AI elmi tədqiqatı: Maşın öyrənməsinin əsl məqsədi

ŞƏKİL KREDİTİ:
Şəkil krediti
iStock

AI elmi tədqiqatı: Maşın öyrənməsinin əsl məqsədi

AI elmi tədqiqatı: Maşın öyrənməsinin əsl məqsədi

Alt başlıq mətni
Tədqiqatçılar süni intellektin böyük miqdarda məlumatı qiymətləndirmək qabiliyyətini sınaqdan keçirirlər ki, bu da sıçrayışlı kəşflərə səbəb ola bilər.
    • Author:
    • Author adı
      Quantumrun Uzaqgörməsi
    • , 11 2023 May

    Fərziyyələrin hazırlanması ənənəvi olaraq yalnız insan fəaliyyəti hesab olunurdu, çünki yaradıcılıq, intuisiya və tənqidi düşüncə tələb edir. Bununla belə, texnoloji irəliləyişlərlə alimlər yeni kəşflər yaratmaq üçün getdikcə daha çox maşın öyrənməsinə (ML) müraciət edirlər. Alqoritmlər böyük həcmdə məlumatları tez təhlil edə və insanların görə bilməyəcəyi nümunələri müəyyən edə bilər.

    Kontekst

    Tədqiqatçılar insan ilkin mülahizələrindən asılı olmayaraq, insan beynindən ilhamlanan dizaynla neyron şəbəkəsi ML alqoritmləri qurmuş və məlumat nümunələrinə əsaslanan yeni fərziyyələr irəli sürmüşlər. Nəticədə, bir çox sahələr elmi kəşfləri sürətləndirmək və insanların qərəzlərini azaltmaq üçün tezliklə ML-yə müraciət edə bilər. Tədqiq edilməmiş batareya materialları vəziyyətində, elm adamları ənənəvi olaraq canlı molekulları müəyyən etmək üçün verilənlər bazası axtarış texnikasına, modelləşdirməyə və onların kimyəvi mənalarına etibar etdilər. Böyük Britaniyada yerləşən Liverpul Universitetindən bir komanda yaradıcılıq prosesini sadələşdirmək üçün ML-dən istifadə etdi. 

    Birincisi, tədqiqatçılar qiymətli yeni material istehsal etmək ehtimalına əsaslanaraq kimyəvi birləşmələrə üstünlük verən neyron şəbəkə yaratdılar. Elm adamları daha sonra laboratoriya tədqiqatlarına rəhbərlik etmək üçün bu sıralamalardan istifadə etdilər. Nəticədə, onlar aylarla sınaq və səhvlərə qənaət edərək siyahılarında olan hər şeyi sınaqdan keçirmədən dörd uyğun batareya materialı seçimi tapdılar. Yeni materiallar ML-nin tədqiqata kömək edə biləcəyi yeganə sahə deyil. Tədqiqatçılar daha əhəmiyyətli texnoloji və nəzəri problemləri həll etmək üçün neyron şəbəkələrdən də istifadə edirlər. Məsələn, Sürix Nəzəri Fizika İnstitutunun fiziki Renato Renner, ML-dən istifadə edərək dünyanın necə işlədiyinə dair vahid izahat hazırlamağa ümid edir. 

    Bundan əlavə, OpenAI-nin ChatGPT kimi daha mürəkkəb generativ süni intellekt modelləri tədqiqatçılara avtomatik olaraq yeni məlumatlar, modellər və fərziyyələr yaratmağa imkan verir. Bu nailiyyət generativ rəqib şəbəkələr (GAN), variasiya avtokodlayıcıları (VAE) və transformator əsaslı dil modelləri (məsələn, Generativ Əvvəlcədən Təlimli Transformator-3 və ya GPT-3) kimi üsullar vasitəsilə əldə edilir. Bu süni intellekt modelləri sintetik məlumat dəstləri yaratmaq, yeni ML arxitekturalarını layihələndirmək və optimallaşdırmaq və əvvəllər məlum olmayan verilənlərdəki nümunələri və əlaqələri müəyyən etməklə yeni elmi fərziyyələr hazırlamaq üçün istifadə edilə bilər.

    Dağıdıcı təsir

    Alimlər tədqiqata kömək etmək üçün generativ süni intellektdən getdikcə daha çox istifadə edə bilərlər. Nümunələri təhlil etmək və bu biliklərə əsaslanan nəticələri proqnozlaşdırmaq bacarığı ilə bu modellər bəşəriyyət tərəfindən həll edilməmiş mürəkkəb elm nəzəriyyələrini həll edə bilər. Bu, nəinki vaxta və pula qənaət edəcək, həm də insanın elm anlayışının indiki hüdudlarından xeyli kənara çıxmasına kömək edəcək. 

    Tədqiqat və təkmilləşdirmə (R&D) müəssisəsi, çox güman ki, müvafiq maliyyələşdirməni asanlaşdıracaq, çünki ML məlumatları daha sürətli emal edə bilər. Nəticədə, elm adamları daha yaxşı nəticələr əldə etmək üçün yeni işçiləri işə götürməklə və ya tanınmış biznes və şirkətlərlə əməkdaşlıq edərək daha çox yardım axtaracaqlar. Bu marağın ümumi təsiri təkcə elmi nailiyyətlər üçün deyil, həm də elmi sahələr üzrə peşəkarlar üçün müsbət olacaqdır. 

    Bununla belə, potensial maneə odur ki, bu adaptiv modellərdən gələn həllər insanlar üçün, xüsusən də əsaslandırmanı başa düşmək üçün çox vaxt çətin olur. Maşınların yalnız cavab verməsi və həllin səbəbini izah etməməsi səbəbindən elm adamları proses və nəticə ilə bağlı qeyri-müəyyən qala bilər. Bu qeyri-müəyyənlik nəticələrə olan inamı zəiflədir və analizdə kömək edə biləcək neyron şəbəkələrin sayını azaldır. Buna görə də tədqiqatçıların özünü izah edə biləcək bir model hazırlaması lazım gələcək.

    AI elmi tədqiqatının nəticələri

    Süni intellekt elmi tədqiqatının daha geniş nəticələrinə aşağıdakılar daxil ola bilər:

    • Tədqiqat işləri üçün müəlliflik standartlarında dəyişikliklər, o cümlədən AI-yə əqli mülkiyyət krediti verilməsi. Eynilə, süni intellekt sistemləri bir gün potensial Nobel mükafatçıları kimi təltif olunacaqlar ki, bu da bu alqoritmlərin ixtiraçı kimi tanınıb-tanınmaması ilə bağlı gərgin müzakirələrə səbəb ola bilər.
    • Süni intellekt tərəfindən yaradılan tədqiqatlar yeni məsuliyyət formalarına və elmi kəşflərdə süni intellekt və avtonom sistemlərdən istifadə ilə bağlı əlavə hüquqi və etik suallara səbəb ola bilər.
    • Alimlər tibbi inkişafları və sınaqları sürətləndirmək üçün müxtəlif generativ süni intellekt alətləri ilə işləyirlər.
    • Bu mürəkkəb alqoritmləri işə salmaq üçün lazım olan yüksək hesablama gücündən qaynaqlanan artan enerji istehlakı.
    • Gələcək alimlər öz iş proseslərində AI və digər ML vasitələrindən istifadə etmək üçün təlim alırlar.
    • Hökumətlər süni intellektlə yaradılan elmi təcrübələrin aparılmasının məhdudiyyətləri və tələbləri ilə bağlı qlobal standartlar yaradır.

    Nəzərə alınmalı suallar

    • Əgər siz bir alimsinizsə, müəssisəniz və ya laboratoriyanız süni intellektlə aparılan tədqiqatları necə birləşdirməyi planlaşdırır?
    • Sizcə, süni intellekt tərəfindən yaradılan tədqiqat alimlər və tədqiqatçılar üçün iş bazarına necə təsir edəcək?

    Anlayış istinadları

    Bu fikir üçün aşağıdakı məşhur və institusional bağlantılara istinad edilmişdir: