中国研究者、「真のAI科学者」育成で画期的な成果

最近、北京大学と東方理工大学（EIT）の中国研究者らが、従来のデータのみに基づくアプローチから脱却し、事前知識を用いて機械学習モデルを学習させる画期的なフレームワークを発表しました。研究者らは、ディープラーニングモデルが科学研究にもたらす変革的な影響を強調し、膨大なデータセットから意味のある関係性をtracする能力を強調しています。このフレームワークは、重力などの物理法則を理解していないため、現実世界の特定の相互作用を正確にシミュレートすることが難しいOpenAIのSoraなどの既存モデルの限界に対処します。.

科学研究に革命をもたらしたことで知られるディープラーニングモデルは、物理法則やmatic的論理といった事前知識を組み込むのではなく、主に膨大なデータに基づいて学習を行います。しかし、北京大学と東方理工大学の研究者たちは、パラダイムシフトを提案しています。研究チームは、学習中にデータと事前知識を組み合わせることで、より正確で情報に基づいた機械学習モデルを実現できる可能性があると示唆しています。.

課題は、モデルの崩壊を招くことなく、より優れた事前学習を促進するために、関数関係、方程式、論理といった事前知識のどの側面を統合すべきかを判断することです。陳雲田教授は、モデルに大量の知識とルールを詰め込むと、現在の情報に基づいた機械学習モデルではしばしば問題が生じたり、失敗したりすると強調しています。.

ルールの重要性を評価するためのフレームワーク

この課題を克服するため、研究者たちはルールの価値を評価し、ディープラーニングモデルの予測能力を高める最適な組み合わせを決定するフレームワークを開発しました。筆頭著者であり北京大学の研究者である徐浩氏は、このフレームワークは特定のルールや組み合わせがモデルの予測精度にどのように影響するかを分析することで「ルールの重要度」を計算すると説明しています。.

このアプローチは、データと知識の影響のバランスを取り、ディープラーニングモデルの効率性と推論能力を向上させることを目的としています。研究チームは、人間の知識をAIモデルに組み込むことで、AIモデルの現実世界への反映性が大幅に向上し、科学・工学分野への適用性が向上すると考えています。.

研究者たちは、多変数方程式を解くモデルと化学実験の結果を予測するモデルを最適化することで、このフレームワークをテストしました。チェン氏は、短期的には、このフレームワークは、潜在的な悪影響を回避するために物理法則との整合性が不可欠となる科学モデルにおいて最も有用な応用が見出されるだろうと示唆しています。.

有望な結果にもかかわらず、研究チームは課題を認識しています。モデルにデータが追加されるにつれて、一般的なルールが特定の局所的なルールよりも重要になります。しかし、この観察結果は、一般的なルールが欠如していることが多い生物学や化学などの分野では大きなメリットをもたらしません。.

自律的なAI科学者に向けて

今後、研究チームはフレームワークをさらに進化させ、AIが人間の介入なしにデータから直接知識とルールをdentようにすることを目指しています。最終的な目標は、閉ループを構築し、モデルを真のAIサイエンティストへと進化させることです。チェン氏はこの開発がAIの自律性に向けた重要な一歩となると捉えており、チームはこの移行を促進するために、AI開発者向けのオープンソースプラグインツールの開発に積極的に取り組んでいます。.