Startup poskuša nov trik za razvoj umetne inteligence za znanstveno odkrivanje
Startup poskuša nov trik za razvoj umetne inteligence za znanstveno odkrivanje
Razvoj umetne inteligence za znanstvena odkritja je postal monumentalen cilj tehnoloških velikanov. Podjetja, kot sta OpenAI in Anthropic, so zagotovila več deset milijard financiranja z obljubami o prebojih umetne inteligence v medicini, biologiji in fiziki. Vendar pa pravo znanstveno odkritje, ki ga poganja umetna inteligenca, ostaja nedosegljivo, kot so pokazali pretekli dogodki, kot je razkrita matematična ugotovitev, ki jo je ustvaril ChatGPT. Po mnenju strokovnjakov je glavni izziv v tem, da sedanji veliki jezikovni modeli (LLM) nimajo intrinzične zmožnosti za samostojno ustvarjanje novih znanstvenih spoznanj.
Zakaj se veliki laboratoriji umetne inteligence spopadajo z znanstvenimi odkritji
Markus Buehler, profesor inženiringa na MIT, ugotavlja temeljno omejitev današnje napredne umetne inteligence. Trdi, da modeli, ki poganjajo sisteme OpenAI in Anthropic, niso zasnovani za pristno odkrivanje. Njihova arhitektura temelji na prepoznavanju vzorcev iz obstoječih podatkov, ne pa na ustvarjanju novih teorij ali hipotez.
To je bilo jasno ponazorjeno lansko jesen, ko je bilo domnevno matematično odkritje ChatGPT hitro ovrženo. Epizoda je poudarila vrzel med analitično močjo umetne inteligence in njenim ustvarjalnim razmišljanjem, usmerjenim v odkrivanje. To je izziv, ki spominja na druga prizadevanja umetne inteligence, kjer se tehnologija bori z izvirnostjo, podobno kot kritike, s katerimi se sooča "igralec" umetne inteligence Tilly Norwood zaradi pomanjkanja pristne ustvarjalnosti.
Glavna težava trenutnih modelov umetne inteligence
Veliki jezikovni modeli so odlični pri obdelavi in vračanju informacij. Lahko povzemajo besedila, odgovarjajo na vprašanja in celo pišejo kodo na podlagi svojih podatkov o usposabljanju. Vendar pa delujejo v okviru že naučenega.
Znanstvena odkritja po svoji naravi zahtevajo korak v neznano. Vključuje oblikovanje novih povezav med različnimi področji in predlaganje idej, ki niso prisotne v nobenem naboru podatkov za usposabljanje. To je preskok, za katerega trenutna generativna umetna inteligenca, osredotočena na ustvarjanje vsebine in avtomatizacijo, ni ustvarjena. Industrija se razvija, kot je razvidno iz razvoja, kot je posodobitev programa WordPress Gutenberg, ki postavlja temelje za objavljanje z umetno inteligenco, vendar glavni izziv pri odkrivanju ostaja.
Predstavljamo Unreasonable Labs: nov pristop k umetni inteligenci za znanost
Da bi odpravili to vrzel, je profesor Buehler soustanovil Unreasonable Labs z Yuan Cao, nekdanjim višjim raziskovalcem pri Google DeepMind. Startup želi uvesti bistveno drugačen pristop k razvoju umetne inteligence za znanstvena odkritja. Namesto da bi se zanašali zgolj na množično zaužitje podatkov, gradijo sisteme, ki so sposobni interdisciplinarnega sklepanja.
Unreasonable Labs je nedavno zagotovil 13,5 milijona dolarjev v krogu financiranja, ki ga vodi Playground Global. V krogu so sodelovali AIX Ventures, E14 Fund in MS&AD Ventures. Ta pomembna naložba poudarja prepričanje trga v njihovo novo metodologijo.
Učenje iz "Aha" trenutkov v zgodovini znanosti
Buehlerjeva hipoteza je, da veliko velikih odkritij izhaja iz "aha" trenutkov. To so primeri, ko znanstvenik uporabi teorijo ali koncept z enega področja za rešitev problema na popolnoma drugem področju. To navzkrižno opraševanje idej je ključno za preboje.
Klasičen primer je delo Johna Hopfielda iz leta 1982. Koncepte iz fizike kondenzirane snovi je uporabil na takrat nastajajočem področju umetne inteligence. To je vodilo do razvoja Hopfieldovih mrež, vrste nevronske mreže, ki se lahko uči in prikliče spomine. To je bila revolucionarna ideja, ki se je porodila iz povezovanja nepovezanih disciplin.
Kako se AI Unreasonable Labs razlikuje od običajnih modelov
Umetna inteligenca, ki jo razvijajo v Unreasonable Labs, je zasnovana tako, da posnema to človeško sposobnost interdisciplinarnega vpogleda. Njihov cilj ni ustvariti večji jezikovni model, temveč zgraditi sistem, ki lahko sklepa na znanstvenih področjih.
Interdisciplinarni grafikoni znanja: Namesto usposabljanja samo na besedilu, njihov AI združuje strukturirano znanje z več znanstvenih področij, od biologije do fizike. Mehanizem analognega sklepanja: Osnovna tehnologija se osredotoča na iskanje analogij in vzporednic med na videz nepovezanimi koncepti, kar je ključno gonilo znanstvenih inovacij. Generiranje hipotez: Sistem je zasnovan tako, da predlaga preizkuljive znanstvene hipoteze, ne le analizira obstoječe podatke.
Ta pristop predstavlja pomemben odmik od prevzemnih strategij večjihtehnološka podjetja, kot je nakup Zendeska zagonskega podjetja Forethought za umetno inteligenco, ki se pogosto osredotočajo na izpopolnjevanje obstoječih aplikacij za storitve za stranke, namesto da bi pionirsko razvijale nove oblike odkrivanja.
Prihodnost odkritij, ki jih poganja umetna inteligenca
Če bo uspešna, bi lahko tehnologija Unreasonable Labs pospešila raziskave na kritičnih področjih. Predstavljajte si umetno inteligenco, ki lahko predlaga novo spojino zdravila s kombinacijo načel iz kemije in genetike. Ali model, ki s povezovanjem konceptov nanotehnologije in termodinamike predlaga nov material za trajnostno energijo.
Potencialne uporabe so ogromne, od pospeševanja medicinskih raziskav do reševanja kompleksnih okoljskih izzivov. To predstavlja naslednjo mejo za AI, ki presega avtomatizacijo in postaja pravi partner v človeški iznajdljivosti.
Zaključek: Naslednji val inovacij AI
Tekma za razvoj umetne inteligence za znanstvena odkritja se razgreva, a pravi uspeh morda leži v specializiranih zagonskih podjetjih, kot je Unreasonable Labs. Njihova osredotočenost na interdisciplinarno sklepanje ponuja obetavno pot, ki presega omejitve trenutnih velikih jezikovnih modelov. Pot do ustvarjanja umetne inteligence, ki lahko resnično odkriva, se šele začenja.
Bodite na tekočem z najnovejšimi inovacijami v AI in tehnologiji. Če želite več vpogledov in preprosto deliti ta članek, ustvarite svojo brezplačno stran s povezavo v biografiji na Seemlessu, da pripravite svojo najljubšo vsebino.
