AI գիտական ​​հետազոտություն. մեքենայական ուսուցման իրական նպատակը

ՊԱՏԿԵՐԻ ՎԱՐԿ.
Image վարկային
iStock- ը

AI գիտական ​​հետազոտություն. մեքենայական ուսուցման իրական նպատակը

AI գիտական ​​հետազոտություն. մեքենայական ուսուցման իրական նպատակը

Ենթավերնագրի տեքստը
Հետազոտողները փորձարկում են արհեստական ​​ինտելեկտի կարողությունը՝ գնահատելու հսկայական քանակությամբ տվյալներ, որոնք կարող են հանգեցնել բեկումնային հայտնագործությունների:
    • Հեղինակ:
    • Հեղինակ անունը
      Quantumrun Հեռատեսություն
    • Թող 11, 2023

    Հիպոթեզների մշակումն ավանդաբար համարվում է բացառապես մարդկային գործունեություն, քանի որ այն պահանջում է կրեատիվություն, ինտուիցիա և քննադատական ​​մտածողություն: Այնուամենայնիվ, տեխնոլոգիական առաջընթացի հետ մեկտեղ գիտնականներն ավելի ու ավելի են դիմում մեքենայական ուսուցմանը (ML)՝ նոր հայտնագործություններ ստեղծելու համար: Ալգորիթմները կարող են արագ վերլուծել մեծ քանակությամբ տվյալներ և բացահայտել օրինաչափություններ, որոնք մարդիկ չեն կարող տեսնել:

    Կոնտեքստ

    Մարդկային նախապաշարմունքներից կախված լինելու փոխարեն՝ հետազոտողները կառուցել են նեյրոնային ցանցի ML ալգորիթմներ՝ ոգեշնչված մարդու ուղեղից՝ առաջարկելով նոր վարկածներ՝ հիմնված տվյալների օրինաչափությունների վրա: Արդյունքում, շատ ոլորտներ շուտով կարող են դիմել ML-ին՝ արագացնելու գիտական ​​բացահայտումները և նվազեցնելու մարդկային կողմնակալությունը: Չուսումնասիրված մարտկոցների նյութերի դեպքում գիտնականները ավանդաբար հիմնվում են տվյալների բազայի որոնման տեխնիկայի, մոդելավորման և դրանց քիմիական իմաստի վրա՝ կենսունակ մոլեկուլները բացահայտելու համար: Մեծ Բրիտանիայում գործող Լիվերպուլի համալսարանի թիմն օգտագործել է ML՝ ստեղծագործական գործընթացը պարզեցնելու համար: 

    Նախ, հետազոտողները ստեղծեցին նեյրոնային ցանց, որն առաջնահերթություն էր տալիս քիմիական համակցություններին՝ հիմնվելով արժեքավոր նոր նյութի արտադրության հավանականության վրա: Այնուհետև գիտնականներն օգտագործել են այս վարկանիշները՝ առաջնորդելու իրենց լաբորատոր հետազոտությունները: Արդյունքում, նրանք գտան չորս կենսունակ մարտկոցի նյութերի ընտրություն՝ առանց իրենց ցուցակի ամեն ինչ փորձարկելու՝ խնայելով նրանց փորձությունների և սխալների ամիսներ: Նոր նյութերը միակ ոլորտը չեն, որտեղ ML-ը կարող է օգնել հետազոտությանը: Հետազոտողները նաև օգտագործում են նեյրոնային ցանցեր՝ ավելի կարևոր տեխնոլոգիական և տեսական խնդիրներ լուծելու համար: Օրինակ, Ցյուրիխի տեսական ֆիզիկայի ինստիտուտի ֆիզիկոս Ռենատո Ռենները հույս ունի համահունչ բացատրություն մշակել այն մասին, թե ինչպես է աշխարհը աշխատում ՄԼ-ի միջոցով: 

    Բացի այդ, ավելի բարդ գեներատիվ AI մոդելները, ինչպիսիք են OpenAI-ի ChatGPT-ը, հետազոտողներին թույլ են տալիս ավտոմատ կերպով ստեղծել նոր տվյալներ, մոդելներ և վարկածներ: Այս նվաճումը ձեռք է բերվում այնպիսի մեթոդների միջոցով, ինչպիսիք են գեներատիվ հակառակորդ ցանցերը (GANs), փոփոխական ինքնակոդավորիչներ (VAE) և տրանսֆորմատորների վրա հիմնված լեզվական մոդելներ (օրինակ՝ Generative Pre-trained Transformer-3 կամ GPT-3): Այս AI մոդելները կարող են օգտագործվել սինթետիկ տվյալների հավաքածուներ ստեղծելու, ML նոր ճարտարապետություններ նախագծելու և օպտիմալացնելու, ինչպես նաև գիտական ​​նոր վարկածներ մշակելու համար՝ նախկինում անհայտ տվյալների օրինաչափություններն ու հարաբերությունները հայտնաբերելու միջոցով:

    Խանգարող ազդեցություն

    Գիտնականները կարող են գնալով ավելի շատ օգտագործել գեներատիվ արհեստական ​​ինտելեկտը՝ հետազոտություններին օգնելու համար: Ունենալով օրինաչափություններ վերլուծելու և այդ գիտելիքների վրա հիմնված արդյունքները կանխատեսելու ունակությամբ այս մոդելները կարող են լուծել գիտության բարդ տեսություններ, որոնք մարդկության կողմից մնացել են չլուծված: Սա ոչ միայն կխնայի ժամանակն ու գումարը, այլև կօգնի գիտության մարդկային ըմբռնմանը դուրս գալ ներկայիս սահմաններից: 

    Հետազոտության և զարգացման (R&D) ձեռնարկությունը, հավանաբար, ավելի հեշտ կլինի համապատասխան ֆինանսավորում հավաքել, քանի որ ML-ն կարող է ավելի արագ մշակել տվյալները: Արդյունքում, գիտնականները ավելի շատ օգնություն կփնտրեն՝ նոր աշխատակիցներ ընդունելով կամ համագործակցելով հայտնի բիզնեսների և ընկերությունների հետ՝ ավելի լավ արդյունքներ ապահովելու համար: Այս հետաքրքրության ընդհանուր ազդեցությունը դրական կլինի ոչ միայն գիտական ​​առաջընթացի, այլ նաև գիտական ​​ոլորտի մասնագետների համար: 

    Այնուամենայնիվ, պոտենցիալ խոչընդոտն այն է, որ այս հարմարվողական մոդելների լուծումները մարդկանց համար հաճախ դժվար է հասկանալ, հատկապես ներգրավված պատճառաբանությունը: Քանի որ մեքենաները միայն պատասխաններ են տալիս և չեն բացատրում լուծման պատճառը, գիտնականները կարող են անորոշ մնալ գործընթացի և եզրակացության վերաբերյալ: Այս անհայտությունը թուլացնում է արդյունքների նկատմամբ վստահությունը և նվազեցնում է նեյրոնային ցանցերի թիվը, որոնք կարող են օգնել վերլուծությանը: Հետևաբար, հետազոտողների համար անհրաժեշտ կլինի մշակել մի մոդել, որը կարող է ինքն իրեն բացատրել:

    AI գիտական ​​հետազոտությունների հետևանքները

    AI գիտական ​​հետազոտությունների ավելի լայն հետևանքները կարող են ներառել.

    • Հետազոտական ​​հոդվածների հեղինակային չափորոշիչների փոփոխություններ, ներառյալ ինտելեկտուալ սեփականության վարկավորումը AI-ին: Նմանապես, AI համակարգերը մի օր կպարգևատրվեն որպես պոտենցիալ Նոբելյան մրցանակակիրներ, ինչը կարող է բուռն բանավեճեր առաջացնել այն մասին, թե արդյոք այդ ալգորիթմները պետք է ճանաչվեն որպես գյուտարարներ:
    • AI-ի կողմից ստեղծված հետազոտությունը կարող է հանգեցնել պատասխանատվության նոր ձևերի և հետագա իրավական և էթիկական հարցերի՝ կապված գիտական ​​հայտնագործություններում AI և ինքնավար համակարգերի օգտագործման հետ:
    • Գիտնականները աշխատում են տարբեր գեներացնող AI գործիքներով՝ բժշկական զարգացումներին և փորձարկումներին արագ հետևելու համար:
    • Այս մշակված ալգորիթմները գործարկելու համար անհրաժեշտ հաշվողական բարձր հզորության պատճառով էներգիայի սպառման ավելացում:
    • Ապագա գիտնականները վերապատրաստվում են արհեստական ​​ինտելեկտի և այլ ML գործիքների օգտագործման համար իրենց աշխատանքային գործընթացներում:
    • Կառավարությունները ստեղծում են գլոբալ ստանդարտներ արհեստական ​​ինտելեկտի կողմից ստեղծված գիտական ​​փորձարկումների իրականացման սահմանափակումների և պահանջների վերաբերյալ:

    Հարցեր, որոնք պետք է հաշվի առնել

    • Եթե ​​դուք գիտնական եք, ինչպե՞ս է ձեր հաստատությունը կամ լաբորատորիան պլանավորում ներառել AI-ի օգնությամբ հետազոտությունները:
    • Ի՞նչ եք կարծում, արհեստական ​​ինտելեկտի կողմից ստեղծված հետազոտությունն ինչպե՞ս կազդի գիտնականների և հետազոտողների աշխատաշուկայի վրա:

    Insight հղումներ

    Հետևյալ հանրաճանաչ և ինստիտուցիոնալ հղումները վկայակոչվել են այս պատկերացման համար.

    Ուչիկագոյի նորություններ Ինչպես AI-ն կարող է փոխել գիտությունը