Startup Nyoba Trik Anyar kanggo Ngembangake AI Kanggo Penemuan Ilmu
Startup Nyoba Trik Anyar kanggo Ngembangake AI Kanggo Penemuan Ilmu
Ngembangake intelijen buatan kanggo panemuan ilmu wis dadi tujuan monumental kanggo raksasa teknologi. Perusahaan kaya OpenAI lan Anthropic wis entuk dana puluhan milyar kanthi janji terobosan AI ing babagan obat, biologi, lan fisika. Nanging, panemuan ilmiah sing didhukung AI sing sejatine tetep angel dipahami, kaya sing dituduhake dening kedadeyan kepungkur kaya temuan matematika sing digawe ChatGPT. Tantangan inti, miturut para ahli, yaiku model basa gedhe (LLM) saiki ora nduweni kemampuan intrinsik kanggo ngasilake kawruh ilmiah novel kanthi otonom.
Napa Big AI Labs Berjuang karo Penemuan Ilmiah
Markus Buehler, profesor teknik MIT, ngenali watesan dhasar ing AI canggih saiki. Dheweke ujar manawa model sistem daya saka OpenAI lan Anthropic ora dirancang kanggo panemuan asli. Arsitèktur kasebut adhedhasar pangenalan pola saka data sing wis ana, dudu kanggo nggawe teori utawa hipotesis anyar.
Iki digambarake kanthi cetha ing musim gugur pungkasan nalika panemuan matematika sing diduga dening ChatGPT kanthi cepet dibantah. Babagan kasebut nyoroti jurang antarane kekuwatan analitis AI lan pamikiran kreatif sing berorientasi panemuan. Iki minangka tantangan sing ngelingi upaya AI liyane ing ngendi teknologi kasebut berjuang karo orisinalitas, kaya kritik sing diadhepi dening 'aktor' AI Tilly Norwood amarga ora duwe kreatifitas asli.
Masalah Inti karo Model AI Saiki
Model basa gedhe banget ing proses lan regurgitating informasi. Dheweke bisa ngringkes teks, njawab pitakonan, lan malah nulis kode adhedhasar data latihan. Nanging, padha tumindak ing watesan apa sing wis padha sinau.
Penemuan ilmiah, kanthi sifate, mbutuhake langkah menyang sing ora dingerteni. Iki kalebu nggawe sambungan anyar ing antarane lapangan sing beda-beda lan ngusulake ide sing ora ana ing set data latihan. Iki minangka lompatan sing saiki AI generatif, fokus ing nggawe konten lan otomatisasi, ora digawe. Industri iki berkembang, kaya sing katon karo pangembangan kaya nganyari WordPress Gutenberg sing nggawe dhasar kanggo penerbitan AI, nanging tantangan inti kanggo panemuan tetep.
Ngenalake Lab sing Ora Waras: Pendekatan Anyar kanggo AI kanggo Ilmu
Kanggo ngatasi kesenjangan iki, Profesor Buehler ngedegake Unreasonable Labs karo Yuan Cao, mantan ilmuwan riset staf senior ing Google DeepMind. Wiwitan kasebut tujuane dadi pionir pendekatan sing beda-beda kanggo ngembangake AI kanggo panemuan ilmiah. Tinimbang mung ngandelake ingestion data sing akeh, dheweke nggawe sistem sing bisa nalar interdisipliner.
Unreasonable Labs bubar entuk $ 13,5 yuta ing babak pendanaan sing dipimpin dening Playground Global. Babak kasebut melu partisipasi saka AIX Ventures, E14 Fund, lan MS&AD Ventures. Investasi sing signifikan iki negesake kapercayan pasar babagan metodologi novel kasebut.
Sinau saka Momen "Aha" ing Sejarah Ilmu
Hipotesis Buehler yaiku akeh panemuan gedhe sing muncul saka momen "aha". Iki minangka kedadeyan nalika ilmuwan ngetrapake teori utawa konsep saka siji lapangan kanggo ngrampungake masalah ing domain sing beda. Penyerbukan silang gagasan iki minangka kunci terobosan.
Conto klasik yaiku karya John Hopfield ing taun 1982. Dheweke ngetrapake konsep saka fisika materi sing dipadhetke menyang bidang intelijen buatan. Iki nyebabake pangembangan jaringan Hopfield, jinis jaringan saraf sing bisa sinau lan ngeling-eling kenangan. Iki minangka gagasan revolusioner sing lair saka nyambungake disiplin sing ora ana hubungane.
Kepiye Bedane AI Labs sing Ora Adil karo Model Mainstream
AI sing dikembangake ing Unreasonable Labs dirancang kanggo niru kapasitas manungsa iki kanggo wawasan interdisipliner. Tujuane ora nggawe model basa sing luwih gedhe nanging kanggo mbangun sistem sing bisa nalar ing domain ilmiah.
Grafik Kawruh Interdisipliner: Tinimbang latihan mung babagan teks, AI kasebut nggabungake kawruh terstruktur saka macem-macem bidang ilmiah, saka biologi nganti fisika. Mesin Penalaran Analogi: Teknologi inti fokus ing nemokake analogi lan paralel ing antarane konsep sing ora ana hubungane, minangka pembalap utama inovasi ilmiah. Generasi Hipotesis: Sistem iki dirancang kanggo ngusulake hipotesis ilmiah sing bisa diuji, ora mung nganalisa data sing ana.
Pendekatan iki nggantosi departure pinunjul saka strategi akuisisi luwih gedheperusahaan teknologi, kayata akuisisi Zendesk saka Forethought wiwitan AI, sing asring fokus ing nyaring aplikasi layanan pelanggan sing wis ana tinimbang dadi pionir penemuan anyar.
Masa Depan Penemuan sing Didorong AI
Yen sukses, teknologi Unreasonable Labs bisa nyepetake riset ing wilayah kritis. Bayangake AI sing bisa menehi saran senyawa obat anyar kanthi nggabungake prinsip kimia lan genetika. Utawa model sing ngusulake materi anyar kanggo energi lestari kanthi ngubungake konsep saka nanoteknologi lan termodinamika.
Aplikasi potensial akeh, saka nyepetake riset medis nganti ngrampungake tantangan lingkungan sing kompleks. Iki minangka wates sabanjure kanggo AI, sing ngluwihi otomatisasi dadi mitra sejati ing kapinteran manungsa.
Kesimpulan: Gelombang Sabanjure Inovasi AI
Perlombaan ngembangake AI kanggo panemuan sains saya tambah panas, nanging sukses sejatine bisa uga ana ing wiwitan khusus kaya Unreasonable Labs. Fokus ing penalaran interdisipliner nawakake dalan sing njanjeni ngluwihi watesan model basa gedhe saiki. Perjalanan kanggo nggawe AI sing bisa ditemokake pancen diwiwiti.
Tetep nganyari babagan inovasi paling anyar ing AI lan teknologi. Kanggo luwih wawasan lan gampang nuduhake artikel iki, gawe kaca link-in-bio gratis ing Semless kanggo ngatur konten favorit.
