Стартуп покушава нови трик за развој вештачке интелигенције за научно откриће
Стартуп покушава нови трик за развој вештачке интелигенције за научно откриће
Развој вештачке интелигенције за научна открића постао је монументалан циљ технолошких гиганта. Компаније као што су ОпенАИ и Антхропиц обезбедиле су десетине милијарди средстава уз обећања о продорима вештачке интелигенције у медицини, биологији и физици. Међутим, истинско научно откриће вођено вештачком интелигенцијом остаје неухватљиво, као што су показали прошли инциденти као што је разоткривено математичко откриће које је генерисао ЦхатГПТ. Кључни изазов, према експертима, јесте да тренутни модели великих језика (ЛЛМ) немају суштинску способност да аутономно генеришу нова научна знања.
Зашто се велике лабораторије вештачке интелигенције боре са научним открићем
Маркус Буехлер, професор инжењерства на МИТ-у, идентификује фундаментално ограничење у данашњој напредној вештачкој интелигенцији. Он тврди да модели који напајају системе из ОпенАИ и Антхропиц нису дизајнирани за истинско откривање. Њихова архитектура се заснива на препознавању образаца из постојећих података, а не на стварању нових теорија или хипотеза.
Ово је сјајно илустровано прошле јесени када је наводно математичко откриће од стране ЦхатГПТ-а брзо разоткривено. Епизода је истакла јаз између аналитичке моћи АИ и њеног креативног размишљања оријентисаног на откриће. То је изазов који подсећа на друге подухвате АИ где се технологија бори са оригиналношћу, слично као критика са којом се суочава „глумац“ АИ Тили Норвуд због недостатка истинске креативности.
Основни проблем са тренутним АИ моделима
Велики језички модели су одлични у обради и враћању информација. Они могу сумирати текстове, одговарати на питања, па чак и писати код на основу својих података о обуци. Међутим, они раде у границама онога што су већ научили.
Научно откриће, по својој природи, захтева корак у непознато. То укључује формирање нових веза између различитих области и предлагање идеја које нису присутне ни у једном скупу података за обуку. Ово је скок за који тренутна генеративна АИ, фокусирана на креирање садржаја и аутоматизацију, није направљена да направи. Индустрија се развија, као што се види са развојем као што је ажурирање ВордПресс Гутенберг које поставља темеље за објављивање АИ, али основни изазов за откривање остаје.
Представљамо неразумне лабораторије: нови приступ вештачкој интелигенцији за науку
Да би поправио овај јаз, професор Буехлер је заједно са Јуан Цаом, бившим вишим научним истраживачем у Гоогле ДеепМинд-у, основао Унреасонабле Лабс. Стартуп има за циљ да уведе фундаментално другачији приступ развоју вештачке интелигенције за научна открића. Уместо да се ослањају само на масовно уношење података, они граде системе способне за интердисциплинарно резоновање.
Унреасонабле Лабс је недавно обезбедио 13,5 милиона долара у рунди финансирања коју је водио Плаигроунд Глобал. У рунди су учествовали АИКС Вентурес, Е14 Фонд и МС&АД Вентурес. Ова значајна инвестиција наглашава веровање тржишта у њихову нову методологију.
Учење из „Аха“ тренутака у историји науке
Буехлерова хипотеза је да многа велика открића произилазе из „аха“ тренутака. Ово су случајеви када научник примењује теорију или концепт из једне области да реши проблем у потпуно другом домену. Ово унакрсно опрашивање идеја кључно је за напредак.
Класичан пример је рад Џона Хопфилда из 1982. Он је применио концепте из физике кондензоване материје на поље вештачке интелигенције које је тада било у настајању. То је довело до развоја Хопфилдових мрежа, врсте неуронске мреже способне да учи и призива сећања. Била је то револуционарна идеја настала из повезивања неповезаних дисциплина.
Како се вештачка интелигенција Унреасонабле Лабс разликује од маинстреам модела
АИ који се развија у Унреасонабле Лабс је дизајниран да опонаша ову људску способност за интердисциплинарни увид. Њихов циљ није да створе већи језички модел, већ да изграде систем који може да размишља у научним доменима.
Интердисциплинарни графикони знања: Уместо обуке само о тексту, њихова вештачка интелигенција интегрише структурирано знање из више научних области, од биологије до физике. Механизми аналогног резоновања: Основна технологија се фокусира на проналажење аналогија и паралела између наизглед неповезаних концепата, кључног покретача научних иновација. Генерисање хипотеза: Систем је дизајниран да предложи проверљиве научне хипотезе, а не само да анализира постојеће податке.
Овај приступ представља значајно одступање од стратегија аквизиције већихтехнолошке фирме, као што је Зендеск аквизиција АИ стартап компаније Форетхоугхт, које се често фокусирају на усавршавање постојећих апликација за корисничку подршку, а не на пионирске нове облике открића.
Будућност открића вођеног вештачком интелигенцијом
Ако буде успешна, технологија Унреасонабле Лабс би могла да убрза истраживања у критичним областима. Замислите вештачку интелигенцију која може да предложи ново једињење лека комбиновањем принципа из хемије и генетике. Или модел који предлаже нови материјал за одрживу енергију повезујући концепте из нанотехнологије и термодинамике.
Потенцијалне примене су огромне, од убрзања медицинских истраживања до решавања сложених еколошких изазова. Ово представља следећу границу за вештачку интелигенцију, која превазилази аутоматизацију и постаје прави партнер у људској генијалности.
Закључак: Следећи талас АИ иновација
Трка за развојем вештачке интелигенције за научна открића се захуктава, али прави успех можда лежи у специјализованим стартапима попут Унреасонабле Лабс. Њихов фокус на интердисциплинарно резоновање нуди обећавајући пут изван ограничења тренутних великих језичких модела. Пут ка стварању вештачке интелигенције која заиста може да открије тек почиње.
Будите у току са најновијим иновацијама у АИ и технологији. За више увида и лако дијељење овог чланка, креирајте своју бесплатну страницу са линком у биографији на Сеемлесс-у да бисте одабрали свој омиљени садржај.
