AI илимий изилдөө: Машиналарды үйрөнүүнүн чыныгы максаты

• Author:
• Жазуучу аты

  Quantumrun Foresight
• 11 мүмкүн, 2023

Гипотезаларды иштеп чыгуу адаттагыдай эле адамдын иш-аракети катары каралып келген, анткени ал чыгармачылыкты, интуицияны жана критикалык ой жүгүртүүнү талап кылат. Бирок, технологиялык жетишкендиктер менен, илимпоздор уламдан-улам жаңы ачылыштарды жаратуу үчүн машина үйрөнүү (ML) бурулуп жатышат. Алгоритмдер чоң көлөмдөгү маалыматтарды тез анализдеп, адамдар көрө албаган үлгүлөрдү аныктай алат.

контекст

Тескерисинче, адамдын алдын ала көз каранды эмес, изилдөөчүлөр маалымат үлгүлөрүнүн негизинде жаңы гипотезаларды сунуш, адамдын мээси шыктандырган дизайн менен нейрон тармагын ML алгоритмдерди куруп. Натыйжада, көптөгөн аймактар ​​илимий ачылыштарды тездетүү жана адамдын көз карашын азайтуу үчүн жакында MLге кайрылышы мүмкүн. Батареянын изилденбеген материалдарында окумуштуулар салттуу түрдө маалымат базасын издөө ыкмаларына, моделдөөлөргө жана алардын химиялык маанисине таянып, жашоого жөндөмдүү молекулаларды аныкташты. Улуу Британияда жайгашкан Ливерпуль университетинин командасы чыгармачылык процессти жөнөкөйлөтүү үчүн MLди колдонушкан. 

Биринчиден, изилдөөчүлөр баалуу жаңы материалды өндүрүү ыктымалдыгынын негизинде химиялык айкалыштарга артыкчылык берген нейрон тармагын түзүшкөн. Окумуштуулар бул рейтингдерди лабораториялык изилдөөлөрүн жетектөө үчүн колдонушкан. Натыйжада, алар бир нече ай сыноо жана ката кетирбестен, алардын тизмесиндеги бардыгын сынабастан, аккумулятордук төрт материалды тандап алышты. Жаңы материалдар ML изилдөөгө жардам бере турган жалгыз тармак эмес. Окумуштуулар дагы маанилүү технологиялык жана теориялык көйгөйлөрдү чечүү үчүн нейрон тармактарын колдонушат. Мисалы, Цюрихтин Теориялык физика институтунун физики Ренато Реннер MLди колдонуу менен дүйнөнүн кантип иштээри жөнүндө бирдиктүү түшүндүрмө иштеп чыгууга үмүттөнөт. 

Кошумчалай кетсек, OpenAIдин ChatGPT сыяктуу татаалыраак генеративдик AI моделдери изилдөөчүлөргө автоматтык түрдө жаңы маалыматтарды, моделдерди жана гипотезаларды түзүүгө мүмкүндүк берет. Бул эрдикке генеративдик атаандаш тармактар ​​(GANs), вариациялык автокодерлор (VAEs) жана трансформаторго негизделген тил моделдери (мисалы, Генеративдик Алдын ала даярдалган Transformer-3 же GPT-3) сыяктуу ыкмалар аркылуу жетишилет. Бул AI моделдерин синтетикалык маалымат топтомун түзүү, жаңы ML архитектураларын долбоорлоо жана оптималдаштыруу жана мурда белгисиз болгон маалыматтардагы калыптарды жана мамилелерди аныктоо аркылуу жаңы илимий гипотезаларды иштеп чыгуу үчүн колдонсо болот.

Бузуучу таасир

Окумуштуулар изилдөөгө жардам берүү үчүн генеративдик AIны көбүрөөк колдонушу мүмкүн. Үлгүлөрдү талдоо жана ошол билимдердин негизинде натыйжаларды болжолдоо жөндөмү менен бул моделдер адамзат тарабынан чечилбеген илимдин татаал теорияларын чече алат. Бул убакытты жана акчаны үнөмдөп гана койбостон, адамдын илимди түшүнүүсүнө анын азыркы чектеринен да ашып түшүүгө жардам берет. 

Изилдөө жана өнүктүрүү (R&D) ишканасы, сыягы, тиешелүү каржылоону оңой чогултат, анткени ML маалыматтарды тезирээк иштете алат. Натыйжада, илимпоздор жаңы кызматкерлерди жалдоо же жакшы натыйжаларды алуу үчүн белгилүү бизнес жана компаниялар менен кызматташуу аркылуу көбүрөөк жардам издешет. Бул кызыгуунун жалпы таасири илимий жетишкендиктер үчүн эле эмес, илимий тармактардагы адистер үчүн да оң болот. 

Бирок, бул ыңгайлашуучу моделдердин чечимдери адамдар үчүн, айрыкча, ой жүгүртүүнү түшүнүү үчүн көп учурда кыйынчылык жаратат. Машиналар гана жооп берип, чечимдин себебин түшүндүрбөгөндүктөн, илимпоздор процесс жана корутунду боюнча белгисиз бойдон калышы мүмкүн. Бул бүдөмүк натыйжаларга болгон ишенимди алсыратат жана талдоо жүргүзүүгө жардам бере турган нейрон тармактарынын санын азайтат. Ошондуктан, изилдөөчүлөр өзүн түшүндүрө ала турган моделди иштеп чыгышы керек болот.

AI илимий изилдөөлөрүнүн натыйжалары

AI илимий изилдөөлөрүнүн кеңири кесепеттери төмөнкүлөрдү камтышы мүмкүн:

• Изилдөө иштеринин автордук стандарттарындагы өзгөртүүлөр, анын ичинде AIга интеллектуалдык менчик кредитин берүү. Ошо сыяктуу эле, AI системалары бир күнү Нобель сыйлыгынын потенциалдуу алуучулары катары ыйгарылат, бул алгоритмдерди ойлоп табуучулар катары таанылышы керекпи же жокпу деген катуу талкууларды жаратышы мүмкүн.
• AI тарабынан жасалган изилдөөлөр жоопкерчиликтин жаңы формаларына жана илимий ачылыштарда AI жана автономдуу системаларды колдонууга байланыштуу мындан аркы укуктук жана этикалык суроолорго алып келиши мүмкүн.
• Окумуштуулар ар кандай генеративдик AI инструменттери менен иштешип, медициналык иштеп чыгууларды жана тестирлөөнү тездетүүдө.
• Бул иштелип чыккан алгоритмдерди иштетүү үчүн зарыл болгон жогорку эсептөө күчү менен шартталган энергияны пайдаланууну көбөйтүү.
• Келечектеги окумуштуулар AI жана башка ML куралдарын иштөө процессинде колдонууга үйрөтүлүүдө.
• Өкмөттөр AI тарабынан түзүлгөн илимий эксперименттерди жүргүзүүнүн чектөөлөрү жана талаптары боюнча дүйнөлүк стандарттарды түзүшөт.

Карала турган суроолор

• Эгер сиз илимпоз болсоңуз, сиздин мекемеңиз же лабораторияңыз AI жардамы менен изилдөөлөрдү кантип киргизүүнү пландап жатат?
• Сиздин оюңузча, AI тарабынан жасалган изилдөө окумуштуулар жана изилдөөчүлөр үчүн эмгек рыногуна кандай таасир этет?