సైన్స్ డిస్కవరీ కోసం AIని అభివృద్ధి చేయడానికి స్టార్టప్ కొత్త ఉపాయాన్ని ప్రయత్నిస్తోంది
సైన్స్ డిస్కవరీ కోసం AIని అభివృద్ధి చేయడానికి స్టార్టప్ కొత్త ఉపాయాన్ని ప్రయత్నిస్తోంది
సైన్స్ ఆవిష్కరణ కోసం కృత్రిమ మేధస్సును అభివృద్ధి చేయడం టెక్ దిగ్గజాలకు స్మారక లక్ష్యంగా మారింది. OpenAI మరియు Anthropic వంటి కంపెనీలు ఔషధం, జీవశాస్త్రం మరియు భౌతిక శాస్త్రంలో AI పురోగతుల వాగ్దానాలతో పది బిలియన్ల నిధులను పొందాయి. ఏది ఏమైనప్పటికీ, నిజమైన AI- నడిచే శాస్త్రీయ ఆవిష్కరణ అస్పష్టంగానే ఉంది, గత సంఘటనల ద్వారా తొలగించబడిన ChatGPT- రూపొందించిన గణిత అన్వేషణ వంటి వాటి ద్వారా నిరూపించబడింది. నిపుణుల అభిప్రాయం ప్రకారం, ప్రధాన సవాలు ఏమిటంటే, ప్రస్తుత పెద్ద భాషా నమూనాలు (LLMలు) స్వయంప్రతిపత్తిగా నవల శాస్త్రీయ జ్ఞానాన్ని ఉత్పత్తి చేసే అంతర్గత సామర్థ్యాన్ని కలిగి ఉండవు.
బిగ్ AI ల్యాబ్లు సైంటిఫిక్ డిస్కవరీతో ఎందుకు పోరాడుతున్నాయి
MIT ఇంజనీరింగ్ ప్రొఫెసర్ అయిన మార్కస్ బ్యూహ్లర్ నేటి అధునాతన AIలో ఒక ప్రాథమిక పరిమితిని గుర్తించారు. OpenAI మరియు Anthropic నుండి మోడల్స్ పవర్రింగ్ సిస్టమ్స్ నిజమైన ఆవిష్కరణ కోసం రూపొందించబడలేదని అతను వాదించాడు. వారి నిర్మాణం ఇప్పటికే ఉన్న డేటా నుండి నమూనా గుర్తింపుపై ఆధారపడి ఉంటుంది, కొత్త సిద్ధాంతాలు లేదా పరికల్పనలను సృష్టించడంపై కాదు.
గత పతనంలో చాట్జిపిటి ద్వారా గణిత శాస్త్ర ఆవిష్కరణ త్వరగా తొలగించబడినప్పుడు ఇది స్పష్టంగా వివరించబడింది. ఎపిసోడ్ AI యొక్క విశ్లేషణాత్మక శక్తి మరియు దాని సృజనాత్మక, ఆవిష్కరణ-ఆధారిత ఆలోచనల మధ్య అంతరాన్ని హైలైట్ చేసింది. వాస్తవికతతో సాంకేతికత పోరాడుతున్న ఇతర AI ప్రయత్నాలను గుర్తుకు తెచ్చే సవాలు ఇది, AI 'నటుడు' టిల్లీ నార్వుడ్ నిజమైన సృజనాత్మకత లోపించినందుకు ఎదుర్కొన్న విమర్శల వలె.
ప్రస్తుత AI మోడల్స్తో ప్రధాన సమస్య
పెద్ద భాషా నమూనాలు సమాచారాన్ని ప్రాసెస్ చేయడంలో మరియు పునరుజ్జీవింపజేయడంలో రాణిస్తాయి. వారు టెక్స్ట్లను సంగ్రహించగలరు, ప్రశ్నలకు సమాధానం ఇవ్వగలరు మరియు వారి శిక్షణ డేటా ఆధారంగా కోడ్ని కూడా వ్రాయగలరు. అయినప్పటికీ, వారు ఇప్పటికే నేర్చుకున్న వాటి పరిమితుల్లో పనిచేస్తారు.
శాస్త్రీయ ఆవిష్కరణ, దాని స్వభావంతో, తెలియని వాటిలోకి అడుగు పెట్టడం అవసరం. ఇది భిన్నమైన ఫీల్డ్ల మధ్య కొత్త కనెక్షన్లను ఏర్పరచడం మరియు ఏ శిక్షణా డేటాసెట్లో లేని ఆలోచనలను ప్రతిపాదించడం. ఇది ప్రస్తుత ఉత్పాదక AI, కంటెంట్ సృష్టి మరియు ఆటోమేషన్పై దృష్టి సారించడం కోసం నిర్మించబడలేదు. AI పబ్లిషింగ్ కోసం WordPress గుటెన్బర్గ్ అప్డేట్ పునాది వేయడం వంటి పరిణామాలతో పరిశ్రమ అభివృద్ధి చెందుతోంది, అయితే ఆవిష్కరణకు ప్రధాన సవాలు మిగిలి ఉంది.
అసమంజసమైన ల్యాబ్లను పరిచయం చేస్తోంది: సైన్స్ కోసం AIకి కొత్త విధానం
ఈ గ్యాప్ను పరిష్కరించడానికి, ప్రొఫెసర్ బ్యూహ్లర్ గూగుల్ డీప్మైండ్లోని మాజీ సీనియర్ స్టాఫ్ రీసెర్చ్ సైంటిస్ట్ యువాన్ కావోతో కలిసి అన్రీజబుల్ ల్యాబ్స్ను స్థాపించారు. శాస్త్రీయ ఆవిష్కరణ కోసం AIని అభివృద్ధి చేయడానికి ప్రాథమికంగా భిన్నమైన విధానాన్ని ప్రారంభించడం స్టార్టప్ లక్ష్యం. భారీ డేటా తీసుకోవడంపై మాత్రమే ఆధారపడకుండా, వారు ఇంటర్ డిసిప్లినరీ రీజనింగ్ సామర్థ్యం గల వ్యవస్థలను నిర్మిస్తున్నారు.
ప్లేగ్రౌండ్ గ్లోబల్ నేతృత్వంలోని ఫండింగ్ రౌండ్లో రీజనబుల్ ల్యాబ్స్ ఇటీవల $13.5 మిలియన్లను పొందింది. ఈ రౌండ్లో AIX వెంచర్స్, E14 ఫండ్ మరియు MS&AD వెంచర్స్ నుండి భాగస్వామ్యం కనిపించింది. ఈ ముఖ్యమైన పెట్టుబడి వారి నవల పద్దతిపై మార్కెట్ యొక్క నమ్మకాన్ని నొక్కి చెబుతుంది.
సైన్స్ చరిత్రలో "ఆహా" మూమెంట్స్ నుండి నేర్చుకోవడం
"ఆహా" క్షణాల నుండి అనేక గొప్ప ఆవిష్కరణలు ఉత్పన్నమవుతాయని బ్యూలర్ యొక్క పరికల్పన. పూర్తిగా భిన్నమైన డొమైన్లో సమస్యను పరిష్కరించడానికి శాస్త్రవేత్త ఒక ఫీల్డ్ నుండి సిద్ధాంతం లేదా భావనను వర్తింపజేసే సందర్భాలు ఇవి. ఆలోచనల యొక్క ఈ క్రాస్-పరాగసంపర్కం పురోగతికి కీలకం.
1982లో జాన్ హాప్ఫీల్డ్ చేసిన పని ఒక అద్భుతమైన ఉదాహరణ. అతను ఘనీభవించిన పదార్థ భౌతిక శాస్త్రం నుండి కృత్రిమ మేధస్సు యొక్క అప్పటి-నాసెంట్ ఫీల్డ్కు భావనలను అన్వయించాడు. ఇది హాప్ఫీల్డ్ నెట్వర్క్ల అభివృద్ధికి దారితీసింది, ఒక రకమైన న్యూరల్ నెట్వర్క్ జ్ఞాపకాలను నేర్చుకునే మరియు గుర్తుచేసుకునే సామర్థ్యాన్ని కలిగి ఉంటుంది. ఇది సంబంధం లేని విభాగాలను అనుసంధానించడం నుండి పుట్టిన విప్లవాత్మక ఆలోచన.
అసమంజసమైన ల్యాబ్ల AI ప్రధాన స్రవంతి మోడల్ల నుండి ఎలా భిన్నంగా ఉంటుంది
అసమంజసమైన ల్యాబ్స్లో అభివృద్ధి చేయబడుతున్న AI ఇంటర్ డిసిప్లినరీ అంతర్దృష్టి కోసం ఈ మానవ సామర్థ్యాన్ని అనుకరించేలా రూపొందించబడింది. వారి లక్ష్యం పెద్ద భాషా నమూనాను రూపొందించడం కాదు, శాస్త్రీయ డొమైన్లలో తర్కించగల వ్యవస్థను నిర్మించడం.
ఇంటర్ డిసిప్లినరీ నాలెడ్జ్ గ్రాఫ్లు: కేవలం టెక్స్ట్పై శిక్షణకు బదులుగా, వారి AI జీవశాస్త్రం నుండి భౌతికశాస్త్రం వరకు బహుళ శాస్త్రీయ రంగాల నుండి నిర్మాణాత్మక జ్ఞానాన్ని ఏకీకృతం చేస్తుంది. సారూప్య రీజనింగ్ ఇంజన్లు: ప్రధాన సాంకేతికత శాస్త్రీయ ఆవిష్కరణకు కీలకమైన చోదకమైన అకారణంగా సంబంధం లేని భావనల మధ్య సారూప్యతలు మరియు సమాంతరాలను కనుగొనడంపై దృష్టి పెడుతుంది. పరికల్పన జనరేషన్: ఇప్పటికే ఉన్న డేటాను విశ్లేషించడమే కాకుండా పరీక్షించదగిన శాస్త్రీయ పరికల్పనలను ప్రతిపాదించడానికి సిస్టమ్ రూపొందించబడింది.
ఈ విధానం పెద్ద కొనుగోలు వ్యూహాల నుండి గణనీయమైన నిష్క్రమణను సూచిస్తుందిAI స్టార్టప్ ఫోర్థాట్ యొక్క జెండెస్క్ కొనుగోలు వంటి సాంకేతిక సంస్థలు, కొత్త రకాల ఆవిష్కరణలకు మార్గదర్శకత్వం వహించడం కంటే ఇప్పటికే ఉన్న కస్టమర్ సర్వీస్ అప్లికేషన్లను మెరుగుపరచడంపై దృష్టి పెడతాయి.
ది ఫ్యూచర్ ఆఫ్ AI-డ్రైవెన్ డిస్కవరీ
విజయవంతమైతే, అసమంజసమైన ల్యాబ్ల సాంకేతికత క్లిష్టమైన ప్రాంతాలలో పరిశోధనను వేగవంతం చేస్తుంది. రసాయన శాస్త్రం మరియు జన్యుశాస్త్రం నుండి సూత్రాలను కలపడం ద్వారా కొత్త ఔషధ సమ్మేళనాన్ని సూచించగల AIని ఊహించుకోండి. లేదా నానోటెక్నాలజీ మరియు థర్మోడైనమిక్స్ నుండి భావనలను లింక్ చేయడం ద్వారా స్థిరమైన శక్తి కోసం కొత్త మెటీరియల్ను ప్రతిపాదించే మోడల్.
వైద్య పరిశోధనను వేగవంతం చేయడం నుండి సంక్లిష్ట పర్యావరణ సవాళ్లను పరిష్కరించడం వరకు సంభావ్య అప్లికేషన్లు విస్తృతంగా ఉన్నాయి. ఇది AI కోసం తదుపరి సరిహద్దును సూచిస్తుంది, మానవ చాతుర్యంలో నిజమైన భాగస్వామిగా మారడానికి ఆటోమేషన్ను దాటి ముందుకు సాగుతుంది.
ముగింపు: AI ఇన్నోవేషన్ యొక్క తదుపరి వేవ్
సైన్స్ ఆవిష్కరణ కోసం AIని అభివృద్ధి చేసే రేసు వేడెక్కుతోంది, అయితే అసమంజసమైన ల్యాబ్ల వంటి ప్రత్యేక స్టార్టప్లతో నిజమైన విజయం ఉంటుంది. ఇంటర్ డిసిప్లినరీ రీజనింగ్పై వారి దృష్టి ప్రస్తుత పెద్ద భాషా నమూనాల పరిమితులకు మించి మంచి మార్గాన్ని అందిస్తుంది. నిజంగా కనుగొనగలిగే AIని సృష్టించే ప్రయాణం ఇప్పుడే ప్రారంభమైంది.
AI మరియు సాంకేతికతలో తాజా ఆవిష్కరణల గురించి అప్డేట్గా ఉండండి. మరిన్ని అంతర్దృష్టుల కోసం మరియు ఈ కథనాన్ని సులభంగా భాగస్వామ్యం చేయడానికి, మీకు ఇష్టమైన కంటెంట్ను క్యూరేట్ చేయడానికి సీమ్లెస్లో మీ ఉచిత లింక్-ఇన్-బయో పేజీని సృష్టించండి.
