Kreditas: Pixabay / CC0 viešasis domenas Tarptautinė mokslininkų komanda, įskaitant Kembridžo universitetą, pradėjo naują mokslinių tyrimų bendradarbiavimą, kuris panaudos tą pačią „ChatGPT“ technologiją, kad sukurtų dirbtinio intelekto įrankį moksliniams atradimams.
Kol ChatGPT kalba apie žodžius ir sakinius, komandos dirbtinis intelektas mokysis iš skaitmeninių duomenų ir fizikos modeliavimo įvairiose mokslo srityse, kad padėtų mokslininkams modeliuoti viską nuo supermilžinių žvaigždžių iki Žemės klimato.
Grupė pradėjo iniciatyvą, pavadintą „Polymathic AI“ anksčiau šią savaitę, kartu paskelbdama daugybę susijusių dokumentų apie arXiv atviros prieigos saugykla.
„Tai visiškai pakeis tai, kaip žmonės moksle naudoja dirbtinį intelektą ir mašininį mokymąsi“, – sakė „Polymathic AI“ vyriausioji tyrėja Shirley Ho, grupės vadovė Flatiron instituto Kompiuterinės astrofizikos centre Niujorke.
„Polymathic AI“ idėja „panaši į tai, kaip lengviau išmokti naują kalbą, kai jau mokate penkias kalbas“, – sakė Ho.
Pradėti nuo didelio, iš anksto paruošto modelio, žinomo kaip pamatinis modelis, gali būti greičiau ir tiksliau nei sukurti mokslinį modelį nuo nulio. Tai gali būti tiesa, net jei mokymo duomenys nėra akivaizdžiai susiję su nagrinėjama problema.
„Buvo sunku atlikti akademinius viso masto pamatų modelių tyrimus dėl reikalingos skaičiavimo galios masto“, – sakė bendradarbis Milesas Cranmeris iš Kembridžo Taikomosios matematikos ir teorinės fizikos katedros ir Astronomijos instituto. „Mūsų bendradarbiavimas su Simonso fondu suteikė mums unikalių išteklių, kad galėtume pradėti kurti šių modelių prototipus, skirtus naudoti pagrindiniame moksle, iš kurių mokslininkai visame pasaulyje galės sukurti – tai įdomu.
„Polimatinis AI gali parodyti mums bendrumus ir ryšius tarp skirtingų sričių, kurios galėjo būti praleistos“, – sakė vienas iš tyrėjų Siavashas Golkaras, kviestinis tyrėjas Flatiron instituto Kompiuterinės astrofizikos centre.
„Ankstesniais šimtmečiais vieni įtakingiausių mokslininkų buvo polimatai, plačiai išmanantys įvairias sritis. Tai leido jiems įžvelgti ryšius, padėjusius įkvėpti savo darbui. Kiekvienai mokslo sričiai vis labiau specializuotis, vis sunkiau išlikti kelių sričių priešakyje. Manau, kad tai vieta, kur AI gali mums padėti, kaupdamas informaciją iš daugelio disciplinų.
Polymathic AI komandą sudaro mokslininkai iš Simonso fondo ir jo Flatiron instituto, Niujorko universiteto, Kembridžo universiteto, Prinstono universiteto ir Lawrence’o Berkeley nacionalinės laboratorijos. Komandą sudaro fizikos, astrofizikos, matematikos, dirbtinio intelekto ir neurologijos ekspertai.
Mokslininkai anksčiau naudojo dirbtinio intelekto įrankius, tačiau pirmiausia jie buvo sukurti ir apmokyti naudojant atitinkamus duomenis.
„Nepaisant sparčios mašininio mokymosi pažangos pastaraisiais metais įvairiose mokslo srityse, beveik visais atvejais mašininio mokymosi sprendimai yra kuriami konkretiems naudojimo atvejams ir mokomi pagal kai kuriuos labai specifinius duomenis“, – sakė centro kosmologas Francois Lanusse’as. Nacionalinis mokslinis mokslas (CNRS) Prancūzijoje.
„Tai sukuria ribas tiek disciplinų viduje, tiek tarp jų, o tai reiškia, kad mokslininkai, naudojantys dirbtinį intelektą savo tyrimams, negauna naudos iš informacijos, kuri gali būti, bet kitokiu formatu arba visiškai kitoje srityje.”
Polymathic AI projektas išmoks naudoti duomenis iš įvairių fizikos ir astrofizikos šaltinių (ir galiausiai tokiose srityse kaip chemija ir genomika, teigia jo kūrėjai) ir pritaikys tą daugiadisciplininį išmanymą sprendžiant daugybę mokslinių problemų. Projektas „sujungs daugybę iš pažiūros skirtingų polaukių į kažką didesnio nei jų dalių suma“, – sakė projekto narė Mariel Pettee, Lawrence’o Berkeley nacionalinės laboratorijos doktorantė.
„Neaišku, kiek mes galime padaryti šiuos šuolius tarp disciplinų“, – sakė Ho. „Tai yra tai, ką mes norime padaryti – pabandyti ir tai padaryti.”
„ChatGPT“ turi gerai žinomus tikslumo apribojimus (pavyzdžiui, pokalbių robotas sako, kad 2 023 kartus 1 234 yra 2 497 582, o ne teisingas atsakymas 2 496 382). „Polymathic AI“ projektas padės išvengti daugelio tų spąstų, sakė Ho, nes skaičius bus laikomas tikrais skaičiais, o ne tik simboliais, esančiais to paties lygio kaip raidės ir skyrybos ženklai. Mokymo duomenims taip pat bus naudojami tikri moksliniai duomenų rinkiniai, kuriuose užfiksuota kosmoso fizika.
Skaidrumas ir atvirumas yra didelė projekto dalis, sakė Ho. „Norime viską paskelbti viešai. Norime demokratizuoti dirbtinį intelektą mokslui taip, kad po kelerių metų bendruomenei galėtume pateikti iš anksto parengtą modelį, galintį padėti tobulinti mokslines analizes visoje įvairių problemų ir sričių“.
Daugiau informacijos: Michaelas McCabe’as ir kt., Kelių fizikos parengiamieji mokymai fiziniams surogatiniams modeliams, arXiv (2023). DOI: 10.48550/arxiv.2310.02994
Siavash Golkar ir kt., xVal: Nuolatinis skaičių kodavimas didelių kalbų modeliams, arXiv (2023). DOI: 10.48550/arxiv.2310.02989
Francois Lanusse ir kt., AstroCLIP: Kryžminis astronominių pamatų modelių išankstinis mokymas, arXiv (2023). DOI: 10.48550/arxiv.2310.03024
Citata: Mokslininkai pradeda kurti dirbtinį intelektą moksliniams atradimams, naudodami ChatGPT technologiją (2023 m. spalio 13 d.), gautą 2023 m. spalio 15 d. iš https://techxplore.com/news/2023-10-scientists-ai-scientific-discovery-tech.html
Šis dokumentas yra saugomas autorių teisių. Išskyrus bet kokius sąžiningus sandorius privačių studijų ar mokslinių tyrimų tikslais, jokia dalis negali būti atkuriama be raštiško leidimo. Turinys pateikiamas tik informaciniais tikslais.
