AI וויסנשאפטלעכע פאָרשונג: דער אמת ציל פון מאַשין לערנען

• וועגן דעם מחבר
• מחבר נאָמען

  קוואַנטומרון פאָרסייט
• מייַ קסנומקס, קסנומקס

דעוועלאָפּינג כייפּאַטאַסאַז איז טראַדישאַנאַלי געהאלטן אַ בלויז מענטשלעך טעטיקייט, ווייַל עס ריקווייערז שעפֿערישקייט, ינטוישאַן און קריטיש טראכטן. אָבער, מיט טעקנאַלאַדזשיקאַל אַדוואַנסיז, סייאַנטיס ווענדן ינקריסינגלי צו מאַשין לערנען (ML) צו דזשענערייט ראָמאַן דיסקאַוועריז. אַלגערידאַמז קענען געשווינד אַנאַלייז גרויס אַמאַונץ פון דאַטן און ידענטיפיצירן פּאַטערנז וואָס מענטשן קען נישט זען.

קאָנטעקסט

אלא ווי דיפּענדינג אויף מענטש פּריקאַנסעפּשאַנז, ריסערטשערז האָבן קאַנסטראַקטאַד נעוראַל נעץ ML אַלגערידאַמז מיט אַ פּלאַן ינספּייערד דורך די מענטשלעך מאַרך, סאַגדזשעסטינג נייַ כייפּאַטאַסאַז באזירט אויף דאַטן פּאַטערנז. ווי אַ רעזולטאַט, פילע געביטן קען באַלד ווענדן צו ML צו פאַרגיכערן וויסנשאפטלעכע ופדעקונג און פאַרמינערן מענטש בייאַסיז. אין דעם פאַל פון אַניקספּלאָרד באַטאַרייע מאַטעריאַלס, סייאַנטיס האָבן טראַדישאַנאַלי רילייד אויף דאַטאַבייס זוכן טעקניקס, מאָדעלינג און זייער כעמישער זינען צו ידענטיפיצירן ווייאַבאַל מאַלאַקיולז. א קאָלעקטיוו פון די וק-באזירט אוניווערסיטעט פון ליווערפּול האָט אָנגעשטעלט ML צו פאַרפּאָשעטערן דעם שעפעריש פּראָצעס. 

ערשטער, די ריסערטשערז באשאפן אַ נעוראַל נעץ וואָס פּרייאָראַטייזד כעמישער קאַמבאַניישאַנז באזירט אויף זייער ליקעליהאָאָד צו פּראָדוצירן אַ ווערטפול נייַ מאַטעריאַל. די סייאַנטיס דעמאָלט יוטאַלייזד די ראַנגקינגז צו פירן זייער לאַבאָראַטאָריע שטודיום. ווי אַ רעזולטאַט, זיי געפֿונען פיר ווייאַבאַל באַטאַרייע מאַטעריאַל ברירות אָן טעסטינג אַלץ אויף זייער רשימה, זיי שפּאָרן חדשים פון פּראָצעס און טעות. ניו מאַטעריאַלס זענען נישט די בלויז פעלד ווו ML קען העלפן פאָרשונג. רעסעאַרטשערס אויך נוצן נעוראַל נעטוואָרקס צו סאָלווע מער באַטייַטיק טעקנאַלאַדזשיקאַל און טעאָרעטיש קאַנסערנז. צום ביישפּיל, אַ פיזיקער אין ציריך אינסטיטוט פֿאַר טעאָרעטיש פיזיק, Renato Renner, האפענונגען צו אַנטוויקלען אַ קאָוכיסיוו דערקלערונג פון ווי די וועלט אַרבעט מיט ML. 

אַדדיטיאָנאַללי, מער סאַפיסטאַקייטיד דזשענעראַטיוו אַי מאָדעלס ווי OpenAI ס ChatGPT לאָזן ריסערטשערז אויטאָמאַטיש דזשענערייט נייַע דאַטן, מאָדעלס און כייפּאַטאַסאַז. די פיט איז אַטשיווד דורך טעקניקס אַזאַ ווי דזשענעראַטיוו אַדווערסאַריאַל נעטוואָרקס (GANs), ווערייישאַן אַוטאָענקאָדערס (VAEs), און טראַנספאָרמער-באזירט שפּראַך מאָדעלס (אַזאַ ווי גענעראַטיווע פאַר-טריינד טראַנספאָרמער-3 אָדער גפּט-3). די אַי מאָדעלס קענען ווערן גענוצט צו דזשענערייט סינטעטיש דאַטן שטעלט, פּלאַן און אַפּטאַמייז נייַע ML אַרקאַטעקטשערז, און אַנטוויקלען נייַע וויסנשאפטלעכע כייפּאַטאַסאַז דורך ידענטיפיצירן פּאַטערנז און באציונגען אין דאַטן וואָס זענען ביז אַהער אומבאַקאַנט.

דיסראַפּטיוו פּראַל

ססיענטיסץ קענען ינקריסינגלי נוצן דזשענעראַטיוו אַי צו הילף מיט פאָרשונג. מיט די פיייקייט צו פונאַנדערקלייַבן פּאַטערנז און פאָרויסזאָגן אַוטקאַמז באזירט אויף דעם וויסן, די מאָדעלס קען סאָלווע קאָמפּלעקס טעאָריעס פון וויסנשאַפֿט וואָס האָבן פארבליבן אַנסאַלווד דורך מענטשהייַט. ניט בלויז וועט דאָס שפּאָרן צייט און געלט, אָבער עס וועט אויך העלפֿן די מענטשלעך פארשטאנד פון וויסנשאַפֿט צו פאַרברייטערן ווייַט ווייַטער פון זייַן קראַנט באַונדריז. 

א פאָרשונג און אַנטוויקלונג (ר & די) פירנעם וועט מסתּמא געפֿינען עס גרינגער צו זאַמלען צונעמען פאַנדינג ווייַל ML קענען פּראָצעס דאַטן פאַסטער. ווי אַ רעזולטאַט, סייאַנטיס וועלן זוכן מער הילף דורך הירינג נייַע עמפּלוייז אָדער מיטאַרבעט מיט באַוווסט געשעפטן און קאָמפּאַניעס צו פּראָדוצירן בעסער רעזולטאַטן. די קוילעלדיק פּראַל פון דעם אינטערעס וועט זיין positive, ניט בלויז פֿאַר וויסנשאפטלעכע אַדוואַנטידזשיז, אָבער אויך פֿאַר פּראָפעססיאָנאַלס אין די וויסנשאפטלעכע פעלדער. 

אָבער, אַ פּאָטענציעל ראָאַדבלאָקק איז אַז סאַלושאַנז פון די אַדאַפּטיוו מאָדעלס זענען אָפט טשאַלאַנדזשינג פֿאַר יומאַנז צו אָנכאַפּן, ספּעציעל די ריזאַנינג ינוואַלווד. ווייַל די מאשינען בלויז געבן ענטפֿערס און נישט דערקלערן די סיבה הינטער די לייזונג, סייאַנטיס קען בלייבן ומזיכער וועגן דעם פּראָצעס און מסקנא. די אַבסקיוריטי וויקאַנז צוטרוי אין די רעזולטאַטן און ראַדוסאַז די נומער פון נעוראַל נעטוואָרקס וואָס קענען העלפֿן מיט אַנאַליסיס. דעריבער, עס וועט זיין נייטיק פֿאַר ריסערטשערז צו אַנטוויקלען אַ מאָדעל וואָס קענען דערקלערן זיך.

ימפּלאַקיישאַנז פון אַי וויסנשאפטלעכע פאָרשונג

ברייטער ימפּלאַקיישאַנז פון אַי וויסנשאפטלעכע פאָרשונג קען אַרייַננעמען:

• ענדערונגען אין אָטערשיפּ סטאַנדאַרדס פֿאַר פאָרשונג צייטונגען, אַרייַנגערעכנט געבן אינטעלעקטואַל פאַרמאָג קרעדיט צו אַי. סימילאַרלי, אַי סיסטעמען איין טאָג זיין אַוואָרדיד ווי פּאָטענציעל נאָבעל פרייז ריסיפּיאַנץ, וואָס קענען פאַרשאַפן טיף וויכוחים צי די אַלגערידאַמז זאָל זיין יקנאַלידזשד ווי ינווענטאָרס.
• אַי-דזשענערייטאַד פאָרשונג קען פירן צו נייַע פארמען פון אַכרייַעס און ווייַטער לעגאַל און עטישע פֿראגן שייַכות צו ניצן אַי און אָטאַנאַמאַס סיסטעמען אין וויסנשאפטלעכע דיסקאַוועריז.
• ססיענטיסץ ארבעטן מיט פאַרשידן גענעראַטיווע אַי מכשירים צו שנעל שפּור מעדיציניש דיוועלאַפּמאַנץ און טעסטינג.
• ינקרעאַסינג ענערגיע באַניץ געפֿירט דורך די הויך קאַמפּיוטינג מאַכט דארף צו לויפן די פּראָטים אַלגערידאַמז.
• צוקונפֿט סייאַנטיס זענען טריינד צו נוצן אַי און אנדערע ML מכשירים אין זייער וואָרקפלאָווס.
• גאַווערמאַנץ קריייטינג גלאבאלע סטאַנדאַרדס אויף די לימיטיישאַנז און רעקווירעמענץ פון קאַנדאַקטינג אַי-דזשענערייטאַד וויסנשאפטלעכע יקספּעראַמאַנץ.

פֿראגן צו באַטראַכטן

• אויב איר זענט אַ געלערנטער, ווי איז דיין ינסטיטושאַן אָדער לאַבאָראַטאָריע פּלאַנירונג צו ינקאָרפּערייט אַי-אַססיסטעד פאָרשונג?
• ווי טאָן איר טראַכטן אַי-דזשענערייטאַד פאָרשונג וועט פּראַל אויף די אַרבעט מאַרק פֿאַר סייאַנטיס און ריסערטשערז?