Startup Mencoba Trik Baru Mengembangkan AI Untuk Penemuan Sains
Startup Mencoba Trik Baru Mengembangkan AI Untuk Penemuan Sains
Mengembangkan kecerdasan buatan untuk penemuan sains telah menjadi tujuan besar bagi raksasa teknologi. Perusahaan seperti OpenAI dan Anthropic telah mendapatkan pendanaan puluhan miliar dengan janji terobosan AI dalam bidang kedokteran, biologi, dan fisika. Namun, penemuan ilmiah yang didorong oleh AI masih sulit dipahami, seperti yang ditunjukkan oleh insiden masa lalu seperti temuan matematika yang dihasilkan oleh ChatGPT yang telah dibantah. Tantangan utamanya, menurut para ahli, adalah model bahasa besar (LLM) yang ada saat ini tidak memiliki kemampuan intrinsik untuk menghasilkan pengetahuan ilmiah baru secara mandiri.
Mengapa Lab AI Besar Berjuang dengan Penemuan Ilmiah
Markus Buehler, seorang profesor teknik MIT, mengidentifikasi keterbatasan mendasar dalam AI canggih saat ini. Dia berpendapat bahwa model sistem yang menggerakkan OpenAI dan Anthropic tidak dirancang untuk penemuan sejati. Arsitekturnya didasarkan pada pengenalan pola dari data yang ada, bukan pada pembuatan teori atau hipotesis baru.
Hal ini diilustrasikan dengan jelas pada musim gugur yang lalu ketika penemuan matematika yang diakui oleh ChatGPT dengan cepat dibantah. Episode ini menyoroti kesenjangan antara kekuatan analitis AI dan pemikiran kreatifnya yang berorientasi pada penemuan. Ini adalah tantangan yang mengingatkan kita pada upaya AI lainnya di mana teknologi berjuang dengan orisinalitas, seperti kritik yang dihadapi oleh ‘aktor’ AI Tilly Norwood karena kurangnya kreativitas sejati.
Masalah Inti Model AI Saat Ini
Model bahasa besar unggul dalam memproses dan memuntahkan informasi. Mereka dapat meringkas teks, menjawab pertanyaan, dan bahkan menulis kode berdasarkan data pelatihan mereka. Namun, mereka beroperasi dalam batas-batas apa yang telah mereka pelajari.
Penemuan ilmiah, pada dasarnya, memerlukan langkah menuju hal-hal yang tidak diketahui. Ini melibatkan pembentukan hubungan baru antara bidang yang berbeda dan mengusulkan ide-ide yang tidak ada dalam kumpulan data pelatihan apa pun. Ini adalah lompatan yang tidak dapat dilakukan oleh AI generatif saat ini, yang berfokus pada pembuatan dan otomatisasi konten. Industri ini terus berkembang, seperti yang terlihat dari perkembangan seperti pembaruan WordPress Gutenberg yang menjadi landasan bagi penerbitan AI, namun tantangan inti dalam penemuannya tetap ada.
Memperkenalkan Lab yang Tidak Masuk Akal: Pendekatan Baru terhadap AI untuk Sains
Untuk mengatasi kesenjangan ini, Profesor Buehler mendirikan Unreasonable Labs bersama Yuan Cao, mantan staf peneliti senior di Google DeepMind. Startup ini bertujuan untuk mempelopori pendekatan berbeda secara fundamental dalam mengembangkan AI untuk penemuan ilmiah. Daripada hanya mengandalkan penyerapan data secara besar-besaran, mereka membangun sistem yang mampu melakukan penalaran interdisipliner.
Unreasonable Labs baru-baru ini mendapatkan $13,5 juta dalam putaran pendanaan yang dipimpin oleh Playground Global. Putaran ini melibatkan partisipasi dari AIX Ventures, E14 Fund, dan MS&AD Ventures. Investasi yang signifikan ini menggarisbawahi kepercayaan pasar terhadap metodologi baru mereka.
Belajar dari Momen "Aha" dalam Sejarah Sains
Hipotesis Buehler adalah bahwa banyak penemuan besar muncul dari momen “aha”. Ini adalah contoh di mana seorang ilmuwan menerapkan teori atau konsep dari satu bidang untuk memecahkan masalah dalam domain yang sama sekali berbeda. Penyerbukan silang ide-ide ini adalah kunci terobosan.
Contoh klasiknya adalah karya John Hopfield pada tahun 1982. Dia menerapkan konsep dari fisika benda terkondensasi ke bidang kecerdasan buatan yang baru lahir. Hal ini mengarah pada pengembangan jaringan Hopfield, sejenis jaringan saraf yang mampu mempelajari dan mengingat kembali kenangan. Itu adalah ide revolusioner yang lahir dari menghubungkan disiplin ilmu yang tidak berhubungan.
Perbedaan AI Unreasonable Labs dengan Model Arus Utama
AI yang dikembangkan di Unreasonable Labs dirancang untuk meniru kapasitas manusia dalam memperoleh wawasan interdisipliner. Tujuan mereka bukan untuk menciptakan model bahasa yang lebih besar namun untuk membangun sebuah sistem yang dapat melakukan penalaran di seluruh domain ilmiah.
Grafik Pengetahuan Interdisipliner: Alih-alih melatih hanya dengan teks, AI mereka mengintegrasikan pengetahuan terstruktur dari berbagai bidang ilmiah, dari biologi hingga fisika. Mesin Penalaran Analogis: Teknologi inti berfokus pada menemukan analogi dan kesejajaran antara konsep-konsep yang tampaknya tidak berhubungan, yang merupakan pendorong utama inovasi ilmiah. Pembuatan Hipotesis: Sistem dirancang untuk mengajukan hipotesis ilmiah yang dapat diuji, bukan hanya menganalisis data yang ada.
Pendekatan ini mewakili perubahan signifikan dari strategi akuisisi yang lebih besarperusahaan teknologi, seperti akuisisi Zendesk terhadap startup AI Forethink, yang sering kali berfokus pada penyempurnaan aplikasi layanan pelanggan yang sudah ada dibandingkan merintis bentuk penemuan baru.
Masa Depan Penemuan Berbasis AI
Jika berhasil, teknologi Unreasonable Labs dapat mempercepat penelitian di bidang-bidang penting. Bayangkan sebuah AI yang dapat menyarankan senyawa obat baru dengan menggabungkan prinsip-prinsip kimia dan genetika. Atau model yang mengusulkan material baru untuk energi berkelanjutan dengan menghubungkan konsep nanoteknologi dan termodinamika.
Potensi penerapannya sangat luas, mulai dari mempercepat penelitian medis hingga memecahkan tantangan lingkungan yang kompleks. Hal ini mewakili garis depan AI berikutnya, yang bergerak melampaui otomatisasi untuk menjadi mitra sejati dalam kecerdasan manusia.
Kesimpulan: Gelombang Inovasi AI Berikutnya
Persaingan untuk mengembangkan AI untuk penemuan sains semakin memanas, namun kesuksesan sebenarnya mungkin terletak pada startup khusus seperti Unreasonable Labs. Fokus mereka pada penalaran interdisipliner menawarkan jalan yang menjanjikan melampaui keterbatasan model bahasa besar saat ini. Perjalanan untuk menciptakan AI yang benar-benar dapat melakukan penemuan baru saja dimulai.
Terus dapatkan informasi terkini tentang inovasi terbaru dalam AI dan teknologi. Untuk mendapatkan lebih banyak wawasan dan membagikan artikel ini dengan mudah, buat halaman link-in-bio gratis di Seemless untuk menyusun konten favorit Anda.
