Destpêk Ji bo Pêşvebirina AI-ê Ji bo Vedîtina Zanistî Xefetek Nû Diceribîne
Destpêk Ji bo Pêşvebirina AI-ê Ji bo Vedîtina Zanistî Xefetek Nû Diceribîne
Pêşxistina îstîxbarata sûnî ji bo vedîtina zanistî ji bo dêwên teknolojiyê bûye armancek berbiçav. Pargîdaniyên mîna OpenAI û Anthropic bi sozên serketinên AI-ê yên di derman, biyolojî, û fîzîkê de bi deh mîlyar fonan peyda kirine. Lêbelê, vedîtina zanistî ya rastîn a bi AI-ê veguhestî dimîne, wekî ku ji hêla bûyerên paşîn ve wekî vedîtinek matematîkî ya ku ChatGPT-ê hatî hilberandin hatî destnîşan kirin. Pirsgirêka bingehîn, li gorî pisporan, ev e ku modelên zimanên mezin ên heyî (LLM) kêmasiya jêhatîbûna xwerû ya ku bi rengek xweser zanyariya zanistî ya nû biafirîne tune ye.
Çima Laboratorên AI-ê yên Mezin bi Vedîtina Zanistî re Têkoşin
Markus Buehler, profesorek endezyariya MIT-ê, di AI-ya pêşkeftî ya îroyîn de sînorek bingehîn destnîşan dike. Ew argû dike ku modelên pergalên hêzdar ên OpenAI û Anthropic ne ji bo vedîtina rastîn hatine sêwirandin. Mîmariya wan li ser naskirina nimûneyê ji daneyên heyî ye, ne li ser afirandina teorî an hîpotezên nû.
Dema ku keşfek matematîkî ya ku ji hêla ChatGPT ve hatî vedîtin zû hate hilweşandin ev yeka payîza borî bi zelalî hate destnîşan kirin. Episode ferqa di navbera hêza analîtîk a AI-ê û ramana wê ya afirîner, keşf-oriented de ronî kir. Ew dijwariyek e ku hewildanên din ên AI-yê ku teknolojî bi orîjînalîteyê re têdikoşe, dişoxilîne, mîna rexneya ku ji hêla 'aktorê AI'yê Tilly Norwood ve ji ber nebûna afirîneriya rastîn re rû bi rû maye.
Pirsgirêka Bingehîn bi Modelên AI-yê yên heyî
Modelên zimanên mezin di hilberandin û vegerandina agahiyê de bi pêş ve diçin. Ew dikarin nivîsan kurt bikin, bersiva pirsan bidin, û tewra li gorî daneyên perwerdehiya xwe kodê binivîsin. Lêbelê, ew di nav sînorên ku berê fêr bûne de tevdigerin.
Vedîtina zanistî, ji hêla cewherê xwe ve, pêdivî ye ku meriv ber bi nenasê ve biçe. Ew di navbera qadên cihêreng de girêdanên nû pêk tîne û ramanên ku di tu databasa perwerdehiyê de tune ne pêşniyar dike. Ev pêvekek e ku AI-ya hilberîner a heyî, ku li ser afirandina naverokê û otomasyonê ye, ji bo çêkirina wê nehatiye çêkirin. Pîşesazî pêş dikeve, wekî ku bi pêşkeftinên mîna nûvekirina WordPress Gutenberg re tê dîtin ku bingehek ji bo weşana AI-yê çêdike, lê dijwariya bingehîn ji bo vedîtinê dimîne.
Danasîna laboratîfên bêaqil: Nêzîktêdayînek nû ya AI-ê ji bo Zanistê
Ji bo çareserkirina vê valahiyê, Profesor Buehler bi Yuan Cao, zanyarê lêkolînê yê karmendê payebilind ê berê yê Google DeepMind re, Labsên Unreasonable damezrand. Destpêkê armanc dike ku ji bo vedîtina zanistî ji bo pêşkeftina AI-ê ya bingehîn rêgezek cûda pêşeng bike. Li şûna ku bi tenê xwe bispêrin danûstendina daneya girseyî, ew pergalên ku jêhatîbûna ramanên navdîsîplînî ava dikin.
Unreasonable Labs di van demên dawî de 13,5 mîlyon dolar di dorhêlek darayî ya ku ji hêla Playground Global ve hatî rêve kirin de peyda kir. Di dewreyê de ji AIX Ventures, E14 Fund, û MS&AD Ventures beşdar bûn. Vê veberhênana girîng baweriya sûkê bi metodolojiya wan a nû de destnîşan dike.
Di Dîroka Zanistê de Ji Deqên "Aha" fêr dibin
Hîpoteza Buehler ev e ku gelek vedîtinên mezin ji kêliyên "aha" derdikevin. Vana ev in ku zanyarek teoriyek an têgehek ji yek qadê bikar tîne da ku pirsgirêkek di domenek bi tevahî cûda de çareser bike. Ev hevberdana ramanan mifteya serketinê ye.
Nimûneyek klasîk xebata John Hopfield e di sala 1982 de. Wî têgehên ji fizîkê maddeya kondenskirî li qada îstîxbarata çêkirî ya wê demê ya nûbûyî sepand. Ev bû sedema pêşkeftina torên Hopfield, celebek tora neuralî ya ku bikaribe fêr bibe û bîranînan bîne bîra xwe. Ew ramanek şoreşger bû ku ji girêdana dîsîplînên negirêdayî çêbû.
Çiqas AI-ya Laboratorên Nereasonable ji Modelên Serdest cuda ye
AI-ya ku li Unreasonable Labs-ê hatî pêşve xistin ji bo ku vê kapasîteya mirovî ya ji bo têgihîştina navdîsîplînî teqlîd bike hatiye çêkirin. Armanca wan ne ew e ku modelek zimanek mezintir biafirînin, lê avakirina pergalek ku bikaribe li seranserê qadên zanistî bifikire.
Grafên Zanîniya Navdîsîplîn: Li şûna perwerdehiya li ser nivîsê tenê, AI-ya wan zanyariyên birêkûpêk ji gelek warên zanistî, ji biyolojî heya fîzîkê, yek dike. Motorên Aqlê Analogîk: Teknolojiya bingehîn li ser dîtina analojî û hevkêşeyên di navbera têgehên xuyayî yên negirêdayî de, ajokarek bingehîn a nûjeniya zanistî disekine. Hilberîna Hîpotezê: Pergal ji bo pêşniyarkirina hîpotezên zanistî yên ceribandinê tête çêkirin, ne tenê daneyên heyî analîz dike.
Ev nêzîkatî dûrketinek girîng ji stratejiyên bidestxistina yên mezintir nîşan didefîrmayên teknolojiyê, wek Zendesk destxistina AI-ê Forethought-ê, ku bi gelemperî li ser safîkirina serîlêdanên karûbarê xerîdar ên heyî ne ku pêşengiya formên nû yên keşfê dikin.
Pêşeroja Vedîtina AI-Driven
Ger serketî be, teknolojiya Unreasonable Labs dikare lêkolînê li deverên krîtîk bilez bike. AI-ê bifikirin ku dikare bi berhevkirina prensîbên ji kîmya û genetîkê dermanek nû pêşniyar bike. An jî modelek ku materyalek nû ji bo enerjiya domdar bi girêdana têgînên nanoteknolojî û termodinamîkê pêşniyar dike.
Serîlêdanên potansiyel pir in, ji bilezkirina lêkolîna bijîjkî heya çareserkirina pirsgirêkên hawîrdorê yên tevlihev. Ev sînorê paşîn ji bo AI-ê temsîl dike, ku ji otomasyonê wêdetir diçe ku bibe hevkarek rastîn di jîrebûna mirovan de.
Encam: Pêla Pêşîn a Nûvekirina AI
Pêşbaziya pêşvebirina AI-ê ji bo vedîtina zanistî germ dibe, lê dibe ku serkeftina rastîn bi destpêkek pisporî ya mîna Unreasonable Labs re be. Bala wan a li ser ramana navdîsîplînî rêyek sozdar ji sînorên modelên zimanên mezin ên heyî wêdetir pêşkêşî dike. Rêwîtiya ji bo afirandina AI-yek ku bi rastî dikare kifş bike hîna dest pê dike.
Li ser nûvekirinên herî dawî yên di AI û teknolojiyê de nûve bimînin. Ji bo bêtir agahdarî û parvekirina vê gotarê bi hêsanî, rûpela xweya girêdan-li-bio-ya belaş li ser Seemless biafirînin da ku naveroka xweya bijare bişopînin.
