Çinli araştırmacılar "gerçek yapay zeka bilim insanları" yaratmanın eşiğinde

Çinli araştırmacılar, deneyler yürütebilecek ve bilimsel sorunları çözebilecek "yapay zeka (AI) bilim adamları" geliştirmeye yönelik çığır açıcı bir yaklaşımın eşiğindeler. Derin öğrenme modellerindeki son gelişmeler bilimsel araştırmalarda devrim yarattı, ancak mevcut modeller hala gerçek dünyadaki fiziksel etkileşimleri doğru bir şekilde taklit etmekte zorlanıyor.

Ancak Pekin Üniversitesi ve Çin'deki Doğu Teknoloji Enstitüsü'nden (EIT) bir araştırmacı ekibi, verilerin yanı sıra fizik yasaları veya matematiksel mantık gibi ön bilgilere dayalı makine öğrenimi modellerini eğitmek için yeni bir çerçeve geliştirdi.

Güney Çin Sabah Postası böyle bir yaklaşımın, deneyleri geliştirebilen ve bilimsel sorunları çözebilen "yapay zekaya sahip gerçek bilim adamlarının" yaratılmasına yol açabileceğini bildiriyor. Derin öğrenme modelleri, büyük veri kümelerindeki ilişkileri ortaya çıkararak bilimsel araştırmaları önemli ölçüde etkilemiştir. Bu ilerlemelere rağmen OpenAI'nin Sora'sı gibi mevcut modeller, gerçek dünyadaki belirli fiziksel etkileşimleri doğru şekilde simüle etme konusunda sınırlamalarla karşı karşıyadır.

Örneğin, bir metinden videoya modeli olan Sora, nesnelerin geliştirilmiş, gerçekçi temsili nedeniyle geniş bir popülerlik kazanmıştır. Ancak temel etkileşimleri (örneğin, tatil pastasının üzerindeki mum alevinin yönü) doğru bir şekilde modelleyemez.

Araştırmacılar, daha doğru makine öğrenimi modellerini eğitmek için fizik yasaları veya matematiksel mantık gibi "ön bilgilerin" verilerle birlikte birleştirilmesini öneriyor.

İnsan bilgisini yapay zeka modellerine dahil etmek, bunların etkinliğini ve tahmin yeteneğini artırabilir. Bu sorunu çözmek için ekip, ön bilginin değerini değerlendirmek ve bunun model doğruluğu üzerindeki etkisini belirlemek için bir çerçeve geliştirdi. Çerçeveleri, veri hacmi ve değerlendirme aralığı gibi faktörleri dikkate alarak türetilmiş kuralları kullanarak bilginin değerini değerlendirmeyi amaçlamaktadır. Araştırmacılar niceliksel deneyler yürüterek veriler ile ön bilgi arasındaki bağımlılık, sinerji ve ikame etkileri de dahil olmak üzere karmaşık ilişkiyi açıklamaya çalışırlar.

Bu model teşhis sistemi, çeşitli ağ mimarilerine uygulanarak, derin öğrenme modellerinde ön bilginin rolünün kapsamlı bir şekilde anlaşılmasını sağlar.

Araştırmacılar, çok boyutlu denklemleri çözmeye ve kimyasal deneylerin sonuçlarını tahmin etmeye yönelik modeller üzerinde kendi çerçevelerini test ettiler. Özellikle fiziksel yasalarla tutarlılığın potansiyel felaket sonuçlarından kaçınmak için kritik öneme sahip olduğu bilimsel alanlarda, ön bilgileri birleştirmenin bu modellerin performansını büyük ölçüde artırdığını buldular. Uzun vadede ekip, ilgili bilgiyi insan müdahalesi olmadan bağımsız olarak tanımlayıp uygulayabilen yapay zeka modelleri geliştirmeyi hedefliyor.

Ancak modeldeki veri miktarı arttıkça, özellikle genel kuralların eksik olabileceği biyoloji ve kimya gibi alanlarda genel kuralların belirli yerel kurallara üstünlüğü gibi sorunların ortaya çıkabileceğini kabul ediyorlar.

Ayrıca okuyun:

•  Cockerill iX zırhlı aracı, dronlara karşı etkili mücadele için yapay zeka aldı
• AMD XDNA nedir? Ryzen işlemcilerde yapay zekaya güç veren mimari