中國研究人員即將打造出“真正的人工智慧科學家”

中國研究人員即將採取突破性方法來培養能夠進行實驗和解決科學問題的「人工智慧（AI）科學家」。深度學習模型的最新進展徹底改變了科學研究，但目前的模型仍然難以準確地模擬現實世界的物理交互作用。

然而，來自北京大學和中國東方理工學院 (EIT) 的研究團隊開發了一種新框架，用於基於物理定律或數理邏輯等先驗知識以及資料來訓練機器學習模型。

南華早報 報導稱，這種方法可能會創造出“真正的人工智慧科學家”，他們可以改進實驗並解決科學問題。深度學習模型透過揭示大數據集中的關係對科學研究產生了重大影響。儘管取得了這些進步，但 OpenAI 的 Sora 等當前模型在準確模擬現實世界中的某些物理交互作用方面仍面臨限制。

例如，Sora，一種文字轉視訊模型，由於其改進的、真實的物件表示而獲得了廣泛的流行。然而，它無法準確地模擬基本交互，例如節日蛋糕上蠟燭火焰移動的方向。

研究人員建議將物理定律或數理邏輯等「先驗知識」與資料結合起來，以訓練更準確的機器學習模型。

將人類知識嵌入人工智慧模型可以提高其有效性和預測能力。為了解決這個問題，團隊開發了一個框架來評估先驗知識的價值並確定其對模型準確性的影響。他們的框架旨在使用派生規則來評估知識的價值，同時考慮資料量和評估範圍等因素。透過進行定量實驗，研究人員試圖闡明數據和先驗知識之間的複雜關係，包括依賴性、協同效應和替代效應。

此模型診斷系統可應用於各種網路架構，提供對先驗知識在深度學習模型中的作用的全面理解。

研究人員在求解多維方程式和預測化學實驗結果的模型上測試了他們的框架。他們發現，結合先驗知識極大地提高了這些模型的性能，特別是在科學領域，與物理定律的一致性對於避免潛在的災難性結果至關重要。從長遠來看，該團隊的目標是開發能夠在無需人工幹預的情況下獨立識別和應用相關知識的人工智慧模型。

然而，他們承認，隨著模型中資料量的增加，可能會出現一般規則優於特定局部規則等問題，特別是在生物和化學等領域，這些領域可能缺乏一般規則。

另請閱讀：

•  Cockerill iX 裝甲車配備人工智慧，可有效對抗無人機
• AMD XDNA 是什麼？在 Ryzen 處理器上為 AI 提供支援的架構