Навуковыя даследаванні штучнага інтэлекту: сапраўдная мэта машыннага навучання

КРЭДЫТ ВЫЯВЫ:
Крэдыт малюнка
Istock

Навуковыя даследаванні штучнага інтэлекту: сапраўдная мэта машыннага навучання

Навуковыя даследаванні штучнага інтэлекту: сапраўдная мэта машыннага навучання

Тэкст падзагалоўка
Даследчыкі правяраюць здольнасць штучнага інтэлекту ацэньваць велізарныя аб'ёмы даных, што можа прывесці да прарыўных адкрыццяў.
    • аўтар:
    • імя аўтара
      Quantumrun Foresight
    • Можа 11, 2023

    Распрацоўка гіпотэз традыцыйна лічыцца выключна чалавечай дзейнасцю, бо патрабуе творчасці, інтуіцыі і крытычнага мыслення. Аднак з тэхналагічным прагрэсам навукоўцы ўсё часцей звяртаюцца да машыннага навучання (ML) для стварэння новых адкрыццяў. Алгарытмы могуць хутка аналізаваць вялікія аб'ёмы даных і вызначаць заканамернасці, якія людзі могуць не бачыць.

    Кантэкст

    Замест таго, каб залежаць ад чалавечых прадузятасцей, даследчыкі стварылі нейронавыя алгарытмы ML з дызайнам, натхнёным чалавечым мозгам, прапаноўваючы новыя гіпотэзы, заснаваныя на шаблонах даных. У выніку многія вобласці неўзабаве могуць звярнуцца да ML, каб паскорыць навуковыя адкрыцці і паменшыць чалавечыя прадузятасці. У выпадку недаследаваных батарэйных матэрыялаў навукоўцы традыцыйна абапіраюцца на метады пошуку ў базе дадзеных, мадэляванне і іх хімічны сэнс для ідэнтыфікацыі жыццяздольных малекул. Каманда з брытанскага Універсітэта Ліверпуля выкарыстала ML, каб спрасціць творчы працэс. 

    Па-першае, даследчыкі стварылі нейронавую сетку, якая вызначала прыярытэты хімічных камбінацый на аснове іх верагоднасці атрымання новага каштоўнага матэрыялу. Затым навукоўцы выкарысталі гэтыя рэйтынгі для кіраўніцтва сваімі лабараторнымі даследаваннямі. У выніку яны знайшлі чатыры жыццяздольныя варыянты матэрыялу батарэі, не правяраючы ўсё са свайго спісу, пазбавіўшы іх месяцаў спроб і памылак. Новыя матэрыялы - не адзіная сфера, дзе ML можа дапамагчы ў даследаваннях. Даследчыкі таксама выкарыстоўваюць нейронавыя сеткі для вырашэння больш значных тэхналагічных і тэарэтычных праблем. Напрыклад, фізік Цюрыхскага інстытута тэарэтычнай фізікі Рэната Рэнэр спадзяецца распрацаваць звязнае тлумачэнне таго, як уладкованы свет, выкарыстоўваючы ML. 

    Акрамя таго, больш складаныя генератыўныя мадэлі штучнага інтэлекту, такія як ChatGPT OpenAI, дазваляюць даследчыкам аўтаматычна ствараць новыя даныя, мадэлі і гіпотэзы. Гэты подзвіг дасягаецца з дапамогай такіх метадаў, як генератыўныя спаборніцкія сеткі (GAN), варыяцыйныя аўтакадавальнікі (VAE) і моўныя мадэлі на аснове трансфарматара (напрыклад, Generative Pre-trained Transformer-3 або GPT-3). Гэтыя мадэлі штучнага інтэлекту могуць быць выкарыстаны для стварэння сінтэтычных набораў даных, распрацоўкі і аптымізацыі новых архітэктур ML і распрацоўкі новых навуковых гіпотэз шляхам выяўлення заканамернасцей і сувязяў у даных, якія раней былі невядомыя.

    Разбуральнае ўздзеянне

    Навукоўцы могуць усё часцей выкарыстоўваць генератыўны ІІ для дапамогі ў даследаваннях. Маючы магчымасць аналізаваць заканамернасці і прагназаваць вынікі, заснаваныя на гэтых ведах, гэтыя мадэлі могуць разгадваць складаныя тэорыі навукі, якія заставаліся неразгаданымі чалавецтвам. Гэта не толькі зэканоміць час і грошы, але і дапаможа чалавечаму разуменню навукі выйсці далёка за межы цяперашніх межаў. 

    Прадпрыемствам, якія займаюцца даследаваннямі і распрацоўкамі (R&D), хутчэй за ўсё, будзе лягчэй сабраць адпаведнае фінансаванне, таму што ML можа апрацоўваць даныя хутчэй. У выніку навукоўцы будуць шукаць дадатковай дапамогі, наймаючы новых супрацоўнікаў або супрацоўнічаючы з вядомымі прадпрыемствамі і кампаніямі для дасягнення лепшых вынікаў. Агульны ўплыў гэтай цікавасці будзе станоўчым не толькі для навуковых дасягненняў, але і для спецыялістаў у навуковых галінах. 

    Аднак патэнцыйная перашкода заключаецца ў тым, што людзям часта бывае складана зразумець рашэнні з гэтых адаптыўных мадэляў, асабліва іх развагі. З-за таго, што машыны даюць толькі адказы і не тлумачаць прычыну рашэння, навукоўцы могуць заставацца нявызначанымі адносна працэсу і высновы. Гэтая невядомасць аслабляе ўпэўненасць у выніках і памяншае колькасць нейронавых сетак, якія могуць дапамагчы ў аналізе. Такім чынам, даследчыкам трэба будзе распрацаваць мадэль, якая можа сама сябе растлумачыць.

    Наступствы навуковых даследаванняў штучнага інтэлекту

    Больш шырокія наступствы навуковых даследаванняў ІІ могуць уключаць:

    • Змены ў стандартах аўтарства даследчых работ, у тым ліку прысваенне інтэлектуальнай уласнасці AI. Падобным чынам сістэмы штучнага інтэлекту аднойчы будуць узнагароджаны ў якасці патэнцыйных атрымальнікаў Нобелеўскай прэміі, што можа выклікаць інтэнсіўныя спрэчкі аб тым, ці варта прызнаваць гэтыя алгарытмы вынаходнікамі.
    • Даследаванні, створаныя штучным інтэлектам, могуць прывесці да новых формаў адказнасці і дадатковых юрыдычных і этычных пытанняў, звязаных з выкарыстаннем штучнага інтэлекту і аўтаномных сістэм у навуковых адкрыццях.
    • Навукоўцы працуюць з рознымі генератыўнымі інструментамі штучнага інтэлекту для хуткага адсочвання медыцынскіх распрацовак і тэсціравання.
    • Павелічэнне спажывання энергіі з-за высокай вылічальнай магутнасці, неабходнай для працы гэтых складаных алгарытмаў.
    • Будучыя навукоўцы навучаюцца выкарыстоўваць AI і іншыя інструменты ML у сваіх працоўных працэсах.
    • Урады ствараюць глабальныя стандарты абмежаванняў і патрабаванняў да правядзення навуковых эксперыментаў, створаных штучным інтэлектам.

    Пытанні для разгляду

    • Калі вы навуковец, як ваша ўстанова або лабараторыя плануюць уключыць даследаванні з дапамогай штучнага інтэлекту?
    • Як вы думаеце, як даследаванні, створаныя штучным інтэлектам, паўплываюць на рынак працы навукоўцаў і даследчыкаў?

    Спасылкі Insight

    Наступныя папулярныя і інстытуцыйныя спасылкі былі выкарыстаны для гэтай інфармацыі: