นักวิจัยจีนจ่อสร้าง "นักวิทยาศาสตร์ AI ตัวจริง"

นักวิจัยชาวจีนจวนจะเข้าใกล้แนวทางการพัฒนา "นักวิทยาศาสตร์ปัญญาประดิษฐ์ (AI)" ที่สามารถทำการทดลองและแก้ไขปัญหาทางวิทยาศาสตร์ได้ ความก้าวหน้าล่าสุดในโมเดลการเรียนรู้เชิงลึกได้ปฏิวัติการวิจัยทางวิทยาศาสตร์ แต่โมเดลปัจจุบันยังคงประสบปัญหาในการเลียนแบบปฏิสัมพันธ์ทางกายภาพในโลกแห่งความเป็นจริงอย่างแม่นยำ

อย่างไรก็ตาม ทีมนักวิจัยจากมหาวิทยาลัยปักกิ่งและสถาบันเทคโนโลยีตะวันออก (EIT) ในประเทศจีนได้พัฒนากรอบใหม่สำหรับการฝึกอบรมโมเดลการเรียนรู้ของเครื่องโดยอาศัยความรู้เดิม เช่น กฎฟิสิกส์หรือตรรกะทางคณิตศาสตร์ ควบคู่ไปกับข้อมูล

South China Morning Post รายงานว่าแนวทางดังกล่าวอาจนำไปสู่การสร้าง "นักวิทยาศาสตร์ปัญญาประดิษฐ์ที่แท้จริง" ที่สามารถปรับปรุงการทดลองและแก้ไขปัญหาทางวิทยาศาสตร์ได้ โมเดลการเรียนรู้เชิงลึกมีอิทธิพลอย่างมากต่อการวิจัยทางวิทยาศาสตร์โดยการเปิดเผยความสัมพันธ์ในชุดข้อมูลขนาดใหญ่ แม้จะมีความก้าวหน้าเหล่านี้ แต่โมเดลปัจจุบัน เช่น Sora ของ OpenAI ต้องเผชิญกับข้อจำกัดในการจำลองปฏิสัมพันธ์ทางกายภาพบางอย่างในโลกแห่งความเป็นจริงอย่างแม่นยำ

ตัวอย่างเช่น Sora ซึ่งเป็นโมเดลการแปลงข้อความเป็นวิดีโอ ได้รับความนิยมอย่างกว้างขวางเนื่องจากมีการปรับปรุงการแสดงวัตถุให้สมจริง อย่างไรก็ตาม ไม่สามารถจำลองการโต้ตอบพื้นฐานได้อย่างแม่นยำ เช่น ทิศทางที่เปลวไฟของเทียนบนเค้กวันหยุดเคลื่อนไป

นักวิจัยแนะนำให้รวม "ความรู้เดิม" เช่น กฎฟิสิกส์หรือตรรกะทางคณิตศาสตร์ เข้ากับข้อมูลเพื่อฝึกโมเดลการเรียนรู้ของเครื่องที่แม่นยำยิ่งขึ้น

การฝังความรู้ของมนุษย์ลงในโมเดล AI สามารถเพิ่มประสิทธิภาพและความสามารถในการคาดการณ์ได้ เพื่อแก้ไขปัญหานี้ ทีมงานได้พัฒนากรอบการทำงานสำหรับการประเมินคุณค่าของความรู้เดิมและพิจารณาผลกระทบต่อความแม่นยำของแบบจำลอง กรอบการทำงานนี้มีจุดมุ่งหมายเพื่อประเมินคุณค่าของความรู้โดยใช้กฎที่ได้รับมา โดยคำนึงถึงปัจจัยต่างๆ เช่น ปริมาณข้อมูลและช่วงการประเมิน ด้วยการดำเนินการทดลองเชิงปริมาณ นักวิจัยพยายามที่จะชี้แจงความสัมพันธ์ที่ซับซ้อนระหว่างข้อมูลกับความรู้เดิม รวมถึงการพึ่งพาอาศัยกัน การทำงานร่วมกัน และผลกระทบของการทดแทน

ระบบวินิจฉัยโมเดลนี้สามารถนำไปใช้กับสถาปัตยกรรมเครือข่ายต่างๆ ได้ โดยให้ความเข้าใจที่ครอบคลุมเกี่ยวกับบทบาทของความรู้เดิมในโมเดลการเรียนรู้เชิงลึก

นักวิจัยได้ทดสอบกรอบการทำงานของตนเกี่ยวกับแบบจำลองในการแก้สมการหลายมิติและการทำนายผลการทดลองทางเคมี พวกเขาพบว่าการผสมผสานความรู้เดิมช่วยปรับปรุงประสิทธิภาพของแบบจำลองเหล่านี้ได้อย่างมาก โดยเฉพาะอย่างยิ่งในสาขาวิทยาศาสตร์ที่ความสอดคล้องกับกฎทางกายภาพเป็นสิ่งสำคัญในการหลีกเลี่ยงผลลัพธ์ที่อาจเกิดภัยพิบัติ ในระยะยาว ทีมงานมีเป้าหมายที่จะพัฒนาโมเดล AI ที่สามารถระบุและประยุกต์ใช้ความรู้ที่เกี่ยวข้องได้อย่างอิสระโดยไม่ต้องมีการแทรกแซงจากมนุษย์

อย่างไรก็ตาม พวกเขารับทราบว่าเมื่อปริมาณข้อมูลในแบบจำลองเพิ่มขึ้น ปัญหาต่างๆ เช่น การครอบงำกฎทั่วไปเหนือกฎท้องถิ่นเฉพาะอาจเกิดขึ้น โดยเฉพาะอย่างยิ่งในสาขาต่างๆ เช่น ชีววิทยาและเคมี ซึ่งกฎทั่วไปอาจขาดหายไป

อ่าน:

•  รถหุ้มเกราะ Cockerill iX ได้รับ AI เพื่อการต่อสู้กับโดรนอย่างมีประสิทธิภาพ
• เอเอ็มดี XDNA คืออะไร? สถาปัตยกรรมที่ขับเคลื่อน AI บนโปรเซสเซอร์ Ryzen