Upphafið að reyna nýtt bragð til að þróa gervigreind fyrir vísindauppgötvun
Upphafið að reyna nýtt bragð til að þróa gervigreind fyrir vísindauppgötvun
Þróun gervigreindar fyrir vísindauppgötvun hefur orðið stórkostlegt markmið fyrir tæknirisa. Fyrirtæki eins og OpenAI og Anthropic hafa tryggt sér tugmilljarða fjármögnun með loforðum um bylting gervigreindar í læknisfræði, líffræði og eðlisfræði. Hins vegar er sönn gervigreind-drifin vísindauppgötvun enn fátækleg, eins og sýnt hefur verið fram á af fyrri atvikum eins og afhjúpuð ChatGPT-mynduð stærðfræðiuppgötvun. Kjarnaáskorunin, samkvæmt sérfræðingum, er sú að núverandi stór tungumálalíkön (LLM) skortir innri getu til að búa til nýja vísindalega þekkingu sjálfstætt.
Af hverju stórar gervigreindarstofur eiga í erfiðleikum með vísindalega uppgötvun
Markus Buehler, MIT verkfræðiprófessor, greinir grundvallartakmörkun í háþróaðri gervigreind nútímans. Hann heldur því fram að módelin sem knýja kerfin frá OpenAI og Anthropic séu ekki hönnuð fyrir raunverulega uppgötvun. Arkitektúr þeirra byggist á mynsturþekkingu frá núverandi gögnum, ekki á að búa til nýjar kenningar eða tilgátur.
Þetta var áberandi sýnt síðasta haust þegar meint stærðfræðileg uppgötvun ChatGPT var fljótlega afhjúpuð. Þátturinn lagði áherslu á bilið á milli greiningarkrafts gervigreindar og skapandi, uppgötvunarmiðaðrar hugsunar. Þetta er áskorun sem minnir á önnur gervigreind viðleitni þar sem tæknin glímir við frumleika, líkt og gagnrýnin sem gervigreind „leikarinn“ Tilly Norwood stóð frammi fyrir fyrir að skorta ósvikna sköpunargáfu.
Kjarnavandamálið með núverandi gervigreindargerðum
Stór tungumálalíkön skara fram úr við að vinna úr og endurræsa upplýsingar. Þeir geta dregið saman texta, svarað spurningum og jafnvel skrifað kóða byggt á þjálfunargögnum sínum. Hins vegar starfa þeir innan ramma þess sem þeir hafa þegar lært.
Vísindaleg uppgötvun krefst í eðli sínu að stíga inn í hið óþekkta. Það felur í sér að mynda ný tengsl milli ólíkra sviða og leggja fram hugmyndir sem eru ekki til staðar í neinu þjálfunargagnasetti. Þetta er stökk sem núverandi skapandi gervigreind, sem einbeitir sér að efnissköpun og sjálfvirkni, er ekki byggð til að taka. Iðnaðurinn er að þróast, eins og sést með þróun eins og WordPress Gutenberg uppfærslunni sem leggur grunn að gervigreindarútgáfu, en kjarnaáskorunin fyrir uppgötvun er enn.
Kynnum óraunhæfar rannsóknarstofur: Ný nálgun á gervigreind fyrir vísindi
Til að takast á við þetta bil stofnaði prófessor Buehler Unreasonable Labs ásamt Yuan Cao, fyrrverandi háttsettum rannsóknarfræðingi hjá Google DeepMind. Gangsetningin miðar að því að vera brautryðjandi í grundvallaratriðum öðruvísi nálgun við að þróa gervigreind til vísindalegrar uppgötvunar. Í stað þess að treysta eingöngu á gríðarlega gagnainntöku eru þeir að byggja upp kerfi sem geta þverfaglega rökhugsað.
Unreasonable Labs tryggði sér nýlega 13,5 milljónir dala í fjármögnunarlotu undir forystu Playground Global. Í lotunni tóku þátt AIX Ventures, E14 Fund og MS&AD Ventures. Þessi umtalsverða fjárfesting undirstrikar trú markaðarins á nýja aðferðafræði þeirra.
Að læra af "Aha" augnablikum í vísindasögunni
Tilgáta Buehler er sú að margar frábærar uppgötvanir komi upp úr „aha“ augnablikum. Þetta eru tilvik þar sem vísindamaður beitir kenningu eða hugtaki frá einu sviði til að leysa vandamál á allt öðru sviði. Þessi krossfrævun hugmynda er lykillinn að byltingum.
Sígilt dæmi er verk John Hopfield árið 1982. Hann beitti hugtökum frá eðlisfræði þétts efnis til gervigreindar, sem þá var að byrja. Þetta leiddi til þróunar Hopfield netkerfa, tegund tauganeta sem geta lært og rifjað upp minningar. Þetta var byltingarkennd hugmynd sem fæddist með því að tengja saman óskyldar greinar.
Hversu óraunhæft AI Labs er frábrugðið almennum gerðum
AI sem verið er að þróa hjá Unreasonable Labs er hannað til að líkja eftir þessari mannlegu getu til þverfaglegrar innsýnar. Markmið þeirra er ekki að búa til stærra tungumálalíkan heldur að byggja upp kerfi sem getur rökstutt þvert á vísindasvið.
Þverfagleg þekkingargraf: Í stað þess að þjálfa texta eingöngu, samþættir gervigreind þeirra skipulagða þekkingu frá mörgum vísindasviðum, allt frá líffræði til eðlisfræði. Analogical Reasoning Engines: Kjarnatæknin einbeitir sér að því að finna hliðstæður og hliðstæður milli hugtaka sem virðast ótengd, lykildrifkraftur vísindalegrar nýsköpunar. Tilgátumyndun: Kerfið er hannað til að leggja fram prófanlegar vísindalegar tilgátur, ekki bara greina núverandi gögn.
Þessi nálgun felur í sér veruleg frávik frá kaupstefnu stærritæknifyrirtæki, eins og Zendesk kaupin á AI sprotafyrirtækinu Forethought, sem einbeita sér oft að því að betrumbæta núverandi þjónustuforrit frekar en að vera brautryðjandi ný uppgötvun.
Framtíð gervigreindar-drifna uppgötvunar
Ef vel tekst til gæti tækni Unreasonable Labs flýtt fyrir rannsóknum á mikilvægum sviðum. Ímyndaðu þér gervigreind sem getur stungið upp á nýju lyfjaefnasambandi með því að sameina meginreglur úr efnafræði og erfðafræði. Eða líkan sem leggur til nýtt efni fyrir sjálfbæra orku með því að tengja saman hugtök úr nanótækni og varmafræði.
Hugsanlegar umsóknir eru miklar, allt frá því að flýta fyrir læknisfræðilegum rannsóknum til að leysa flóknar umhverfisáskoranir. Þetta táknar næstu landamæri gervigreindar, sem færist út fyrir sjálfvirkni til að verða sannur félagi í hugviti manna.
Niðurstaða: Næsta bylgja gervigreindar nýsköpunar
Kapphlaupið um að þróa gervigreind fyrir vísindauppgötvun er að hitna, en sannur árangur gæti falist hjá sérhæfðum sprotafyrirtækjum eins og Unreasonable Labs. Áhersla þeirra á þverfaglega rökhugsun býður upp á vænlega leið út fyrir takmarkanir núverandi stórra mállíkana. Ferðin til að búa til gervigreind sem getur sannarlega uppgötvað er rétt að byrja.
Vertu uppfærður um nýjustu nýjungar í gervigreind og tækni. Til að fá frekari innsýn og til að deila þessari grein auðveldlega, búðu til ókeypis tengil-í-lífssíðu þína á Seemless til að sjá um uppáhaldsefnið þitt.
