باحثون صينيون على وشك تكوين "علماء ذكاء اصطناعي حقيقيين"

يقف الباحثون الصينيون على وشك اتباع نهج رائد لتطوير "علماء الذكاء الاصطناعي" القادرين على إجراء التجارب وحل المشكلات العلمية. أحدثت التطورات الحديثة في نماذج التعلم العميق ثورة في البحث العلمي، لكن النماذج الحالية لا تزال تكافح من أجل محاكاة التفاعلات الفيزيائية في العالم الحقيقي بدقة.

ومع ذلك، قام فريق من الباحثين من جامعة بكين والمعهد الشرقي للتكنولوجيا (EIT) في الصين بتطوير إطار جديد لتدريب نماذج التعلم الآلي بناءً على المعرفة السابقة، مثل قوانين الفيزياء أو المنطق الرياضي، إلى جانب البيانات.

جنوب الصين مورنينج بوست تشير التقارير إلى أن مثل هذا النهج يمكن أن يؤدي إلى إنشاء "علماء حقيقيين يتمتعون بذكاء اصطناعي" يمكنهم تحسين التجارب وحل المشكلات العلمية. لقد أثرت نماذج التعلم العميق بشكل كبير على البحث العلمي من خلال الكشف عن العلاقات في مجموعات البيانات الكبيرة. على الرغم من هذه التطورات، تواجه النماذج الحالية مثل Sora من OpenAI قيودًا في محاكاة تفاعلات فيزيائية معينة بدقة في العالم الحقيقي.

على سبيل المثال، اكتسب نموذج Sora، وهو نموذج تحويل النص إلى فيديو، شعبية واسعة بسبب تمثيله الواقعي المحسّن للأشياء. ومع ذلك، لا يمكنها أن تصمم بدقة التفاعلات الأساسية، على سبيل المثال، الاتجاه الذي يتحرك فيه لهب الشموع الموجودة على كعكة العطلة.

يقترح الباحثون دمج "المعرفة المسبقة"، مثل قوانين الفيزياء أو المنطق الرياضي، جنبًا إلى جنب مع البيانات لتدريب نماذج التعلم الآلي الأكثر دقة.

إن دمج المعرفة البشرية في نماذج الذكاء الاصطناعي يمكن أن يزيد من فعاليتها وقدرتها على التنبؤ. ولحل هذه المشكلة، قام الفريق بتطوير إطار عمل لتقييم قيمة المعرفة السابقة وتحديد تأثيرها على دقة النموذج. ويهدف إطار عملهم إلى تقييم قيمة المعرفة باستخدام القواعد المشتقة، مع الأخذ في الاعتبار عوامل مثل حجم البيانات ونطاق التقييم. من خلال إجراء تجارب كمية، يسعى الباحثون إلى توضيح العلاقة المعقدة بين البيانات والمعرفة السابقة، بما في ذلك تأثيرات الاعتماد والتآزر والاستبدال.

يمكن تطبيق نظام تشخيص النماذج هذا على مختلف بنيات الشبكات، مما يوفر فهمًا شاملاً لدور المعرفة السابقة في نماذج التعلم العميق.

اختبر الباحثون إطار عملهم على نماذج لحل المعادلات متعددة الأبعاد والتنبؤ بنتائج التجارب الكيميائية. ووجدوا أن دمج المعرفة السابقة أدى إلى تحسين أداء هذه النماذج بشكل كبير، خاصة في المجالات العلمية حيث يعد الاتساق مع القوانين الفيزيائية أمرًا بالغ الأهمية لتجنب النتائج الكارثية المحتملة. على المدى الطويل، يهدف الفريق إلى تطوير نماذج الذكاء الاصطناعي التي يمكنها تحديد المعرفة ذات الصلة وتطبيقها بشكل مستقل دون تدخل بشري.

ومع ذلك، فإنهم يعترفون أنه مع زيادة كمية البيانات في النموذج، قد تنشأ مشاكل مثل هيمنة القواعد العامة على قواعد محلية محددة، خاصة في مجالات مثل البيولوجيا والكيمياء، حيث قد تكون القواعد العامة غير موجودة.

اقرأ أيضا:

•  تلقت المركبة المدرعة Cockerill iX الذكاء الاصطناعي للقتال الفعال ضد الطائرات بدون طيار
• ما هو AMD XDNA؟ البنية التي تدعم الذكاء الاصطناعي في معالجات Ryzen