Investigació científica de la IA: el veritable propòsit de l'aprenentatge automàtic

CRÈDIT DE LA IMATGE:
Crèdit d'imatge
iStock

Investigació científica de la IA: el veritable propòsit de l'aprenentatge automàtic

Investigació científica de la IA: el veritable propòsit de l'aprenentatge automàtic

Text del subtítol
Els investigadors estan provant la capacitat de la intel·ligència artificial per avaluar grans quantitats de dades que poden conduir a descobriments innovadors.
    • autor:
    • nom de l'autor
      Previsió de Quantumrun
    • Pot 11, 2023

    El desenvolupament d'hipòtesis s'ha considerat tradicionalment una activitat exclusivament humana, ja que requereix creativitat, intuïció i pensament crític. Tanmateix, amb els avenços tecnològics, els científics recorren cada cop més a l'aprenentatge automàtic (ML) per generar nous descobriments. Els algorismes poden analitzar ràpidament grans quantitats de dades i identificar patrons que els humans poden no ser capaços de veure.

    Context

    En lloc de dependre de preconcepcions humanes, els investigadors han construït algorismes de ML de xarxes neuronals amb un disseny inspirat en el cervell humà, suggerint noves hipòtesis basades en patrons de dades. Com a resultat, moltes àrees aviat poden recórrer a ML per accelerar el descobriment científic i disminuir els biaixos humans. En el cas dels materials de bateries inexplorats, els científics tradicionalment s'han basat en les tècniques de cerca de bases de dades, el modelatge i el seu sentit químic per identificar molècules viables. Un equip de la Universitat de Liverpool, amb seu al Regne Unit, va utilitzar ML per simplificar el procés creatiu. 

    En primer lloc, els investigadors van crear una xarxa neuronal que prioritzava les combinacions químiques en funció de la seva probabilitat de produir un material nou valuós. Aleshores, els científics van utilitzar aquestes classificacions per guiar els seus estudis de laboratori. Com a resultat, van trobar quatre opcions de material de bateria viables sense provar tot a la seva llista, estalviant-los mesos d'assaig i error. Els nous materials no són l'únic camp on ML pot ajudar a la investigació. Els investigadors també utilitzen xarxes neuronals per resoldre problemes tecnològics i teòrics més importants. Per exemple, un físic de l'Institut de Física Teòrica de Zuric, Renato Renner, espera desenvolupar una explicació cohesionada de com funciona el món mitjançant ML. 

    A més, els models d'IA generativa més sofisticats com el ChatGPT d'OpenAI permeten als investigadors generar automàticament noves dades, models i hipòtesis. Aquesta proesa s'aconsegueix mitjançant tècniques com ara xarxes adversaries generatives (GAN), codificadors automàtics variacionals (VAE) i models de llenguatge basats en transformadors (com ara el Transformador generatiu pre-entrenat-3 o GPT-3). Aquests models d'IA es poden utilitzar per generar conjunts de dades sintètiques, dissenyar i optimitzar noves arquitectures ML i desenvolupar noves hipòtesis científiques mitjançant la identificació de patrons i relacions en dades que abans eren desconeguts.

    Impacte disruptiu

    Els científics poden utilitzar cada cop més la IA generativa per ajudar amb la investigació. Amb la capacitat d'analitzar patrons i predir resultats basats en aquest coneixement, aquests models podrien resoldre complexes teories de la ciència que la humanitat no ha resolt. Això no només estalviarà temps i diners, sinó que també ajudarà a que la comprensió humana de la ciència s'estengui molt més enllà dels seus límits actuals. 

    És probable que una empresa de recerca i desenvolupament (R+D) tingui més facilitat per reunir el finançament adequat perquè ML pot processar les dades més ràpidament. Com a resultat, els científics buscaran més ajuda contractant nous empleats o col·laborant amb empreses i empreses conegudes per obtenir millors resultats. L'impacte global d'aquest interès serà positiu, no només per als avenços científics sinó també per als professionals dels àmbits científics. 

    No obstant això, un possible obstacle és que les solucions d'aquests models adaptatius solen ser difícils d'entendre per als humans, especialment el raonament implicat. Com que les màquines només donen respostes i no expliquen el motiu de la solució, els científics poden mantenir-se incerts sobre el procés i la conclusió. Aquesta foscor debilita la confiança en els resultats i redueix el nombre de xarxes neuronals que poden ajudar amb l'anàlisi. Per tant, serà necessari que els investigadors desenvolupin un model que pugui explicar-se per si mateix.

    Implicacions de la investigació científica de la IA

    Les implicacions més àmplies de la investigació científica de la IA poden incloure:

    • Canvis en els estàndards d'autoria dels treballs de recerca, inclòs el reconeixement de propietat intel·lectual a la IA. De la mateixa manera, els sistemes d'IA seran guardonats algun dia com a possibles guanyadors del Premi Nobel, cosa que pot provocar intensos debats sobre si aquests algorismes haurien de ser reconeguts com a inventors.
    • La investigació generada per la IA pot donar lloc a noves formes de responsabilitat i a més qüestions legals i ètiques relacionades amb l'ús d'IA i sistemes autònoms en els descobriments científics.
    • Científics que treballen amb diverses eines d'IA generativa per accelerar els desenvolupaments i les proves mèdiques.
    • Augment de l'ús d'energia causat per l'alta potència de càlcul necessària per executar aquests elaborats algorismes.
    • Futurs científics que s'estan formant per utilitzar IA i altres eines de ML en els seus fluxos de treball.
    • Els governs creen estàndards globals sobre les limitacions i els requisits de la realització d'experiments científics generats per IA.

    Preguntes a tenir en compte

    • Si sou científic, com planeja la vostra institució o laboratori incorporar la investigació assistida per IA?
    • Com creus que la investigació generada per IA afectarà el mercat de treball dels científics i investigadors?

    Referències insight

    Es va fer referència als següents enllaços populars i institucionals per a aquesta visió: