Az induló vállalkozás új trükköt próbál ki a mesterséges intelligencia fejlesztésére a tudomány felfedezéséhez
Az induló vállalkozás új trükköt próbál ki a mesterséges intelligencia fejlesztésére a tudomány felfedezéséhez
A tudomány felfedezésére szolgáló mesterséges intelligencia fejlesztése a technológiai óriások óriási céljává vált. Az olyan vállalatok, mint az OpenAI és az Anthropic, több tízmilliárdos finanszírozást biztosítottak az AI áttörésének ígéreteivel az orvostudomány, a biológia és a fizika területén. Az igazi mesterséges intelligencia által vezérelt tudományos felfedezés azonban továbbra is megfoghatatlan, amint azt a múltbeli események, például a ChatGPT által generált leleplezett matematikai megállapítások bizonyítják. A szakértők szerint a fő kihívás az, hogy a jelenlegi nagy nyelvi modellek (LLM) nem képesek önállóan új tudományos ismereteket generálni.
Miért küzdenek a nagy mesterségesintelligencia-laboratóriumok a tudományos felfedezésekkel?
Markus Buehler, az MIT mérnök professzora a mai fejlett mesterséges intelligencia alapvető korlátait azonosítja. Azzal érvel, hogy az OpenAI és az Anthropic rendszereit működtető modelleket nem valódi felfedezésre tervezték. Architektúrájuk a meglévő adatokból származó mintafelismerésen alapul, nem pedig új elméletek vagy hipotézisek létrehozásán.
Ezt jól illusztrálta tavaly ősszel, amikor a ChatGPT állítólagos matematikai felfedezését gyorsan megcáfolták. Az epizód rávilágított az AI elemző ereje és kreatív, felfedezés-orientált gondolkodása közötti szakadékra. Ez egy olyan kihívás, amely más mesterséges intelligencia törekvésekre emlékeztet, ahol a technológia az eredetiséggel küszködik, hasonlóan ahhoz a kritikához, amellyel Tilly Norwood mesterséges intelligencia „színésze” szembesült a valódi kreativitás hiánya miatt.
Az alapvető probléma a jelenlegi AI-modellekkel
A nagy nyelvi modellek jeleskednek az információk feldolgozásával és visszaáramlásával. Képesek szövegeket összefoglalni, kérdésekre válaszolni, és akár kódot is írhatnak edzési adataik alapján. Azonban a már megtanultak keretein belül működnek.
A tudományos felfedezés természeténél fogva megkívánja az ismeretlenbe lépést. Ez magában foglalja az eltérő területek közötti új kapcsolatok kialakítását és olyan ötletek javaslatát, amelyek egyetlen képzési adatkészletben sem szerepelnek. Ez olyan ugrás, amelyre a jelenlegi generatív AI, amely a tartalomkészítésre és automatizálásra összpontosít, nem készült. Az iparág fejlődik, ahogy az olyan fejlesztéseknél is látható, mint a WordPress Gutenberg-frissítése, amely megalapozza a mesterséges intelligencia közzétételét, de a felfedezés alapvető kihívása továbbra is fennáll.
Bemutatkozik az Inreasonable Labs: új megközelítés a mesterséges intelligencia számára a tudomány számára
Ennek a hiányosságnak a megszüntetésére Buehler professzor Yuan Cao-val, a Google DeepMind korábbi vezető kutatójával együtt megalapította az Unreasonable Labs-t. A startup célja, hogy úttörő szerepet töltsön be egy alapvetően más megközelítésben az AI tudományos felfedezés céljából történő fejlesztésében. Ahelyett, hogy kizárólag a tömeges adatfelvételre hagyatkoznának, interdiszciplináris érvelésre képes rendszereket építenek.
Az Unreasonable Labs nemrég 13,5 millió dollárt szerzett a Playground Global által vezetett finanszírozási körben. A fordulóban az AIX Ventures, az E14 Fund és az MS&AD Ventures vett részt. Ez a jelentős beruházás megerősíti a piac új módszertanába vetett hitét.
Tanulni a tudománytörténet „Aha” pillanataiból
Buehler hipotézise az, hogy sok nagyszerű felfedezés származik "aha" pillanatokból. Ezek olyan esetek, amikor egy tudós egy elméletet vagy koncepciót alkalmaz egy területről, hogy megoldjon egy problémát egy teljesen más területen. Az ötletek ilyen keresztbeporzása kulcsfontosságú az áttörésekhez.
Klasszikus példa erre John Hopfield 1982-es munkája. A kondenzált anyag fizikájától kezdve a mesterséges intelligencia akkoriban születőben lévő területére alkalmazott fogalmakat. Ez a Hopfield hálózatok kifejlesztéséhez vezetett, egyfajta neurális hálózathoz, amely képes megtanulni és felidézni az emlékeket. Ez egy forradalmi ötlet, amely a nem kapcsolódó tudományágak összekapcsolásából született.
Miben különbözik az Unreasonable Labs mesterséges intelligencia a mainstream modellektől
Az Unreasonable Labs által kifejlesztett mesterséges intelligencia célja, hogy utánozza ezt az emberi képességet az interdiszciplináris betekintésre. Céljuk nem egy nagyobb nyelvi modell létrehozása, hanem egy olyan rendszer felépítése, amely képes több tudományterületen gondolkodni.
Interdiszciplináris tudásgrafikonok: Ahelyett, hogy kizárólag szövegre oktatnának, mesterséges intelligenciaik több tudományterület strukturált tudását integrálják, a biológiától a fizikáig. Analogical Reasoning Engines: Az alapvető technológia arra összpontosít, hogy analógiákat és párhuzamokat találjon a látszólag független fogalmak között, ami a tudományos innováció kulcsfontosságú mozgatórugója. Hipotézisgenerálás: A rendszert úgy tervezték, hogy tesztelhető tudományos hipotéziseket javasoljon, ne csak a meglévő adatokat elemezze.
Ez a megközelítés jelentős eltérést jelent a nagyobbak akvizíciós stratégiáitóltechnológiai cégek, például a Zendesk felvásárolta a Forethought AI startupot, amelyek gyakran a meglévő ügyfélszolgálati alkalmazások finomítására összpontosítanak, nem pedig a felfedezés új formáinak úttörésére.
Az AI-vezérelt felfedezés jövője
Siker esetén az Unreasonable Labs technológiája felgyorsíthatja a kutatást a kritikus területeken. Képzeljünk el egy mesterséges intelligenciát, amely a kémia és a genetika elveinek kombinálásával új gyógyszervegyületet javasolhat. Vagy egy modell, amely a nanotechnológia és a termodinamika koncepcióinak összekapcsolásával új anyagot javasol a fenntartható energiához.
A lehetséges alkalmazások szélesek, az orvosi kutatások felgyorsításától a komplex környezeti kihívások megoldásáig. Ez jelenti a mesterséges intelligencia következő határát, túllépve az automatizáláson, és az emberi találékonyság igazi partnerévé válva.
Következtetés: Az AI innováció következő hulláma
A tudomány felfedezésére szolgáló mesterséges intelligencia fejlesztésével kapcsolatos verseny egyre hevül, de az igazi siker az olyan speciális induló vállalkozásokban rejlik, mint az Unreasonable Labs. Az interdiszciplináris érvelésre való összpontosításuk ígéretes utat kínál a jelenlegi nagy nyelvi modellek korlátain túl. A valóban felfedezni képes AI létrehozásához vezető út még csak most kezdődik.
Legyen naprakész a mesterséges intelligencia és a technológia legújabb innovációival kapcsolatban. További információkért és a cikk egyszerű megosztásáért hozd létre ingyenes link-in-bio oldaladat a Seemless-en, hogy összeállítsd kedvenc tartalmaidat.
