स्टार्टअपले विज्ञान खोजको लागि एआई विकास गर्न नयाँ चाल खोज्दै छ
स्टार्टअपले विज्ञान खोजको लागि एआई विकास गर्न नयाँ चाल खोज्दै छ
विज्ञान आविष्कारको लागि कृत्रिम बुद्धिमत्ताको विकास टेक दिग्गजहरूका लागि एक स्मारक लक्ष्य भएको छ। ओपनएआई र एन्थ्रोपिक जस्ता कम्पनीहरूले औषधि, जीवविज्ञान र भौतिकशास्त्रमा एआई सफलता हासिल गर्ने वाचाका साथ दशौं बिलियन कोष सुरक्षित गरेका छन्। यद्यपि, साँचो एआई-संचालित वैज्ञानिक खोजहरू मायालु छन्, जुन विगतका घटनाहरू जस्तै ChatGPT-उत्पन्न गणित खोजहरूले देखाएको छ। विज्ञहरूका अनुसार मुख्य चुनौती भनेको वर्तमान ठूला भाषा मोडेलहरू (LLMs) मा उपन्यास वैज्ञानिक ज्ञान स्वायत्त रूपमा उत्पन्न गर्ने आन्तरिक क्षमताको अभाव हो।
किन ठूला एआई ल्याबहरू वैज्ञानिक खोजसँग संघर्ष गरिरहेका छन्
एमआईटी इन्जिनियरिङका प्रोफेसर मार्कस बुहेलरले आजको उन्नत एआईमा आधारभूत सीमाहरू पहिचान गर्छन्। उनको तर्क छ कि ओपनएआई र एन्थ्रोपिकका मोडेलहरू पावरिङ सिस्टमहरू वास्तविक खोजका लागि डिजाइन गरिएका छैनन्। तिनीहरूको वास्तुकला अवस्थित डेटाबाट ढाँचा पहिचानमा आधारित छ, नयाँ सिद्धान्तहरू वा परिकल्पनाहरू सिर्जना गर्नमा होइन।
ChatGPT द्वारा कथित गणितीय खोजलाई तुरुन्तै खारेज गर्दा यो अन्तिम पतनमा स्पष्ट रूपमा चित्रण गरिएको थियो। एपिसोडले AI को विश्लेषणात्मक शक्ति र यसको रचनात्मक, खोज-उन्मुख सोच बीचको खाडललाई हाइलाइट गर्यो। यो अन्य एआई प्रयासहरूको सम्झना दिलाउने चुनौती हो जहाँ टेक्नोलोजी मौलिकतासँग संघर्ष गर्दछ, जस्तै एआई 'अभिनेता' टिली नोरवुडले वास्तविक रचनात्मकताको अभावमा सामना गरेको आलोचना।
वर्तमान एआई मोडेलहरूको साथ मुख्य समस्या
ठूला भाषा मोडेलहरू प्रशोधन र जानकारी पुन: प्राप्त गर्नमा उत्कृष्ट हुन्छन्। तिनीहरूले पाठहरू संक्षेप गर्न सक्छन्, प्रश्नहरूको जवाफ दिन सक्छन्, र तिनीहरूको प्रशिक्षण डेटामा आधारित कोड पनि लेख्न सक्छन्। यद्यपि, तिनीहरूले पहिले नै सिकेका कुराहरूको दायरा भित्र काम गर्छन्।
वैज्ञानिक खोज, यसको प्रकृति द्वारा, अज्ञात मा पाइला आवश्यक छ। यसले भिन्न क्षेत्रहरू बीच नयाँ जडानहरू गठन गर्ने र कुनै पनि प्रशिक्षण डेटासेटमा उपस्थित नभएका विचारहरू प्रस्ताव गर्ने समावेश गर्दछ। यो एउटा छलांग हो जुन हालको जेनेरेटिभ एआई, सामग्री निर्माण र स्वचालनमा केन्द्रित छ, बनाउनको लागि बनाइएको छैन। उद्योग विकसित हुँदैछ, जस्तै वर्डप्रेस गुटेनबर्ग अपडेटले एआई प्रकाशनको लागि आधार निर्माण गर्ने जस्ता विकासहरू देखेको छ, तर खोजको लागि मुख्य चुनौती बाँकी छ।
अव्यावहारिक प्रयोगशालाहरू प्रस्तुत गर्दै: विज्ञानको लागि एआईमा नयाँ दृष्टिकोण
यस खाडललाई सम्बोधन गर्न, प्रोफेसर बुहेलरले गुगल डीपमाइन्डका पूर्व वरिष्ठ कर्मचारी अनुसन्धान वैज्ञानिक युआन काओसँग मिलेर अवास्तविक ल्याबहरूको सह-स्थापना गर्नुभयो। स्टार्टअपले वैज्ञानिक खोजका लागि एआई विकास गर्नको लागि मौलिक रूपमा फरक दृष्टिकोणको अग्रगामी गर्ने लक्ष्य राखेको छ। ठूला डाटा इन्जेसनमा मात्र भर पर्नुको सट्टा, तिनीहरू अन्तरविषय तर्क गर्न सक्षम प्रणालीहरू निर्माण गर्दैछन्।
अवास्तविक ल्याबहरूले भर्खरै प्लेग्राउन्ड ग्लोबलको नेतृत्वमा कोष राउन्डमा $ 13.5 मिलियन सुरक्षित गरेको छ। राउन्डमा AIX भेन्चर्स, E14 Fund, र MS&AD Ventures को सहभागिता रहेको थियो। यो महत्त्वपूर्ण लगानीले उनीहरूको उपन्यास पद्धतिमा बजारको विश्वासलाई जोड दिन्छ।
विज्ञान इतिहासमा "आहा" क्षणहरूबाट सिक्दै
Buehler को परिकल्पना यो हो कि धेरै महान खोजहरु "आहा" क्षणहरु बाट उत्पन्न हुन्छ। यी उदाहरणहरू हुन् जहाँ एक वैज्ञानिकले पूर्ण रूपमा फरक डोमेनमा समस्या समाधान गर्न एक क्षेत्रबाट सिद्धान्त वा अवधारणा लागू गर्दछ। विचारहरूको यो क्रस-परागण सफलताको लागि कुञ्जी हो।
एक उत्कृष्ट उदाहरण 1982 मा जोन हपफिल्डको काम हो। उनले कन्डेन्स्ड पदार्थ फिजिक्सबाट आर्टिफिसियल इन्टेलिजेन्सको तत्कालीन प्रारम्भिक क्षेत्रमा अवधारणाहरू लागू गरे। यसले हपफिल्ड सञ्जालहरूको विकास गर्न नेतृत्व गर्यो, एक प्रकारको तंत्रिका नेटवर्क सिक्न र सम्झनाहरू सम्झन सक्षम छ। यो असम्बन्धित अनुशासनहरू जडानबाट जन्मिएको एक क्रान्तिकारी विचार थियो।
कसरी अव्यावहारिक प्रयोगशालाको एआई मुख्यधारा मोडेलहरूबाट फरक छ
अवास्तविक ल्याबहरूमा विकसित भइरहेको AI अन्तरविषय अन्तर्दृष्टिको लागि यो मानव क्षमताको नक्कल गर्न डिजाइन गरिएको हो। तिनीहरूको लक्ष्य ठूलो भाषा मोडेल सिर्जना गर्नु होइन तर वैज्ञानिक डोमेनहरूमा तर्क गर्न सक्ने प्रणाली निर्माण गर्नु हो।
अन्तरविषय ज्ञान ग्राफहरू: पाठमा मात्र तालिम दिनुको सट्टा, तिनीहरूको AI ले जीवविज्ञानदेखि भौतिकीसम्म धेरै वैज्ञानिक क्षेत्रहरूबाट संरचित ज्ञानलाई एकीकृत गर्दछ। एनालोजिकल रिजनिङ इन्जिनहरू: कोर टेक्नोलोजीले वैज्ञानिक नवाचारको प्रमुख चालक, असम्बन्धित अवधारणाहरू बीचको समानता र समानताहरू फेला पार्नमा केन्द्रित छ। परिकल्पना जेनेरेसन: यो प्रणाली अवस्थित डाटा विश्लेषण मात्र होइन, परीक्षण योग्य वैज्ञानिक परिकल्पनाहरू प्रस्ताव गर्न डिजाइन गरिएको छ।
यस दृष्टिकोणले ठूलाहरूको अधिग्रहण रणनीतिहरूबाट महत्त्वपूर्ण प्रस्थान प्रतिनिधित्व गर्दछप्राविधिक फर्महरू, जस्तै एआई स्टार्टअप फोरथटको Zendesk अधिग्रहण, जसले प्रायः नयाँ रूपहरू खोज्नुको सट्टा अवस्थित ग्राहक सेवा अनुप्रयोगहरूलाई परिष्कृत गर्नमा ध्यान केन्द्रित गर्दछ।
एआई-संचालित खोजको भविष्य
यदि सफल भएमा, अनुचित प्रयोगशालाको प्रविधिले महत्वपूर्ण क्षेत्रहरूमा अनुसन्धानलाई गति दिन सक्छ। रसायन विज्ञान र आनुवंशिकीका सिद्धान्तहरू संयोजन गरेर नयाँ औषधि कम्पाउन्ड सुझाव दिन सक्ने एआईको कल्पना गर्नुहोस्। वा एक मोडेल जसले न्यानो टेक्नोलोजी र थर्मोडायनामिक्सबाट अवधारणाहरू जोडेर दिगो ऊर्जाको लागि नयाँ सामग्री प्रस्ताव गर्दछ।
सम्भावित अनुप्रयोगहरू विशाल छन्, चिकित्सा अनुसन्धानलाई गति दिनदेखि जटिल पर्यावरणीय चुनौतीहरू समाधान गर्न। यसले AI को लागि अर्को सीमालाई प्रतिनिधित्व गर्दछ, मानव चतुरतामा साँचो साझेदार बन्न स्वचालनबाट परे।
निष्कर्ष: एआई इनोभेसनको अर्को लहर
विज्ञानको खोजको लागि AI विकास गर्ने दौड तातिरहेको छ, तर वास्तविक सफलता अनुचित ल्याबहरू जस्ता विशेष स्टार्टअपहरूमा निहित हुन सक्छ। अन्तरविषय तर्कमा उनीहरूको फोकसले वर्तमान ठूला भाषा मोडेलहरूको सीमितताहरूभन्दा बाहिरको आशाजनक मार्ग प्रदान गर्दछ। साँच्चै पत्ता लगाउन सक्ने AI सिर्जना गर्ने यात्रा भर्खरै सुरु भएको छ।
एआई र प्रविधिमा नवीनतम आविष्कारहरूमा अद्यावधिक रहनुहोस्। थप अन्तर्दृष्टिको लागि र यस लेखलाई सजिलैसँग साझेदारी गर्नको लागि, तपाइँको मनपर्ने सामग्री क्युरेट गर्न सिमलेसमा तपाइँको नि: शुल्क लिङ्क-इन-बायो पृष्ठ सिर्जना गर्नुहोस्।
