ආරම්භය විද්යාව සොයාගැනීම සඳහා AI සංවර්ධනය කිරීමට නව උපක්රමයක් උත්සාහ කරයි
ආරම්භය විද්යාව සොයාගැනීම සඳහා AI සංවර්ධනය කිරීමට නව උපක්රමයක් උත්සාහ කරයි
විද්යා සොයාගැනීම් සඳහා කෘතිම බුද්ධිය දියුණු කිරීම තාක්ෂණ දැවැන්තයින් සඳහා දැවැන්ත ඉලක්කයක් වී ඇත. OpenAI සහ Anthropic වැනි සමාගම් වෛද්ය විද්යාව, ජීව විද්යාව සහ භෞතික විද්යාවේ AI ඉදිරි ගමනේ පොරොන්දු සමඟින් බිලියන ගණනක අරමුදල් ලබාගෙන ඇත. කෙසේ වෙතත්, සත්ය AI මත පදනම් වූ විද්යාත්මක සොයා ගැනීම නොපැහැදිලිව පවතී, එය නිෂ්ප්රභ කරන ලද ChatGPT-උත්පාදිත ගණිත සොයාගැනීමක් වැනි අතීත සිදුවීම් මගින් පෙන්නුම් කෙරේ. ප්රවීණයන් පවසන පරිදි මූලික අභියෝගය වන්නේ වර්තමාන විශාල භාෂා ආකෘති (LLMs) ස්වයංක්රීයව නව විද්යාත්මක දැනුම උත්පාදනය කිරීමේ සහජ හැකියාවක් නොමැති වීමයි.
විශාල AI විද්යාගාර විද්යාත්මක සොයාගැනීම් සමඟ අරගල කරන්නේ ඇයි?
MIT ඉංජිනේරු මහාචාර්යවරයෙකු වන Markus Buehler අද දියුණු AI හි මූලික සීමාවක් හඳුනා ගනී. ඔහු තර්ක කරන්නේ OpenAI සහ Anthropic වෙතින් ආකෘතීන් බලගන්වන පද්ධති අව්යාජ සොයාගැනීම සඳහා නිර්මාණය කර නොමැති බවයි. ඔවුන්ගේ ගෘහ නිර්මාණ ශිල්පය පදනම් වී ඇත්තේ පවතින දත්ත වලින් රටා හඳුනා ගැනීම මත මිස නව න්යායන් හෝ උපකල්පන නිර්මාණය කිරීම මත නොවේ.
පසුගිය සරත් සෘතුවේ දී ChatGPT විසින් කරන ලද ගණිතමය සොයා ගැනීමක් ඉක්මනින් නිෂ්ප්රභ කළ විට මෙය පැහැදිලිවම නිදර්ශනය විය. කථාංගය AI හි විශ්ලේෂණාත්මක බලය සහ එහි නිර්මාණාත්මක, සොයාගැනීම්-නැඹුරු චින්තනය අතර පරතරය ඉස්මතු කළේය. එය AI 'නළු' ටිලී නෝර්වුඩ් විසින් අව්යාජ නිර්මාණශීලිත්වය නොමැතිකම සම්බන්ධයෙන් මුහුණ දෙන විවේචන මෙන්, තාක්ෂණය මුල් පිටපත සමඟ අරගල කරන අනෙකුත් AI උත්සාහයන් සිහිපත් කරන අභියෝගයකි.
වත්මන් AI මාදිලි සමඟ ඇති මූලික ගැටළුව
විශාල භාෂා ආකෘතීන් තොරතුරු සැකසීමේදී සහ ප්රතිනිර්මාණය කිරීමේදී විශිෂ්ටයි. ඔවුන්ට ඔවුන්ගේ පුහුණු දත්ත මත පදනම්ව පෙළ සාරාංශ කිරීමට, ප්රශ්නවලට පිළිතුරු දීමට සහ කේතය ලිවීමට පවා හැකිය. කෙසේ වෙතත්, ඔවුන් දැනටමත් ඉගෙනගෙන ඇති සීමාවන් තුළ ක්රියාත්මක වේ.
විද්යාත්මක සොයාගැනීම්, එහි ස්වභාවය අනුව, නොදන්නා දෙයට පිවිසීම අවශ්ය වේ. එයට අසමාන ක්ෂේත්ර අතර නව සම්බන්ධතා ගොඩනැගීම සහ කිසිදු පුහුණු දත්ත කට්ටලයක නොමැති අදහස් යෝජනා කිරීම ඇතුළත් වේ. This is a leap that current generative AI, focused on content creation and automation, is not built to make. වර්ඩ්ප්රෙස් ගුටන්බර්ග් යාවත්කාලීන කිරීම AI ප්රකාශනය සඳහා අඩිතාලම දැමීම වැනි වර්ධනයන් සමඟ පෙනෙන පරිදි කර්මාන්තය දියුණු වෙමින් පවතී, නමුත් සොයා ගැනීම සඳහා වන මූලික අභියෝගය පවතී.
අසාධාරණ රසායනාගාර හඳුන්වාදීම: විද්යාව සඳහා AI සඳහා නව ප්රවේශයක්
මෙම පරතරය පියවා ගැනීම සඳහා, මහාචාර්ය බුහ්ලර් Google DeepMind හි හිටපු ජ්යෙෂ්ඨ කාර්ය මණ්ඩල පර්යේෂණ විද්යාඥයෙකු වන Yuan Cao සමඟ සම-ආරම්භකලේ Unreasonable Labs. ආරම්භය අරමුණු කරන්නේ විද්යාත්මක සොයාගැනීම් සඳහා AI සංවර්ධනය කිරීම සඳහා මූලික වශයෙන් වෙනස් ප්රවේශයක් පුරෝගාමී වීමයි. දැවැන්ත දත්ත ආග්රහණය මත පමණක් රඳා සිටීම වෙනුවට, ඔවුන් අන්තර් විනය තර්කනය කළ හැකි පද්ධති ගොඩනඟමින් සිටී.
ප්ලේග්රවුන්ඩ් ග්ලෝබල් විසින් මෙහෙයවන ලද අරමුදල් වටයකින් අසාධාරණ විද්යාගාර මෑතකදී ඩොලර් මිලියන 13.5 ක් ලබා ගත්තේය. වටයට AIX වෙන්චර්ස්, E14 අරමුදල සහ MS&AD වෙන්චර්ස් වෙතින් සහභාගී විය. මෙම සැලකිය යුතු ආයෝජනය ඔවුන්ගේ නව ක්රමවේදය කෙරෙහි වෙළඳපල විශ්වාසය අවධාරණය කරයි.
විද්යා ඉතිහාසයේ "අහා" අවස්ථා වලින් ඉගෙනීම
Buehler ගේ කල්පිතය නම් බොහෝ ශ්රේෂ්ඨ සොයාගැනීම් හටගන්නේ "aha" අවස්ථාවන්ගෙන් බවයි. මේවා විද්යාඥයෙකු සම්පූර්ණයෙන්ම වෙනස් වසමක ගැටලුවක් විසඳීමට එක් ක්ෂේත්රයකින් සිද්ධාන්තයක් හෝ සංකල්පයක් යොදන අවස්ථා වේ. මෙම අදහස්වල හරස් පරාගණය ජයග්රහණ සඳහා ප්රධාන වේ.
සම්භාව්ය උදාහරණයක් වන්නේ 1982 දී ජෝන් හොප්ෆීල්ඩ්ගේ කෘතියයි. ඔහු ඝනීභවනය වූ පදාර්ථ භෞතික විද්යාවේ සිට කෘත්රිම බුද්ධි ක්ෂේත්රය වෙත සංකල්ප යෙදීය. මෙය හොප්ෆීල්ඩ් ජාල වර්ධනයට හේතු විය, මතකයන් ඉගෙන ගැනීමට සහ මතකයට නැංවිය හැකි ස්නායුක ජාලයක්. එය නොබැඳි විෂයයන් සම්බන්ධ කිරීමෙන් උපන් විප්ලවීය අදහසක් විය.
අසාධාරණ විද්යාගාරවල AI ප්රධාන ධාරාවේ මාදිලිවලට වඩා වෙනස් වන්නේ කෙසේද?
Unreasonable Labs හි සංවර්ධනය කෙරෙන AI නිර්මාණය කර ඇත්තේ අන්තර් විනය තීක්ෂ්ණ බුද්ධිය සඳහා මෙම මානව හැකියාව අනුකරණය කිරීමට ය. ඔවුන්ගේ අරමුණ විශාල භාෂා ආකෘතියක් නිර්මාණය කිරීම නොව විද්යාත්මක වසම් හරහා තර්ක කළ හැකි පද්ධතියක් ගොඩනැගීමයි.
අන්තර් විනය දැනුම ප්රස්ථාර: පෙළ පමණක් පුහුණු කිරීම වෙනුවට, ඔවුන්ගේ AI ජීව විද්යාවේ සිට භෞතික විද්යාව දක්වා බහුවිධ විද්යාත්මක ක්ෂේත්රවලින් ව්යුහගත දැනුම ඒකාබද්ධ කරයි. සාදෘශ්ය තර්කන යන්ත්ර: මූලික තාක්ෂණය අවධානය යොමු කරන්නේ විද්යාත්මක නවෝත්පාදනයේ ප්රධාන ධාවකයක් වන, නොබැඳි ලෙස පෙනෙන සංකල්ප අතර ප්රතිසමයන් සහ සමාන්තර සොයා ගැනීම කෙරෙහි ය. උපකල්පන උත්පාදනය: පද්ධතිය සැලසුම් කර ඇත්තේ පවතින දත්ත විශ්ලේෂණය කිරීමට පමණක් නොව, පරීක්ෂා කළ හැකි විද්යාත්මක උපකල්පන යෝජනා කිරීමට ය.
මෙම ප්රවේශය විශාල අත්පත් කර ගැනීමේ උපාය මාර්ග වලින් සැලකිය යුතු බැහැරවීමක් නියෝජනය කරයිනව සොයාගැනීම් සඳහා පුරෝගාමී වීමට වඩා පවතින පාරිභෝගික සේවා යෙදුම් පිරිපහදු කිරීම කෙරෙහි බොහෝ විට අවධානය යොමු කරන AI ආරම්භක Forthought හි Zendesk අත්පත් කර ගැනීම වැනි තාක්ෂණික සමාගම්.
AI-ධාවනය වන සොයාගැනීමේ අනාගතය
සාර්ථක වුවහොත්, අසාධාරණ රසායනාගාර තාක්ෂණය තීරණාත්මක අංශවල පර්යේෂණ වේගවත් කළ හැකිය. රසායන විද්යාව සහ ජාන විද්යාවේ මූලධර්ම ඒකාබද්ධ කිරීමෙන් නව ඖෂධ සංයෝගයක් යෝජනා කළ හැකි AI ගැන සිතන්න. නැතහොත් නැනෝ තාක්ෂණයෙන් සහ තාප ගති විද්යාවෙන් සංකල්ප සම්බන්ධ කිරීමෙන් තිරසාර බලශක්තිය සඳහා නව ද්රව්යයක් යෝජනා කරන ආකෘතියකි.
වෛද්ය පර්යේෂණ කඩිනම් කිරීමේ සිට සංකීර්ණ පාරිසරික අභියෝග විසඳීම දක්වා විභව යෙදුම් අති විශාලය. මෙය AI සඳහා ඊළඟ මායිම නියෝජනය කරයි, ස්වයංක්රීයකරණයෙන් ඔබ්බට ගොස් මානව දක්ෂතාවයේ සැබෑ හවුල්කරුවෙකු බවට පත්වේ.
නිගමනය: AI නවෝත්පාදනයේ ඊළඟ රැල්ල
විද්යා සොයාගැනීම් සඳහා AI සංවර්ධනය කිරීමේ තරඟය උණුසුම් වෙමින් පවතී, නමුත් සැබෑ සාර්ථකත්වය රැඳී ඇත්තේ අසාධාරණ විද්යාගාර වැනි විශේෂිත ආරම්භයන් සමඟ විය හැකිය. අන්තර් විනය තර්කනය කෙරෙහි ඔවුන්ගේ අවධානය වර්තමාන විශාල භාෂා ආකෘතිවල සීමාවන්ගෙන් ඔබ්බට හොඳ මාවතක් සපයයි. සැබවින්ම සොයා ගත හැකි AI නිර්මාණය කිරීමේ ගමන දැන් ආරම්භ වේ.
AI සහ තාක්ෂණයේ නවතම නවෝත්පාදනයන් පිළිබඳව යාවත්කාලීනව සිටින්න. වැඩි තීක්ෂ්ණ බුද්ධියක් සඳහා සහ මෙම ලිපිය පහසුවෙන් බෙදා ගැනීමට, ඔබේ ප්රියතම අන්තර්ගතය පාලනය කිරීමට Seemless හි ඔබගේ නොමිලේ සබැඳි-in-bio පිටුව සාදන්න.
