அறிவியல் கண்டுபிடிப்புக்கான AI ஐ உருவாக்க ஸ்டார்ட்அப் ஒரு புதிய தந்திரத்தை முயற்சிக்கிறது
அறிவியல் கண்டுபிடிப்புக்கான AI ஐ உருவாக்க ஸ்டார்ட்அப் ஒரு புதிய தந்திரத்தை முயற்சிக்கிறது
அறிவியல் கண்டுபிடிப்புக்கான செயற்கை நுண்ணறிவை உருவாக்குவது தொழில்நுட்ப ஜாம்பவான்களுக்கு ஒரு மகத்தான இலக்காக மாறியுள்ளது. OpenAI மற்றும் Anthropic போன்ற நிறுவனங்கள் மருத்துவம், உயிரியல் மற்றும் இயற்பியல் ஆகியவற்றில் AI முன்னேற்றங்களின் வாக்குறுதிகளுடன் பல்லாயிரக்கணக்கான பில்லியன் நிதியைப் பெற்றுள்ளன. எவ்வாறாயினும், உண்மையான AI- உந்துதல் அறிவியல் கண்டுபிடிப்பு மழுப்பலாகவே உள்ளது, இது கடந்த கால சம்பவங்களால் நிரூபிக்கப்பட்ட ChatGPT-உருவாக்கப்பட்ட கணித கண்டுபிடிப்பு போன்றது. நிபுணர்களின் கூற்றுப்படி, முக்கிய சவால் என்னவென்றால், தற்போதைய பெரிய மொழி மாதிரிகள் (எல்எல்எம்கள்) தன்னியக்கமாக நாவல் அறிவியல் அறிவை உருவாக்கும் உள்ளார்ந்த திறனைக் கொண்டிருக்கவில்லை.
பெரிய AI ஆய்வகங்கள் ஏன் அறிவியல் கண்டுபிடிப்புடன் போராடுகின்றன
MIT பொறியியல் பேராசிரியரான Markus Buehler, இன்றைய மேம்பட்ட AI இல் ஒரு அடிப்படை வரம்பைக் கண்டறிந்துள்ளார். OpenAI மற்றும் Anthropic இலிருந்து மாடல்களை இயக்கும் அமைப்புகள் உண்மையான கண்டுபிடிப்புக்காக வடிவமைக்கப்படவில்லை என்று அவர் வாதிடுகிறார். அவர்களின் கட்டிடக்கலை ஏற்கனவே உள்ள தரவுகளிலிருந்து மாதிரி அங்கீகாரத்தை அடிப்படையாகக் கொண்டது, புதிய கோட்பாடுகள் அல்லது கருதுகோள்களை உருவாக்குவதில் அல்ல.
கடந்த இலையுதிர்காலத்தில் ChatGPT ஆல் கூறப்பட்ட கணிதக் கண்டுபிடிப்பு விரைவாக நீக்கப்பட்டபோது இது தெளிவாக விளக்கப்பட்டது. எபிசோட் AI இன் பகுப்பாய்வு சக்திக்கும் அதன் படைப்பு, கண்டுபிடிப்பு சார்ந்த சிந்தனைக்கும் இடையே உள்ள இடைவெளியை எடுத்துக்காட்டுகிறது. AI 'நடிகர்' டில்லி நோர்வுட் உண்மையான படைப்பாற்றல் இல்லாததால் எதிர்கொள்ளும் விமர்சனத்தைப் போலவே, தொழில்நுட்பம் அசல் தன்மையுடன் போராடும் மற்ற AI முயற்சிகளை நினைவூட்டும் சவாலாக இது உள்ளது.
தற்போதைய AI மாடல்களில் உள்ள முக்கிய பிரச்சனை
பெரிய மொழி மாதிரிகள், தகவல்களைச் செயலாக்குவதிலும், மறுசீரமைப்பதிலும் சிறந்து விளங்குகின்றன. அவர்கள் உரைகளை சுருக்கவும், கேள்விகளுக்கு பதிலளிக்கவும் மற்றும் அவர்களின் பயிற்சி தரவின் அடிப்படையில் குறியீட்டை எழுதவும் முடியும். இருப்பினும், அவர்கள் ஏற்கனவே கற்றுக்கொண்டவற்றின் எல்லைக்குள் செயல்படுகிறார்கள்.
அறிவியல் கண்டுபிடிப்பு, அதன் இயல்பினால், தெரியாதவற்றிற்குள் நுழைய வேண்டும். வேறுபட்ட துறைகளுக்கு இடையே புதிய இணைப்புகளை உருவாக்குவது மற்றும் எந்த பயிற்சி தரவுத்தொகுப்பிலும் இல்லாத யோசனைகளை முன்மொழிவதும் இதில் அடங்கும். உள்ளடக்க உருவாக்கம் மற்றும் ஆட்டோமேஷனில் கவனம் செலுத்தும் தற்போதைய ஜெனரேட்டிவ் AI ஆனது உருவாக்கப்படாத ஒரு பாய்ச்சலாகும். வேர்ட்பிரஸ் குட்டன்பெர்க் புதுப்பிப்பு AI வெளியீட்டிற்கான அடித்தளத்தை அமைப்பது போன்ற முன்னேற்றங்களுடன் காணப்படுவது போல் தொழில் வளர்ச்சியடைந்து வருகிறது, ஆனால் கண்டுபிடிப்புக்கான முக்கிய சவால் உள்ளது.
நியாயமற்ற ஆய்வகங்களை அறிமுகப்படுத்துதல்: அறிவியலுக்கான AIக்கான புதிய அணுகுமுறை
இந்த இடைவெளியை நிவர்த்தி செய்ய, பேராசிரியர் பியூஹ்லர், கூகுள் டீப் மைண்டின் முன்னாள் மூத்த பணியாளர் ஆராய்ச்சி விஞ்ஞானி யுவான் காவோவுடன் இணைந்து நியாயமற்ற ஆய்வகங்களை நிறுவினார். இந்த ஸ்டார்ட்அப், அறிவியல் கண்டுபிடிப்பிற்காக AI ஐ உருவாக்குவதற்கான அடிப்படையில் வேறுபட்ட அணுகுமுறையை முன்னோடியாகக் கொண்டுள்ளது. பாரிய தரவு உட்செலுத்தலை மட்டுமே நம்புவதற்குப் பதிலாக, அவை இடைநிலை பகுத்தறிவு திறன் கொண்ட அமைப்புகளை உருவாக்குகின்றன.
நியாயமற்ற ஆய்வகங்கள் சமீபத்தில் ப்ளேகிரவுண்ட் குளோபல் தலைமையிலான நிதிச் சுற்றில் $13.5 மில்லியனைப் பெற்றன. இந்தச் சுற்றில் AIX வென்ச்சர்ஸ், E14 ஃபண்ட் மற்றும் MS&AD வென்ச்சர்ஸ் ஆகியவற்றின் பங்கேற்பைக் கண்டது. இந்த குறிப்பிடத்தக்க முதலீடு, அவர்களின் புதுமையான வழிமுறையில் சந்தையின் நம்பிக்கையை அடிக்கோடிட்டுக் காட்டுகிறது.
அறிவியல் வரலாற்றில் "ஆஹா" தருணங்களிலிருந்து கற்றல்
பியூஹ்லரின் கருதுகோள் என்னவென்றால், பல சிறந்த கண்டுபிடிப்புகள் "ஆஹா" தருணங்களிலிருந்து எழுகின்றன. ஒரு விஞ்ஞானி முற்றிலும் வேறுபட்ட களத்தில் ஒரு சிக்கலைத் தீர்க்க ஒரு துறையில் இருந்து ஒரு கோட்பாடு அல்லது கருத்தைப் பயன்படுத்தும் நிகழ்வுகள் இவை. யோசனைகளின் இந்த குறுக்கு மகரந்தச் சேர்க்கை முன்னேற்றங்களுக்கு முக்கியமாகும்.
1982 ஆம் ஆண்டில் ஜான் ஹாப்ஃபீல்டின் வேலை ஒரு சிறந்த உதாரணம். அவர் அமுக்கப்பட்ட பொருள் இயற்பியலில் இருந்து செயற்கை நுண்ணறிவின் அப்போதைய புதிய துறைக்கு கருத்துக்களைப் பயன்படுத்தினார். இது ஹாப்ஃபீல்ட் நெட்வொர்க்குகளின் வளர்ச்சிக்கு வழிவகுத்தது, இது ஒரு வகையான நரம்பியல் நெட்வொர்க்கின் நினைவாற்றலைக் கற்று நினைவுபடுத்தும் திறன் கொண்டது. இது தொடர்பில்லாத துறைகளை இணைப்பதில் இருந்து பிறந்த ஒரு புரட்சிகரமான யோசனை.
எப்படி நியாயமற்ற ஆய்வகங்களின் AI மெயின்ஸ்ட்ரீம் மாடல்களில் இருந்து வேறுபடுகிறது
நியாயமற்ற ஆய்வகங்களில் உருவாக்கப்படும் AI ஆனது, இந்த மனிதத் திறனைப் பிரதிபலிக்கும் வகையில் வடிவமைக்கப்பட்டுள்ளது. அவர்களின் குறிக்கோள் ஒரு பெரிய மொழி மாதிரியை உருவாக்குவது அல்ல, மாறாக விஞ்ஞான களங்களில் நியாயப்படுத்தக்கூடிய ஒரு அமைப்பை உருவாக்குவது.
இடைநிலை அறிவு வரைபடங்கள்: உரையில் மட்டும் பயிற்சி செய்வதற்குப் பதிலாக, உயிரியல் முதல் இயற்பியல் வரை பல அறிவியல் துறைகளிலிருந்து கட்டமைக்கப்பட்ட அறிவை அவர்களின் AI ஒருங்கிணைக்கிறது. அனலாஜிக்கல் ரீசனிங் என்ஜின்கள்: முக்கிய தொழில்நுட்பமானது, அறிவியல் கண்டுபிடிப்புகளின் முக்கிய இயக்கியான வெளித்தோற்றத்தில் தொடர்பில்லாத கருத்துக்களுக்கு இடையே உள்ள ஒப்புமைகள் மற்றும் இணைகளைக் கண்டறிவதில் கவனம் செலுத்துகிறது. கருதுகோள் உருவாக்கம்: ஏற்கனவே உள்ள தரவை மட்டும் பகுப்பாய்வு செய்யாமல், சோதனைக்குரிய அறிவியல் கருதுகோள்களை முன்மொழிவதற்கு இந்த அமைப்பு வடிவமைக்கப்பட்டுள்ளது.
இந்த அணுகுமுறை பெரிய கையகப்படுத்தல் உத்திகளில் இருந்து குறிப்பிடத்தக்க விலகலைக் குறிக்கிறதுAI ஸ்டார்ட்அப் Forethought இன் Zendesk கையகப்படுத்தல் போன்ற தொழில்நுட்ப நிறுவனங்கள், புதிய கண்டுபிடிப்பு வடிவங்களை முன்னோடியாகக் காட்டாமல், தற்போதுள்ள வாடிக்கையாளர் சேவை பயன்பாடுகளைச் செம்மைப்படுத்துவதில் கவனம் செலுத்துகின்றன.
AI-உந்துதல் கண்டுபிடிப்பின் எதிர்காலம்
வெற்றியடைந்தால், நியாயமற்ற ஆய்வகங்களின் தொழில்நுட்பம் முக்கியமான பகுதிகளில் ஆராய்ச்சியை துரிதப்படுத்தலாம். வேதியியல் மற்றும் மரபியல் கொள்கைகளை இணைத்து ஒரு புதிய மருந்து கலவையை பரிந்துரைக்கும் AI ஐ கற்பனை செய்து பாருங்கள். அல்லது நானோ தொழில்நுட்பம் மற்றும் வெப்ப இயக்கவியலில் இருந்து கருத்துகளை இணைப்பதன் மூலம் நிலையான ஆற்றலுக்கான புதிய பொருளை முன்மொழியும் ஒரு மாதிரி.
மருத்துவ ஆராய்ச்சியை துரிதப்படுத்துவது முதல் சிக்கலான சுற்றுச்சூழல் சவால்களைத் தீர்ப்பது வரை சாத்தியமான பயன்பாடுகள் பரந்த அளவில் உள்ளன. இது AI இன் அடுத்த எல்லையை பிரதிபலிக்கிறது, மனித புத்தி கூர்மையில் உண்மையான பங்காளியாக மாற தன்னியக்கத்திற்கு அப்பால் நகர்கிறது.
முடிவு: AI கண்டுபிடிப்புகளின் அடுத்த அலை
அறிவியல் கண்டுபிடிப்புக்கான AI ஐ உருவாக்குவதற்கான போட்டி சூடுபிடித்துள்ளது, ஆனால் உண்மையான வெற்றியானது நியாயமற்ற ஆய்வகங்கள் போன்ற சிறப்பு தொடக்கங்களில் இருக்கலாம். இடைநிலை பகுத்தறிவில் அவர்களின் கவனம் தற்போதைய பெரிய மொழி மாதிரிகளின் வரம்புகளுக்கு அப்பால் ஒரு நம்பிக்கைக்குரிய பாதையை வழங்குகிறது. உண்மையிலேயே கண்டறியக்கூடிய AI ஐ உருவாக்கும் பயணம் இப்போதுதான் தொடங்குகிறது.
AI மற்றும் தொழில்நுட்பத்தில் சமீபத்திய கண்டுபிடிப்புகள் குறித்து புதுப்பித்த நிலையில் இருங்கள். மேலும் நுண்ணறிவுகளுக்கும் இந்தக் கட்டுரையை எளிதாகப் பகிர்வதற்கும், உங்களுக்குப் பிடித்த உள்ளடக்கத்தைத் திருத்த, Seemless இல் உங்கள் இலவச லிங்க்-இன்-பயோ பக்கத்தை உருவாக்கவும்.
