiranju obećanjima o AI prodorima u medicini, biologiji i fizici. Međutim, istinska znanstvena otkrića vođena umjetnom inteligencijom i dalje su nedostižna, kao što pokazuju prošli incidenti poput razotkrivenog matematičkog nalaza generiranog ChatGPT-om. Glavni je izazov, prema stručnjacima, to što trenutni veliki jezični modeli (LLM) nemaju intrinzičnu sposobnost da samostalno generiraju nova znanstvena znanja.
Zašto se veliki AI laboratoriji bore sa znanstvenim otkrićima
Markus Buehler, profesor inženjerstva na MIT-u, identificira temeljno ograničenje današnje napredne umjetne inteligencije. On tvrdi da modeli koji pokreću sustave iz OpenAI-ja i Anthropica nisu dizajnirani za istinsko otkriće. Njihova se arhitektura temelji na prepoznavanju uzoraka iz postojećih podataka, a ne na stvaranju novih teorija ili hipoteza.
To je jasno ilustrirano prošle jeseni kada je navodno matematičko otkriće ChatGPT-a brzo razotkriveno. Epizoda je istaknula jaz između analitičke moći umjetne inteligencije i njezinog kreativnog razmišljanja orijentiranog na otkriće. To je izazov koji podsjeća na druge pothvate umjetne inteligencije u kojima se tehnologija bori s originalnošću, slično kritikama s kojima se suočava AI 'glumac' Tilly Norwood zbog nedostatka prave kreativnosti.
Temeljni problem s trenutnim modelima umjetne inteligencije
Veliki jezični modeli izvrsni su u obradi i vraćanju informacija. Oni mogu sažimati tekstove, odgovarati na pitanja, pa čak i pisati kod na temelju svojih podataka o obuci. Međutim, oni djeluju unutar granica onoga što su već naučili.
Znanstvena otkrića po svojoj prirodi zahtijevaju iskorak u nepoznato. Uključuje stvaranje novih veza između različitih područja i predlaganje ideja koje nisu prisutne ni u jednom skupu podataka za obuku. Ovo je skok za koji trenutačna generativna umjetna inteligencija, usmjerena na stvaranje sadržaja i automatizaciju, nije napravljena. Industrija se razvija, kao što je vidljivo iz razvoja poput ažuriranja WordPress Gutenberg koje postavlja temelje za AI objavljivanje, ali glavni izazov za otkriće ostaje.
Predstavljamo Unreasonable Labs: Novi pristup umjetnoj inteligenciji za znanost
Kako bi riješio ovaj jaz, profesor Buehler je suosnivao Unreasonable Labs s Yuan Cao, bivšim višim istraživačkim djelatnikom u Google DeepMindu. Startup ima za cilj uvesti temeljno drugačiji pristup razvoju umjetne inteligencije za znanstvena otkrića. Umjesto da se oslanjaju isključivo na masovno gutanje podataka, oni grade sustave sposobne za interdisciplinarno zaključivanje.
Unreasonable Labs nedavno je osigurao 13,5 milijuna dolara u rundi financiranja koju je vodio Playground Global. U krugu su sudjelovali AIX Ventures, E14 Fund i MS&AD Ventures. Ovo značajno ulaganje naglašava vjeru tržišta u njihovu novu metodologiju.
Učenje iz "Aha" trenutaka u povijesti znanosti
Buehlerova hipoteza je da mnoga velika otkrića proizlaze iz "aha" trenutaka. To su slučajevi u kojima znanstvenik primjenjuje teoriju ili koncept iz jednog područja kako bi riješio problem u potpuno drugom području. Ovo unakrsno oprašivanje ideja ključno je za napredak.
Klasičan primjer je rad Johna Hopfielda iz 1982. On je primijenio koncepte iz fizike kondenzirane tvari na tada novonastalo polje umjetne inteligencije. To je dovelo do razvoja Hopfieldovih mreža, vrste neuronske mreže sposobne za učenje i prizivanje sjećanja. Bila je to revolucionarna ideja nastala iz povezivanja nepovezanih disciplina.
Kako se AI tvrtke Unreasonable Labs razlikuje od mainstream modela
Umjetna inteligencija koja se razvija u Unreasonable Labs osmišljena je da oponaša ovu ljudsku sposobnost interdisciplinarnog uvida. Njihov cilj nije stvoriti veći jezični model, već izgraditi sustav koji može razmišljati u različitim znanstvenim domenama.
Interdisciplinarni grafikoni znanja: Umjesto obuke samo na tekstu, njihov AI integrira strukturirano znanje iz više znanstvenih područja, od biologije do fizike. Analogical Reasoning Engines: Osnovna tehnologija usmjerena je na pronalaženje analogija i paralela između naizgled nepovezanih koncepata, što je ključni pokretač znanstvenih inovacija. Generiranje hipoteza: Sustav je dizajniran za predlaganje znanstvenih hipoteza koje se mogu provjeriti, a ne samo za analizu postojećih podataka.
Ovaj pristup predstavlja značajno odstupanje od strategija akvizicije većihtehnološke tvrtke, poput Zendeskove akvizicije AI startupa Forethought, koje se često usredotočuju na usavršavanje postojećih aplikacija za korisničku službu, a ne na pionirske nove oblike otkrića.
Budućnost otkrića vođenih umjetnom inteligencijom
Ako bude uspješna, tehnologija Unreasonable Labsa mogla bi ubrzati istraživanje u kritičnim područjima. Zamislite umjetnu inteligenciju koja može predložiti novi spoj lijeka kombinirajući načela iz kemije i genetike. Ili model koji predlaže novi materijal za održivu energiju povezujući koncepte iz nanotehnologije i termodinamike.
Potencijalne primjene su ogromne, od ubrzavanja medicinskih istraživanja do rješavanja složenih ekoloških izazova. Ovo predstavlja sljedeću granicu za umjetnu inteligenciju, nadilazeći automatizaciju i postajući pravi partner u ljudskoj genijalnosti.
Zaključak: Sljedeći val inovacija umjetne inteligencije
Utrka za razvoj umjetne inteligencije za znanstvena otkrića se zahuktava, ali pravi uspjeh možda leži u specijaliziranim startupima kao što je Unreasonable Labs. Njihov fokus na interdisciplinarno razmišljanje nudi obećavajući put izvan ograničenja trenutnih velikih jezičnih modela. Put ka stvaranju umjetne inteligencije koja uistinu može otkrivati tek počinje.
Budite u tijeku s najnovijim inovacijama u AI i tehnologiji. Za više uvida i jednostavno dijeljenje ovog članka, stvorite svoju besplatnu vezu u biografiji na Seemlessu kako biste pripremili svoj omiljeni sadržaj.
