Kuanzisha Kujaribu Mbinu Mpya ya Kuendeleza AI kwa Ugunduzi wa Sayansi
Kuanzisha Kujaribu Mbinu Mpya ya Kuendeleza AI kwa Ugunduzi wa Sayansi
Kukuza akili bandia kwa ajili ya ugunduzi wa sayansi imekuwa lengo kuu kwa makampuni makubwa ya teknolojia. Makampuni kama OpenAI na Anthropic yamepata makumi ya mabilioni ya ufadhili kwa ahadi za mafanikio ya AI katika dawa, biolojia na fizikia. Walakini, ugunduzi wa kweli wa kisayansi unaoendeshwa na AI bado haujaeleweka, kama inavyoonyeshwa na matukio ya zamani kama matokeo ya hesabu yaliyotolewa na ChatGPT. Changamoto kuu, kulingana na wataalam, ni kwamba miundo ya sasa ya lugha kubwa (LLMs) haina uwezo wa asili wa kutoa maarifa mapya ya kisayansi kwa uhuru.
Kwa nini Maabara Kubwa za AI Zinatatizika na Ugunduzi wa Kisayansi
Markus Buehler, profesa wa uhandisi wa MIT, anabainisha kizuizi cha msingi katika AI ya kisasa ya kisasa. Anasema kuwa mifumo ya kuwezesha kutoka OpenAI na Anthropic haijaundwa kwa ugunduzi wa kweli. Usanifu wao unategemea utambuzi wa muundo kutoka kwa data iliyopo, sio kuunda nadharia mpya au nadharia.
Hili lilionyeshwa wazi katika msimu wa mwaka jana wakati ugunduzi wa hisabati unaodaiwa na ChatGPT ulipobatilishwa haraka. Kipindi kiliangazia pengo kati ya uwezo wa uchanganuzi wa AI na mawazo yake ya ubunifu, yenye mwelekeo wa ugunduzi. Ni changamoto inayowakumbusha juhudi nyingine za AI ambapo teknolojia inatatizika na uhalisi, kama vile ukosoaji unaokabiliwa na ‘mwigizaji’ wa AI Tilly Norwood kwa kukosa ubunifu wa kweli.
Tatizo la Msingi na Miundo ya Sasa ya AI
Miundo mikubwa ya lugha hufaulu katika kuchakata na kurudisha taarifa. Wanaweza kufanya muhtasari wa maandishi, kujibu maswali, na hata kuandika msimbo kulingana na data ya mafunzo yao. Walakini, wanafanya kazi ndani ya mipaka ya yale ambayo tayari wamejifunza.
Ugunduzi wa kisayansi, kwa asili yake, unahitaji kuingia kwenye haijulikani. Inajumuisha kuunda miunganisho mipya kati ya nyanja tofauti na kupendekeza mawazo ambayo hayapo katika mkusanyiko wowote wa mafunzo. Huu ni mkurupuko ambao AI inayozalisha ya sasa, inayolenga uundaji wa maudhui na uwekaji kiotomatiki, haijajengwa kutengeneza. Sekta hii inabadilika, kama inavyoonekana na maendeleo kama sasisho la WordPress Gutenberg likiweka msingi wa uchapishaji wa AI, lakini changamoto kuu ya ugunduzi bado.
Kuanzisha Maabara Isiyofaa: Mbinu Mpya ya AI kwa Sayansi
Ili kushughulikia pengo hili, Profesa Buehler alianzisha Maabara ya Unreasonable pamoja na Yuan Cao, mwanasayansi mkuu wa utafiti wa wafanyakazi katika Google DeepMind. Uanzishaji unakusudia kuanzisha mbinu tofauti kabisa ya kukuza AI kwa ugunduzi wa kisayansi. Badala ya kutegemea uingiaji mkubwa wa data pekee, wanaunda mifumo yenye uwezo wa kutoa hoja baina ya taaluma mbalimbali.
Maabara zisizo na akili hivi majuzi zilipata $13.5 milioni katika awamu ya ufadhili iliyoongozwa na Playground Global. Raundi hiyo ilishuhudia ushiriki kutoka kwa AIX Ventures, E14 Fund, na MS&AD Ventures. Uwekezaji huu muhimu unasisitiza imani ya soko katika mbinu zao mpya.
Kujifunza kutoka kwa "Aha" Nyakati katika Historia ya Sayansi
Dhana ya Buehler ni kwamba uvumbuzi mwingi mkubwa huibuka kutoka kwa wakati wa "aha". Haya ni matukio ambapo mwanasayansi hutumia nadharia au dhana kutoka nyanja moja ili kutatua tatizo katika kikoa tofauti kabisa. Uchavushaji huu mtambuka wa mawazo ni ufunguo wa mafanikio.
Mfano halisi ni kazi ya John Hopfield mwaka wa 1982. Alitumia dhana kutoka kwa fizikia ya vitu vilivyofupishwa hadi uga wa wakati huo wa akili ya bandia. Hii ilisababisha maendeleo ya mitandao ya Hopfield, aina ya mtandao wa neva wenye uwezo wa kujifunza na kukumbuka kumbukumbu. Lilikuwa ni wazo la kimapinduzi lililozaliwa kutokana na kuunganisha taaluma zisizohusiana.
Jinsi AI ya Maabara Isiyo na Sababu Inatofautiana na Miundo ya Kawaida
AI inayotengenezwa katika Maabara zisizo na akili imeundwa kuiga uwezo huu wa kibinadamu wa maarifa ya taaluma mbalimbali. Kusudi lao sio kuunda muundo wa lugha kubwa zaidi lakini kujenga mfumo ambao unaweza kufikiria katika nyanja za kisayansi.
Grafu za Maarifa Mbalimbali: Badala ya mafunzo juu ya maandishi pekee, AI yao inaunganisha maarifa yaliyopangwa kutoka nyanja nyingi za kisayansi, kutoka kwa biolojia hadi fizikia. Injini za Kutoa Sababu za Analogia: Teknolojia ya msingi inazingatia kutafuta mlinganisho na ulinganifu kati ya dhana zinazoonekana kuwa hazihusiani, kichocheo kikuu cha uvumbuzi wa kisayansi. Kizazi cha Dhahania: Mfumo unaundwa ili kupendekeza dhahania za kisayansi zinazoweza kujaribiwa, sio tu kuchambua data iliyopo.
Mbinu hii inawakilisha kuondoka kwa kiasi kikubwa kutoka kwa mikakati ya upataji wa kubwamakampuni ya teknolojia, kama vile upataji wa Zendesk wa AI ya kuanzisha Forethought, ambayo mara nyingi hulenga katika kuboresha maombi yaliyopo ya huduma kwa wateja badala ya kuanzisha aina mpya za ugunduzi.
Mustakabali wa Ugunduzi Unaoendeshwa na AI
Ikifaulu, teknolojia ya Maabara Isiyofaa inaweza kuharakisha utafiti katika maeneo muhimu. Hebu fikiria AI ambayo inaweza kupendekeza mchanganyiko mpya wa dawa kwa kuchanganya kanuni kutoka kwa kemia na jenetiki. Au mfano unaopendekeza nyenzo mpya kwa nishati endelevu kwa kuunganisha dhana kutoka nanoteknolojia na thermodynamics.
Utumizi unaowezekana ni mkubwa, kutoka kwa kuharakisha utafiti wa matibabu hadi kutatua changamoto changamano za mazingira. Hii inawakilisha mpaka unaofuata wa AI, kusonga zaidi ya otomatiki ili kuwa mshirika wa kweli katika werevu wa mwanadamu.
Hitimisho: Wimbi Lifuatalo la Ubunifu wa AI
Mbio za kutengeneza AI kwa ajili ya ugunduzi wa sayansi zinazidi kupamba moto, lakini mafanikio ya kweli yanaweza kutokana na vianzishaji maalum kama vile Maabara Isiyofaa. Mtazamo wao juu ya mawazo baina ya taaluma mbalimbali hutoa njia ya kuahidi zaidi ya mipaka ya miundo ya sasa ya lugha kubwa. Safari ya kuunda AI ambayo inaweza kugundua kweli ndiyo inaanza.
Pata habari mpya kuhusu uvumbuzi wa hivi punde katika AI na teknolojia. Kwa maarifa zaidi na kushiriki makala haya kwa urahisi, fungua ukurasa wako wa kiungo-katika-bio bila malipo kwenye Seemless ili kuratibu maudhui yako uyapendayo.
